AI Agent

Critic-Free Deep Reinforcement Learning for Maritime Coverage Path Planning on Irregular Hexagonal Grids

无评价深度强化学习用于不规则六边形网格上的海上覆盖路径规划

Carlos S. Sepúlveda, Gonzalo A. Ruz

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

AI总结 本文提出一种深度强化学习框架，用于在不规则海域的六边形网格上解决覆盖路径规划问题，通过Transformer指针策略自回归构造覆盖路径，并采用无评价组相对策略优化方法，实现高效路径规划。

Training a Conditioned Video Game Agent on a VLM Annotated Dataset

基于VLM标注数据集训练条件化电子游戏智能体

Katrin Schmid, Iuri Frosio

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

AI总结 该研究针对电子游戏强化学习中奖励获取、加权及稀疏性等问题，提出用VLM标注数据集，结合离线RL训练条件化智能体，并分析实验中的困难与局限。

A Unified Framework for Trajectory Prediction with Explicit Planning and Reaction Decomposition

显式规划与反应分解的轨迹预测统一框架

Jiaheng Chen, Jiaxing Li, Tinghe Zhang, Chaopeng Guo

机构 * Software College, Northeastern University（东北大学软件学院） 纠错

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

AI总结 针对现有轨迹预测方法未充分区分社会影响功能角色的问题，提出INTraJ框架，将社会影响分解为规划与反应两阶段，在四个基准上实现性能提升，验证了阶段性社会建模的重要性。

Comments Accepted by ACM MM 2026

Look Ahead Before You Distill: Future Trajectory Validation of Teacher Guidance for Agentic On-Policy Distillation

蒸馏前先前瞻：智能体策略内蒸馏中教师指导的未来轨迹验证

Chishui Chen, Yaoyou Fan, Te Sun, Yi Yang, Chenghao Sun, Delin Mao, Hongbo Qiao, Zuowei Zhang, Junxi Wang, Chenxing Sun, Yangen Hu, Lu Pan, Xuyang Liu, Linfeng Zhang

机构 * Meituan LongCat Interaction（美团龙猫交互） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Peking University（北京大学） ； Nanjing University（南京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Jilin University（吉林大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.CL、cs.LG

AI总结 该研究针对策略内蒸馏的学生轨迹偏差问题，提出FutureBridge-OPD方法，在多任务基准上显著优于现有方法，代码公开可用。

Comments 15 pages, 5 figures

ACE-GraphRAG: Agentic Context Engineering for Hierarchical GraphRAG

ACE-GraphRAG：面向分层GraphRAG的智能体上下文工程

Yongfeng Huang, Yuren Lai, Ruiying Chen, Haoyu Huang, Mingming Zhao, James Cheng

机构 * The Chinese University of Hong Kong（香港中文大学） ； Wuhan University of Technology（武汉理工大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） 纠错

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 ACE-GraphRAG针对分层GraphRAG的表示-推理差距，提出两种自适应上下文策略，在多任务基准上优于现有RAG和GraphRAG基线，验证了动态上下文构建策略的有效性。

Comments Withdrawn because the manuscript was posted prematurely before completion of the required internal review and release authorization

Analytic Planning under Uncertainty with Moment Closure

基于矩闭合的不确定性下解析规划

Shishir Sharma, Doina Precup

机构 * McGill University（麦吉尔大学） ； Mila – Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所） 纠错

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

AI总结 本文提出一种基于矩闭合的不确定性下解析规划方法，通过二次动作值参数化实现闭式贝尔曼备份，在连续控制中降低目标方差，为感知分布的规划提供了合理框架。

Comments To appear in Proceedings of the 42nd Conference on Uncertainty in Artificial Intelligence (UAI 2026), PMLR

Group-Reflective Self-Distillation for Agentic Reinforcement Learning

面向智能体强化学习的组内自蒸馏方法

Binbin Zheng, Zijun Xie, Guanqun Zhao, Enlei Gong, Xing Ma, Xiaoliang Fu, Zeyu Chen

机构 * