AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
人类欢迎观察：Agent社会网络Moltbook的首次观察
机构 * CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全研究中心）
专题命中 工具调用 ：agent(title,abstract)；AI agent(abstract)；autonomous agent(abstract)；tool use(abstract)
AI总结 本文研究了首个专为AI代理设计的社会网络Moltbook，分析其主题讨论、风险分布及毒性演变，揭示了代理社交网络中信息传播的复杂性及平台稳定性挑战。
Comments 16 pages
超越封闭池视频检索：面向真实世界视频搜索和时刻定位的基准与代理框架
机构 * CASIA ； UCAS ； Tencent（腾讯） ； Peking University（北京大学） ； Tsinghua University（清华大学）
专题命中 工具调用 ：agent(title)；agentic(abstract)；分类 cs.LG
AI总结 本文提出RVMS-Bench和RACLO框架，用于评估现实世界中基于模糊记忆的视频检索和时刻定位，揭示现有模型在该任务上的不足。
Comments 49 pages, 9 figures
聚合物代理：用于聚合物设计的大型语言模型代理
机构 * Department of Materials Science and Engineering, Carnegie Mellon University（材料科学与工程系，卡内基梅隆大学） ； Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学）
专题命中 工具调用 ：agent(title)；分类 cs.CL
AI总结 本文提出基于LLM的聚合物代理，通过结构-性质预测和生成技术，助力实验室研究人员高效发现新型聚合物结构。
通过在大型语言模型上积累知识来精通图神经网络设计
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Southeast University（东南大学） ； HoHuawei Hong Kong Research Center (HKRC)（华为香港研究中心） ； University of Tsukuba（筑波大学）
专题命中 工具调用 ：AI agent(abstract)；分类 cs.AI、cs.LG
AI总结 DesiGNN通过在大型语言模型上积累知识，提升图神经网络设计的自动化水平，实现高效精准的模型生成。
Comments Accepted at WSDM 2026. Title changed from "Computation-friendly graph neural network design by accumulating knowledge on large language models" to "Proficient Graph Neural Network Design by Accumulating Knowledge on Large Language Models"
TVCACHE: 一种具有状态的工具-价值缓存用于训练后LLM代理
机构 * cornell（康奈尔大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.LG
AI总结 TVCACHE通过维护工具调用序列树和最长前缀匹配，实现LLM代理训练后的高效缓存，提高缓存命中率并减少工具调用时间。
Comments Abhishek Vijaya Kumar and Bhaskar Kataria have equal contribution
从提示-响应到目标导向系统：代理AI软件架构的演变
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 本文探讨了代理AI从提示-响应到目标导向系统的架构演变，提出了生产级代理的参考架构、多代理拓扑分类及企业加固检查表，强调标准化代理循环和可审计控制机制的重要性。
ChainRec: 一个用于路由工具链的代理推荐学习系统，以应对多样化和演变的兴趣
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)
AI总结 ChainRec通过动态选择推理工具的代理推荐系统，提升冷启动和兴趣演变场景下的推荐性能。
AgentTrace: 一种面向智能体系统的结构化日志框架用于可观测性
专题命中 规划决策 ：agent(title,abstract)；autonomous agent(abstract)；分类 cs.AI、cs.SE
AI总结 AgentTrace是一种面向智能体系统的结构化日志框架，旨在通过动态可观测性和遥测功能提升智能体的安全性和可追溯性。
Comments AAAI 2026 Workshop LaMAS
认证工作流：保护代理AI的系统方法
专题命中 规划决策 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI
AI总结 本文提出认证工作流，通过密码学和运行时策略结合，实现企业代理AI的确定性安全，有效防护多种安全风险。
组织中代理AI转型的实用指南
机构 * Old Dominion University（旧 Dominion 大学） ； Florida International University（佛罗里达国际大学） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） ； Center for Wireless Communications, University of Oulu（无线通信中心，奥卢大学） ； University of Sri Jayewardenepura（斯里贾yenepura大学） ； Accenture Technology Labs（埃森哲技术实验室）
