AI Agent

Human-Simulation Interaction: From Prediction to Exploration in LLM Agent Simulations for Policy

人机模拟交互：面向政策的大语言模型智能体模拟中从预测到探索

Huanxing Chen

专题命中 规划决策 ：agent(title,abstract)

AI总结 该研究针对政策领域大语言模型智能体模拟的人机交互问题，提出需将当前问答式交互转为支持探索的人机模拟交互，以解决模型准确率无法弥补的信任赤字。

Comments 4 pages. Position paper accepted to PoliSim@CHI 2026: LLM Agent Simulation for Policy, a workshop at CHI 2026 (CHI Conference on Human Factors in Computing Systems)

Optimizing Trajectory-Trees in Belief Space: An Application from Model Predictive Control to Task and Motion Planning

在信念空间中优化轨迹树：从模型预测控制到任务与运动规划的应用

Camille Phiquepal, Marc Toussaint

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究针对部分可观测机器人规划问题，提出PO-MPC、D-AuLa算法及PO-LGP规划器，分别应用于MPC和TAMP，提升了规划性能并实现了问题规模的扩展。

Comments 42 pages

Beyond headcount and human capital: The Effective Cognitive Population as a decomposable capacity unit for AI-era planning

超越人口数量与人力资本：有效认知人口作为AI时代规划的可分解容量单位

Kwan Soo Shin

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究提出有效认知人口（ECP）这一可分解容量单位，结合HCI+与IMF AI准备度指数，能提升对144国总产出的解释力，为AI时代国家规划提供新工具。

Comments 63 pages, 3 figures, 3 main tables, 14 supplementary tables. Reproducibility archive: https://doi.org/10.5281/zenodo.21871061. Third paper in a series on productive capacity in the AI era, after arXiv:2606.19794 (production function) and arXiv:2606.19846 (labor and capital transition)

Entanglement-Free Trajectory Planning for Tethered Mobile Robots with a Slack Tether

带松弛系绳的系绳移动机器人的无纠缠轨迹规划

Gianpietro Battocletti, Dimitris Boskos, Bart De Schutter

机构 * Delft University of Technology（代尔夫特理工大学） ； Delft Center for Systems and Control（代尔夫特系统与控制中心） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究针对带松弛系绳的移动机器人，提出一种含三步流程的运动规划算法，可生成动态可行的无纠缠轨迹，经仿真验证能实现更安全可靠的导航。

Comments 19 pages, 13 figures

FactorDrive: Adaptive Multi-Step Reasoning Driven by Planning-Critical Factors for End-to-End Autonomous Driving

FactorDrive：面向端到端自动驾驶的、由规划关键因素驱动的自适应多步推理

Guolei Huang, Tengfei She, Yuxuan Lu, Yao Huang, Yuqi Ye, Yongjun Shen

机构 * Southeast University（东南大学） ； Universiti Malay（马来亚大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Peking University（北京大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究针对现有端到端自动驾驶方法在空间物理证据融合、推理适应及推理路径优化上的不足，提出FactorDrive框架，通过PCF-CoT数据集与QS-GRPO算法优化推理，在两类基准上取得最优规划性能。

Graph-Guided Safe Diffuser: Topological Graph Guidance for Safe Diffusion Planning

图引导的安全扩散器：用于安全扩散规划的拓扑图引导

Nakgyu Yang, KwangBin Lee, SooJean Han

机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院电气工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究提出图引导的安全扩散器（G2SD）框架，用高层拓扑图规划器引导低层扩散模型，解决扩散规划器的流形破裂问题，在Maze2D导航等任务中大幅提升无碰撞目标到达率与任务性能。

Comments 18 pages, 2 figures

Life-Cycle Planning of Collector System for Deep-Sea Multi-Spatial Wind-PV-Tidal Farm

深海多空间风-光-潮汐电站集电系统的全生命周期规划

Wenhao Gao, Weitai Xu, Yunfei Du, Yongheng Wang, Xinwei Shen

专题命中 规划决策 ：planning(title,abstract)

