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。
从状态到动作：用于可靠多轮工具使用的OODA-Tool
专题命中 工具调用 ：tool use(title,abstract)；agent(abstract)；分类 cs.AI、cs.SE
AI总结 该研究提出OODA-Tool策略，通过分离状态维护与动作实现缓解状态-动作竞争，经Qwen3模型在多轮多工具任务上验证，可提升多轮工具使用的任务成功率，尤其对小模型及依赖多轮信息的任务效果显著。
多模态智能体真的从工具使用中受益吗？能力增益的系统性研究
专题命中 工具调用 ：tool use(title)；agent(abstract)；tool-use(abstract)；分类 cs.AI
AI总结 通过对比工具增强与无工具的多模态智能体在多项任务上的表现，发现工具使用并未带来一致的性能提升，智能体更多是学会了工具调用模式而非真正利用工具扩展能力。
MENTOR: 通过灵活的教师优化奖励进行工具使用蒸馏的强化学习
机构 * Seoul National University of Science and Technology（首尔科学技术大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； LG CNS
专题命中 工具调用 ：tool-use(title,abstract)；分类 cs.AI、cs.CL
AI总结 提出MENTOR方法，通过灵活的教师优化奖励结构，平衡行为对齐与下游性能，提升小模型在工具使用任务中的域外泛化能力。
DiVA: 基于代理-判别验证器的细粒度事实性验证
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Institute of Science Tokyo（东京科学研究所）
专题命中 工具调用 ：agentic(title,abstract)；分类 cs.CL
AI总结 DiVA通过结合生成模型和判别模型的能力，提出了一种细粒度事实性验证方法，并构建了FGVeriBench基准，有效提升了事实性验证的精度和适用性。
Comments Accepted by Findings of EMNLP 2026
LLM智能体中的冷启动安全差距
机构 * University of California, San Diego（加州大学圣地亚哥分校）
专题命中 工具调用 ：agent(abstract,abstract_cn)；agentic(abstract)；分类 cs.CL
AI总结 研究发现工具调用型LLM智能体在会话开始时最脆弱，随着常规任务执行安全性提升，提出SODA基准并验证预热策略可缩小冷启动安全差距。
Comments Accepted to EMNLP2026 Main
学习搜索的艺术以实现自动发现
机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Université de Montréal and Mila- Quebec AI Institute（蒙特利尔大学和Mila-魁北克人工智能研究所）
专题命中 工具调用 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 提出ARTS方法，利用推理语言模型在假设与实验空间中迭代搜索，通过测试时训练解决上下文长度问题，在22个任务上优于现有算法，相对提升超15.3%。
多教师在线策略蒸馏中的行为杠杆不平衡
机构 * AntGroup（蚂蚁集团）
专题命中 工具调用 ：tool-use(abstract)；分类 cs.CL、cs.LG
AI总结 研究多教师在线策略蒸馏中行为杠杆不平衡问题，提出Soft Clamp方法，通过校准令牌级散度，减少模型过度调用工具情况，在保持决策准确率的同时，降低工具调用循环和重复调用，提升多教师OPD效果。
Comments 33 pages, 5 figures. Code and aggregate artifacts: this https URL (https://github.com/shen-jiabin/decision-support-opd)
ProvenanceGuard: 基于MCP的LLM智能体的源感知事实性验证
机构 * Multiverse Computing ； Parque Cientifico y Tecnológico de Gipuzkoa（吉普斯夸科技园） ； Centre for Social Innovation（社会创新中心） ； Donostia International Physics Center（多诺斯蒂亚国际物理中心） ； Ikerbasque Foundation for Science（伊克尔巴斯克科学基金会）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出ProvenanceGuard，一种源感知验证器，通过追踪MCP工具调用、分解声明并路由到特定源，检测跨源混淆错误，在医疗领域数据集上优于源无关基线。
Comments 20 pages, 4 figures
RePolicy：用于智能体安全保障中安全策略调用的强化学习方法
机构 * Zhejiang University（浙江大学） ； Zhongguancun Academy（中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 针对现有智能体安全保障方法难以适应未见轨迹和变化策略上下文的问题，提出RePolicy方法，结合PolicyTraj-20K与带可验证奖励和策略上下文扰动的GRPO，在六个智能体安全基准上取得良好安全检测与策略调用效果。
DeepPlanner：通过优势塑造提升深度研究智能体的规划能力
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Amazon（亚马逊） ； University of California, San Diego（加州大学圣地亚哥分校）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.CL
AI总结 针对现有深度研究智能体规划阶段优化不足的问题，提出端到端 RL 框架 DeepPlanner，通过塑造 token 级优势与选择性提升样本级优势，在7个基准上以更低训练预算实现最优规划效果。
Comments Accepted by ACL 2026
ClueWeaver：面向紧凑型大语言模型的、针对文学长篇叙事的奖励引导双智能体证据推理框架