专题命中 规划决策 ：agentic(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出了一种实用框架，帮助组织将手动流程转型为自动化代理AI系统，通过领域驱动用例识别、任务委托给AI代理及人机协同模型实现可持续的自动化与业务价值对齐。
代理拼图交互学习：提升视觉感知与推理能力在视觉-语言模型中
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 AGILE通过代理拼图交互学习提升视觉-语言模型的感知与推理能力，显著提高拼图任务性能并增强多模态模型的泛化能力。
信息路径规划的统一实验架构：从仿真到部署的GuadalPlanner
机构 * Department of Electronic Engineering, University of Sevilla（电子工程系，塞维利亚大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG、cs.SE
AI总结 本文提出GuadalPlanner，通过统一架构实现信息路径规划算法在仿真与现实部署间的无缝衔接，支持多种环境和策略，提升算法评估的一致性与可扩展性。
基于预训练大语言模型的通用规划抽象生成
机构 * Hunan University of Science and Technology（湖南科技大学） ； Dongguan University of Technology（东莞理工学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出利用预训练大语言模型生成通用规划的抽象，并通过自动化调试修正抽象，以提升规划效率。
利用复合伯恩斯坦多项式求解测地方程用于轨迹规划
机构 * Department of Mechanical Engineering（机械工程系） ； University of Iowa（爱荷华大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出基于复合伯恩斯坦多项式的轨迹规划方法，用于在复杂环境中生成连续、动态可行的轨迹，适用于多种自主系统。
Comments Accepted for the 2026 IEEE Aerospace Conference
SWE-AGI：在自主代理时代利用MoonBit进行规范驱动软件构建的基准测试
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）
专题命中 规划决策 ：autonomous agent(title)；分类 cs.AI、cs.CL、cs.SE
AI总结 SWE-AGI通过MoonBit评估LLM在规范驱动下的软件构建能力，揭示了AI辅助开发中代码阅读瓶颈及模型性能随任务难度变化的特性。
Comments 20 pages, 3 figures
快速任务规划与神经符号放松
机构 * Spatial AI & Robotics Lab, Department of Computer Science and Engineering, University at Buffalo（空间人工智能与机器人实验室，计算机科学与工程系，布法罗大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 Flax通过结合神经重要性预测与符号扩展，实现快速可靠的复杂环境任务规划。
Comments 8 pages, 6 figures
Journal ref IEEE Robotics and Automation Letters (RA-L), 2026
从信念固化到LLM代理的稳健推理
机构 * KAIST AI（韩国科学技术院人工智能研究所）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL、cs.LG
AI总结 DReaMAD通过引入多样化推理和动态辩论机制，有效缓解了LLM代理中的信念固化问题，提升了推理准确性与胜率。
Comments Accepted to TACL
基于人群映射与避让路线规划的安全移动支持系统
机构 * Graduate School of Regional Development and Creativity, Division of Engineering and Agriculture, Graduate School, Utsunomiya University（乌市大学研究生院区域发展与创意学院，工程与农业系）
专题命中 规划决策 ：planning(title)
AI总结 本文提出利用视觉-语言模型和高斯过程回归生成动态人群密度地图，以提升自主机器人在拥挤环境中的安全导航能力。
Journal ref 2025 IEEE International Conference on Real-time Computing and Robotics (RCAR)
从转向到踩踏：自动驾驶VLMs是否能泛化到骑行辅助的空间感知与规划？
专题命中 规划决策 ：planning(title)
AI总结 本文提出CyclingVQA基准，评估自动驾驶VLMs在骑行辅助场景中的感知与推理能力，发现现有模型在骑行特定交通提示理解上存在不足，需进一步改进。
Comments Preprint
在不确定环境中进行元推理：一个元Bayes-适应MDP框架
机构 * Department of Psychology（心理学系） ； Institut für Geometrie und Praktische Mathematik（几何与应用数学研究所）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出元Bayes-适应MDP框架，用于处理未知奖励和转移分布环境中的元推理问题，并在伯努利老虎机任务中验证其有效性。
TableDART: 表格理解的动态自适应多模态路由
机构 * The University of Queensland, Australia（昆士兰大学） ； Griffith University, Australia（格里菲斯大学） ； University of Notre Dame, USA（诺丁汉大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 TableDART通过动态选择文本、图像或融合视角，提升表格理解的准确性和效率，避免昂贵的多模态模型微调。
Comments Accepted to ICLR 2026. 26 pages, 11 figures
OSIL: 通过非偏好轨迹推断学习离线安全模仿策略
机构 * Indian Institute of Technology Madras（印度理工学院马德拉斯学院）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 OSIL通过非偏好轨迹推断安全策略，从离线演示中学习安全且奖励最大化的策略，优于基线方法。
Comments 21 pages, Accepted at AAMAS 2026
EventCast：基于LLM事件知识的电子商务混合需求预测
机构 * ByteDance China（字节跳动中国） ； National University of Singapore（新加坡国立大学） ； Griffith University（格里菲斯大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL
AI总结 EventCast通过整合LLM事件知识提升电子商务需求预测精度，实现86.9%和97.7%的MAE和MSE改进。
神经符号动作遮蔽用于深度强化学习
机构 * Utrecht University（乌得勒支大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 NSAM通过自动学习符号模型与深度策略优化结合，提升深度强化学习的样本效率并减少约束违规。
基于偏好多目标强化学习的学习社会价值观系统
机构 * CETINIA, University Rey Juan Carlos（CETINIA皇家卡洛斯大学） ； Federation University（联邦大学） ； Deakin University（德肯大学）
专题命中 规划决策 ：分类 cs.AI、cs.LG；agent(comments)；autonomous agent(comments)；multi-agent(comments)
AI总结 本文提出基于偏好多目标强化学习的方法，用于在马尔可夫决策过程中学习社会价值系统，通过聚类和价值对齐模型实现不同用户群体的个性化价值偏好适应。
Comments 18 pages, 3 figures. To be published in proceedings of the 25th International Conference on Autonomous Agents and Multi-Agent Systems (AAMAS 2026). This is a full version that includes the supplementary material
密集手术器械计数的链式观察空间推理
机构 * State University of New York at Buffalo（纽约州立大学布法罗分校）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI
AI总结 本文提出Chain-of-Look框架，通过结构化视觉链提升密集手术器械计数的准确性，并引入邻近损失函数和SurgCount-HD数据集，实验证明其在复杂场景中的优越性能。
Comments Accepted to WACV 2026. This version includes additional authors who contributed during the rebuttal phase
ContactGaussian-WM: 从视频中学习物理基础的世界模型
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 ContactGaussian-WM通过从稀疏视频中学习物理定律，提升机器人规划与模拟中的复杂动态场景建模能力。
城市街区多属性填补的时空形态建模
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本文提出一种结合形态学与空间信息的城市街区多属性填补方法，通过整合全局先验与局部空间信息提升填补精度。
由人工智能驱动的生物生态中介在连锁热浪风险中的发现
机构 * College of Mathematics and System Science, Xinjiang University, Urumqi, Xinjiang, China（数学与系统科学学院，新疆大学） ； Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing, China（地理科学与自然资源研究所，中国科学院） ； Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University, Hong Kong, China（工业与系统工程系，香港理工大学） ； Xinya College, Tsinghua University, Beijing, China（清华学院） ； College of Architectural Engineering, Xinjiang University, Urumqi, Xinjiang, China（建筑工程学院，新疆大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 本研究提出HeDA框架，通过构建知识图谱发现生物生态中介效应，揭示热浪风险的复杂系统性影响，并推动适应策略向动态跨系统韧性转变。
AudioRouter: 通过基于强化学习的双推理实现数据高效的音频理解
专题命中 规划决策 ：tool use(abstract)；分类 cs.AI
AI总结 AudioRouter通过强化学习双推理机制，以更少的数据训练实现LALMs在音频理解上的高效提升。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