AI总结 本研究针对深海多空间风-光-潮汐电站集电系统，构建全生命周期优化模型，提出自适应分段线性化方法简化求解，验证了多能互补及电缆配置的经济性，为相关规划提供实用框架。

Comments 14 pages, 12 figures, and 6 tables

SparsePilot: Belief-Guided Network Planning under Sparse Wireless Measurements

SparsePilot：稀疏无线测量下基于置信度的网络规划

Xuanhao Luo, Jiayuan Huang, Longyu Zhou, Mingzhe Chen, Yuchen Liu

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对无人机覆盖规划的稀疏无线测量难题，提出SparsePilot框架，结合多臂老虎机探测与深度强化学习，仅用3.1%测量预算即实现优异覆盖恢复，且跨场景泛化能力强。

Hierarchical Topology-Aware Planning and Control of Underwater Vehicle-Manipulator Systems in Confined Environments

受限环境下水下机器人-机械臂系统的分层拓扑感知规划与控制

Mohamed Abdelwahab, Ruggero Carli, Damiano Varagnolo, Alberto Dalla Libera

机构 * University of Padova（帕多瓦大学） ； Polytechnic University of Bari（巴里理工大学） ； Norwegian University of Science and Technology（挪威科技大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对受限环境下UVMS自主干预的风险问题，提出三层分层框架MANTA，经实验验证其任务成功率更高、安全余量更大，可实现更安全高效的水下自主干预。

PEEL: Parallel Extraction for Long-Horizon Disassembly Planning via Scale-Invariant Sampling

PEEL：基于尺度不变采样的长 horizon 拆卸规划并行提取算法

Servet B. Bayraktar, Andreas Orthey, Zachary Kingston, Marc Toussaint

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出 PEEL 算法，将尺度不变采样方案集成到 MAB-RRT 规划器中，并行规划长 horizon 多部件拆卸序列，在 76 个装配体上实现单部件拆卸 100% 成功率，并成功解决 Fetch 机械臂的长 horizon 拆卸问题。

Comments 15 pages, 11 figures, 11 tables. Project page: https://peel-disassembly.surge.sh/

Improving Operational Feasibility in Large-Scale Power System Planning

提升大规模电力系统规划的操作可行性

Gereon Recht, Oussama Alaya, Benedikt Jahn, Karl-Kiên Cao, Hendrik Lens

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出通过重新调度和增强初始解来解决大规模交流扩容问题，考虑了发电机、无功补偿设备、储能系统和传输的同步扩展，并通过启动程序和电源能力曲线等约束确保操作可行性。

Degradation-Aware Lifecycle Planning of Microgrids with Second-Life Batteries through Reliability-Guided Refinement

利用退役电池规划未来微电网：一种考虑退化的迭代优化框架

Hassan Zahid Butt, Xingpeng Li

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种考虑退化的迭代优化框架，用于长期微电网规划，整合光伏效率衰减、电池容量和效率退化以及退役电池特性，通过多年优化模型和逐年验证模型评估可靠性，减少停电风险并降低成本。

Knowing When to Ask: Resolving Uncertainty in Human-Robot Joint Planning via Explicit Dialogue and Implicit Intent Cues

不确定性缓解与意图推断：一种双模式人机联合规划系统

Zeyu Fang, Yuxin Lin, Cheng Liu, Beomyeol Yu, Zeyuan Yang, Rongqian Chen, Taeyoung Lee, Mahdi Imani, Tian Lan

机构 * Department of Electrical and Computer Engineering, George Washington University（电气与计算机工程系，乔治华盛顿大学） ； Department of Mechanical and Aerospace Engineering, George Washington University（机械与航空航天工程系，乔治华盛顿大学） ； Department of Electrical and Computer Engineering, Northeastern University（电气与计算机工程系，东北大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种双模式人机联合规划系统，通过缓解不确定性与推断意图，提升人机协作效率。