机构 * Institute of Information Engineering, CAS（中国科学院信息工程研究所） ； University of Aberdeen（阿伯丁大学） ； The University of Western Australia（西澳大学） ； Brown University（布朗大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.CL
AI总结 ClueWeaver是用于紧凑型本地模型的双智能体证据推理框架，可提升本地语言模型在长篇叙事问答与声明验证任务中的性能，提供可检查的证据推理轨迹。
Comments Accepted by ICONIP 2026
TaoLive数字虚拟人智能体技术报告：训练智能体随其Harness进化
机构 * TaoLive（陶境科技）
专题命中 规划决策 ：agent(title)；tool use(abstract)；分类 cs.CL
AI总结 本研究针对直播电商数字虚拟人主播的实时需求，提出HAT方法，结合HSA的三阶段训练，使35B紧凑模型在低延迟下适配Harness变化，性能优于基础模型及通用大语言模型。
无计划，却有人类：一种反应式机器人模型预测临床任务中人类计划失败
机构 * Robotics and Biology Laboratory, Technische Universität Berlin, Germany（技术大学柏林机器人与生物学实验室，德国） ； Science of Intelligence, Research Cluster of Excellence, Berlin, Germany（智能科学，卓越研究集群，柏林，德国） ； Robotics Institute Germany（德国机器人研究所）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 该研究利用反应式梯度下降框架AICON，通过塔罗伦敦测试揭示人类计划能力下降时的反应模式，发现其能更准确预测24个问题的难度排序，并在留出验证中表现优异，揭示了生物系统组织方式的普遍规律。
Comments Accepted at SAB26
超越实例槽：面向物理交互规划的语义丰富世界模型
机构 * Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院）
专题命中 规划决策 ：planning(title,abstract)
AI总结 该研究针对物理交互规划中实例槽无法明确实体任务角色的问题，提出SR-WM模型，通过功能角色绑定实现语义接口，在LIBERO模拟套件等评估中验证了其视觉动力学与规划决策的连接能力。
通过冲突感知不相交参数训练实现统一预测与规划
机构 * DGIST（韩国科学技术院大邱庆北校区） ； KAIST（韩国科学技术院）
专题命中 规划决策 ：planning(title,abstract)
AI总结 研究社交机器人在拥挤环境中统一预测与规划问题，提出基于模型合并的不相交参数训练框架DPT，通过分布式参数学习减轻技能冲突，稀疏合并提升性能，在标准基准测试中验证其在机器人导航上通用且有效。
Comments Accepted at ECCV 2026. 38 pages, 14 figures. Project page: this https URL (https://dpt2026.github.io/)
基于矩阵分解MDP的候选生成规划
专题命中 规划决策 ：planning(title,abstract)
AI总结 将推荐系统的用户旅程建模为MDP，通过折叠更新用户状态进行规划，实验表明单步前瞻即可显著提升固定嵌入下的检索效果。
Comments Accepted to the 5th Workshop on End-to-End Customer Journey Optimization at KDD 2026. 6 pages, 3 figures, 2 tables
利用视觉语言模型推理来约束任务和运动规划
机构 * Department of Computer Science, Purdue University（普渡大学计算机科学系） ； Department of Computer Science, Rice University（莱斯大学计算机科学系） ； Ken Kennedy Institute, Rice University（莱斯大学肯尼迪研究所）
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出VIZ-COAST方法，利用大预训练视觉语言模型的空间推理能力，提前识别向下细化中的问题，减少规划时间并消除失败。
Comments 9 pages, 7 figures, 1 table. Submitted to AAAI 2027
用于鲁棒跨数据集图像分类的MLLM路由异质集成模型
机构 * The Bredesen Center for Interdisciplinary Research and Graduate Education（布雷德森跨学科研究与研究生教育中心） ； University of Tennessee Knoxville（田纳西大学诺克斯维尔分校）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 该研究针对跨数据集图像分类泛化难题，提出ARMDIL模型，通过MLLM智能体动态路由图像到适配的视觉骨干，兼具竞争力、高适应性与可解释性，为通用视觉系统奠定基础。
Comments 15 pages (single column), 4 figures, 7 tables
HINT-SD：针对长 Horizon 智能体的定向 hindsight 自监督学习
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出 HINT-SD，一种针对长 Horizon 智能体的定向 hindsight 自监督学习框架，通过全轨迹 hindsight 选择失败相关的动作，并仅在目标动作跨度上应用反馈条件自监督学习，实验表明该方法在 BFCL v3 和 AppWorld 上比密集的每回合反馈基线提高了 18.80 个百分点，同时训练时间降低 2.26 倍。
Comments EMNLP Findings 2026
Think3D: 基于空间的思考以实现空间推理
机构 * Dalian University of Technology（大连理工大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Oxford（牛津大学）
专题命中 规划决策 ：tool use(abstract)；tool-use(abstract)
AI总结 Think3D通过引入交互式3D推理框架，提升多模态代理的空间推理能力，实现在BLINK Multi-view和MindCube上的7.8%性能提升，并通过Think3D-RL优化小模型性能。
AirLLM：面向空中远程微调的基于扩散策略的自适应LoRA方法
机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Zhejiang Lab（浙江实验室）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 AirLLM是一种分层扩散策略框架，通过PPO智能体与DDIM交替优化实现自适应LoRA秩配置，可提升LLM空中远程微调性能并降低传输成本。
Comments 11 pages, 8 figures
被文本债务掩埋：面向多模态大语言模型智能体的保留视觉证据的上下文剪枝
机构 * Hong Kong University of Science and Technology（香港科技大学）
专题命中 规划决策 ：tool-use(abstract)；分类 cs.AI、cs.CL
AI总结 针对多模态大语言模型智能体长轨迹中文本主导上下文、抑制视觉证据的问题，提出基于KL引导的SPARE框架，结合OPSD与SFT实现高效剪枝，在多步视觉工具使用基准中达到最优准确率与剪枝比例的权衡。
Comments 17 pages, 3 figures, 5 tables
语言模型遵循奥卡姆剃刀吗？对归纳和反向推理中简约性的评估
机构 * Purdue University（普渡大学）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文评估大型语言模型在归纳和反向推理中是否遵循奥卡姆剃刀原则，通过生成综合推理问题测试其在简单和复杂场景中的表现，发现模型在复杂世界模型中难以生成高质量假设。
Comments Accepted at EMNLP 2026 Main Conference
GSM8K-V：视觉语言模型能否在视觉语境下解决小学级数学应用题
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.CL
AI总结 本研究构建了多图像视觉数学基准GSM8K-V，评估34个VLMs发现其存在显著模态差距，最优模型仅达59%准确率，瓶颈为隐式视觉推理错误，且视觉数学优化模型在此无提升。
Comments 59 pages, 7 figures, Project Page: this https URL (https://zju-real.github.io/GSM8K-V) Code: this https URL (https://github.com/ZJU-REAL/GSM8K-V) Datasets: this https URL (https://huggingface.co/datasets/ZJU-REAL/GSM8K-V) Accepted at EMNLP 2026 Main Conference. Updated to the camera-ready version with additional experiments, analyses, and revisions
HybridProver：结合大语言模型驱动的证明合成与精化增强定理证明
机构 * College of Computer Science and Technology Zhejiang University（浙江大学计算机科学与技术学院） ； Siebel Center for Computer Science University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学中心）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.SE
AI总结 本研究提出HybridProver框架，以证明草图为中间表示集成两种定理证明范式，在miniF2F Isabelle基准上使7B模型成功率达73.8%，优于此前最优水平。
Comments Accepted to EMNLP Findings 2026
PACIFIER：通过统一图学习框架进行意见极化控制
机构 * CSSE, Shenzhen University（深圳大学计算机科学与技术系）
专题命中 规划决策 ：planning(abstract)；分类 cs.LG
AI总结 本文提出PACIFIER框架，通过图学习和强化学习解决基于Friedkin-Johnsen模型的意见极化问题，实现大规模网络的高效极化控制。
Comments 11 pages. Accepted at the 35th ACM International Conference on Information and Knowledge Management (CIKM 2026)
DataSTORM：利用探索性数据分析和数据叙事进行大规模数据库的深度研究
机构 * Computer Science Department, Stanford University（斯坦福大学计算机科学系）
专题命中 规划决策 ：agentic(abstract)；分类 cs.CL
AI总结 DataSTORM通过探索性数据分析和数据叙事，实现对大规模结构化数据库的深度研究，提出基于论点的分析流程，并在InsightBench上取得新的最佳成绩。
Comments COLM 2026
DreamLedger：机器人决策回路中用于世界模型想象的执行结算信用文件
机构 * University of Florida（佛罗里达大学）
专题命中 规划决策 ：planning(abstract)
AI总结 该研究提出DreamLedger执行结算信用文件，管控机器人世界模型预测的消耗，在多模拟域和真实机械臂上验证，可减少无效想象、降低验证探测次数，适用于多模型与硬件场景。
Comments 12 pages, 6 figures, 10 tables
UrbanGazeVis：用于分析城市安全感知眼动数据的可视化系统
专题命中 规划决策 ：planning(abstract)
AI总结 本研究开发UrbanGazeVis可视化系统，通过30名参与者使用HoloLens 2分析150张里约街景的眼动数据，揭示注视与城市安全感知的关联，为城市设计提供见解。
AgenticDB: 面向数据库工作负载的代理式性能重配置
专题命中 规划决策 ：agentic(abstract)
AI总结 提出AgenticDB框架，通过运行时交互实现数据库系统级和操作系统级重配置，诊断瓶颈并积累经验，在MySQL和PostgreSQL上平均性能提升118.1%。
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