Risk-Averse Power System Resilience Planning Under AI Data Center Demand Growth Using a Two-Stage DRO-CVaR MILP Optimization

一种用于管理AI/数据中心需求冲击的双阶段风险厌恶DRO-MILP方法论框架

Sharaf K. Magableh, Caisheng Wang, Oraib Dawaghreh, Xuesong Wang

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出一种双阶段风险厌恶DRO-MILP框架，用于管理AI驱动数据中心需求冲击，通过优化柔性容量模块的预分配和事后调度，提升电力系统韧性。

Comments Accepted for publication in the proceedings of the 58th North American Power Symposium (NAPS 2026)

SkillReason: Reasoning-Enhanced Agent Skill Retrieval for Implicit User Requests

SkillReason：面向隐式用户请求的推理增强型智能体技能检索

Donghong Jiang, Endian Lin, Luoping Cui, Hanqing Liu, Mingjie Liu, Fan Yang, Hong Wang, Zhao Yang, Chuang Zhu

专题命中 规划决策 ：agent(title)；分类 cs.AI

AI总结 针对隐式用户请求的技能检索难题，提出两阶段框架SkillReason，结合推理增强训练，在SkillReason-Bench等三个基准上取得最优性能，缩小任务目标与技能能力的语义差距。

Hierarchical Self-Improvement: A Framework for Task-Specific Evolvable Agent Harnesses

分层自改进：一种面向任务特定可进化智能体控制框架的方法

Tailin Zhou

机构 * HKUST（香港科技大学） 纠错

专题命中 规划决策 ：agent(title)；分类 cs.AI

AI总结 本研究提出HSI框架，使冻结LLM的任务特定控制框架可进化，在中等难度任务上取得性能提升，超出模型能力时无增益，为改进冻结LLM智能体提供可行方向。

Knowing You Is Everything: LLM Agents Achieve Near-Perfect Profile-Consistent Reaction Prediction in Social Media Simulation

了解你就是一切：LLM智能体在社交媒体模拟中实现近乎完美的个人资料一致反应预测

Ljubisa Bojic, Ljiljana Matic, Joerg Matthes, Milan Cabarkapa, Bojana Dinic, Jue Wang

专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.LG

AI总结 本研究通过基准测试12种LLM配置，发现其在社交媒体反应预测中表现优异，可用于推荐系统压力测试，同时也揭示了大规模合成智能体群对公众意见的潜在威胁。

Comments 28 pages, 6 figures

Agentic Visual Reasoning in Whole-Slide Pathology Images via Active Perception

基于主动感知的全切片病理图像智能体视觉推理

Jingyun Chen, Fengchun Liu, Linghan Cai, Songhan Jiang, Shenjin Huang, Hongpeng Wang, Lequan Yu, Yongbing Zhang

机构 * College of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） 纠错

专题命中 规划决策 ：agentic(title)

AI总结 该研究提出AdaptivePath主动感知框架，通过序列决策实现千兆像素病理切片的视觉推理，在病理VQA基准及TCGA六队列癌症亚型分类上取得最优性能，辅助病理学家诊断。

Comments 14 pages, 5 figures

The Politician, the Liar, and the Obedient Worker: Emerging Behavior of LLM Agents in Hierarchical Games

政客、骗子与顺从的工人：层级博弈中大语言模型智能体的涌现行为

Fatemeh Seyedin, Adrian Weller, Jinhyuk Yun, Mahmoudreza Babaei

机构 * Soongsil University（崇实大学） ； GISMA University（GISMA大学） 纠错

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 该研究通过层级博弈实验测试6种大语言模型智能体，发现其在不同制度下会涌现出撒谎、私下交易等类似人类的治理失效行为，且模型家族会影响领导层更迭。

Coupled Graph--Policy Distillation for Personalized Medication Safety in Older Adults with Multimorbidity

面向多病老年患者个性化用药安全的耦合图-策略蒸馏方法

Zihan Wang, Anglin Liu, Rongyi Wang, Dantong Li, Yi Lu, Siqing Yuan, Hongxia Xu, Zhongtian Long, Jintai Chen

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出ATLAS框架与GeriMedBench基准，通过耦合图-策略蒸馏实现多病老年患者的个性化用药安全，在多基准测试中表现优于对比系统，获临床医生更高评分。

OpenLoopEvolve: A Verifiable Self-Evolution Framework for Loop Policies in Long-Horizon Complex Tasks

OpenLoopEvolve：面向长周期复杂任务中循环策略的可验证自进化框架

Siqi Wang, Xinlin Li, Zhenglin Li, Li Li

机构 * Tsinghua University（清华大学） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI

AI总结 OpenLoopEvolve是面向长周期复杂任务的可验证自进化框架，通过在线与离线两种进化模式优化循环策略，在YC-Bench基准上提升了任务性能、成功率与风险指标。

Motif 3: Technical Report

Motif 3：技术报告

Junghwan Lim, Joon Son Chung, Sungmin Lee, Wai Ting Cheung, Gihun Cho, Minsu Ha, Sangho Kang, Beomgyu Kim, Dongseok Kim, Jangwoong Kim, Taehyun Kim, Taewhan Kim, Jeesoo Lee, Jeongdoo Lee, Junhyeok Lee, Dongpin Oh, Hyeyeon Cho, Dahye Choi, Jaeheui Her, Hanbin Jung, Changjin Kang, Minjae Kim, Youngrok Kim, Hyukjin Kweon, Hongjoo Lee, Yeongjae Park, Bokki Ryu

机构 * Motif Technologies（Motif科技公司） 纠错

专题命中 规划决策 ：tool use(abstract)；agentic(abstract)；分类 cs.AI

AI总结 本研究推出仅解码器的MoE语言模型Motif 3，采用GDLA等技术，经万亿token预训练及多阶段后训练，在长上下文、推理等任务上性能与领先开源模型相当。

ML-Based Hierarchical Prediction for Practical Energy Scheduling in Dynamic NTN-WPT Systems

面向动态非地面网络-无线功率传输（NTN-WPT）系统的实用能量调度的机器学习分层预测方法

Zhanyu Ju, Wenchi Cheng

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 针对动态NTN-WPT系统的调度挑战，本文提出含三层预测框架的ML方法，采用MORL与MAPPO模型优化能量调度，仿真显示其权衡性能更优且鲁棒性良好。

Comments 21 pages, 11 figures

Branch2Skill: Efficient Skill Evolution Through Reasoning Trees

Branch2Skill：基于推理树的高效技能演化方法

Yanwei Ren, Haotian Zhang, Likang Xiao, Jiaxing Huang, Jiayan Qiu, Baosheng Yu, Quan Chen, Liu Liu

专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI

AI总结 Branch2Skill是将推理树转化为密集监督信号的框架，通过蒙特卡洛树搜索提取推理证据并提炼更新，在六个基准测试中提升了任务性能与技能演化效率，以GPT 5.5为目标模型时token用量比SkillOpt少73.2%

Comments 9 pages, 6 figures, 3 tables. Technical report

Query-Only Backdoor Attacks on Self-Evolving Skills via Trajectory Poisoning

通过轨迹投毒对自进化技能实施仅查询式后门攻击

Yuyang Luo, Haoran Wang, Kai Shu

专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI

AI总结 本研究针对自进化技能系统提出仅查询式轨迹后门攻击TBA，通过构造查询诱导生成带后门技能，实验证实其可可靠植入条件后门且效果优于直接注入。

SCOUT: Self-Checking and Recovery-Aware Tool-Thought Agents for Ultra-Long Egocentric Video Reasoning

SCOUT：面向超长时长自我中心视频推理的自检查与恢复感知工具思维智能体

Keyang Zhong, Kuo Wang, Peng Liu, Quanlong Zheng, Junlin Xie, Zhijia Liang, Yanhao Zhang, Guanbin Li

机构 * Sun Yat-sen University（中山大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Guangdong OPPO Mobile Telecommunications Corp., Ltd.（广东欧珀移动通信有限公司） ； OPPO AI Center（OPPO人工智能中心） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI

AI总结 本研究提出SCOUT智能体框架，结合自适应策略与UPS-GRPO方法，解决超长自我中心视频推理的错误传播及信用分配问题，在对应基准上达最优性能且短时长场景仍具竞争力。

Comments Accepted by ACM Multimedia 2026 (MM '26)

Self-Evolving Neuro-Symbolic Skills for Tool-Augmented Spatial Reasoning

面向工具增强空间推理的自演化神经符号技能

Shi-Yu Tian, Zhuo-Xia Wang, Xuan-Yi Zhu, Zhi Zhou, Xinwei Yang, Kun-Yang Yu, Ming Yang, Yang Chen, Yu-Feng Li

专题命中 规划决策 ：agent(abstract)；tool-use(abstract)；分类 cs.AI

AI总结 该研究针对视觉-语言模型在细粒度空间任务上的不可靠问题，提出神经符号框架NeSy-Spatial，通过自演化空间技能提升工具利用精度与空间推理准确率。

Comments 25 pages, 9 figures, 10 tables; includes supplementary material

Reason Wide, Not Deep: Amortizing the Reasoning Premium into Distilled Skills

广泛推理，而非深度推理：将推理溢价分摊到提炼技能中

Agamdeep Singh, Srishti Gautam, Priyanshu Gupta, Nikita Mehrotra, Tanmay Bakshi, Sumit Gulwani

机构 * Microsoft（微软公司） 纠错

专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI

AI总结 该研究提出将推理模式的重复分摊为跨任务提炼的技能，在四个智能体基准上大幅降低代币量的同时恢复多数推理性能，部分场景下优于推理模式。

Comments COLM 2026 Efficient Reasoning Workshop

CliniCARE-Bench: Clinical Calibrated Audit of Medical Reasoning in EHR

CliniCARE-Bench：电子健康记录中医疗推理的临床校准审计

Veronica Chatrath, Bryan Zhu, George Pu, Jingxuan Fan, Apaar Shanker, Varun Ursekar, Anahita Sharma, Jason Qin, Keqi Han, Soham Dinesh Tiwari, Soham Dan, Vijay Kalmath, Yuan Li, Daniel Yue Zhang, Chenguang Wang, Zainab Doctor, Zhijun Yin, Nigam H. Shah, Yuan Xue

机构 * Scale AI ； Emory University（埃默里大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Vanderbilt University Medical Center（范德堡大学医学中心） ； Stanford School of Medicine（斯坦福医学院） ； Stanford Health Care（斯坦福医疗保健系统） ； Clinical Excellence Research Center（临床卓越研究中心） 纠错

专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI

AI总结 本研究推出首个面向部署的临床智能体基准CliniCARE-Bench，评估智能体对真实纵向电子健康记录的医疗推理，发现原始准确率夸大调查质量，无缺陷准确率更低且会重新排序排行榜。

ActiveFly-Bench: Aligning Embodied Question Answering with Vision-Language-Action for Aerial Embodied Perception

ActiveFly-Bench：将具身问答与视觉-语言-动作对齐用于空中具身感知

Weichen Zhang, Shiquan Yu, Yinan Zhu, Peizhi Tang, Shilong Ji, Zhiyuan Deng, Tianyi Lyu, Haoyang Wang, Xin Zeng, Chen Gao, Yong Li, Xinlei Chen

机构 * Tsinghua University（清华大学） ； Manifold AI（流形人工智能） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI

AI总结 介绍用于无人机具身感知的ActiveFly-Bench基准测试，它分解主动感知为三个层次任务，收集数据集，开发集成视觉语言推理与细粒度控制的ActiveFly智能体，实验表明当前无人机智能体有困难，该基准成为具身空中智能新测试平台。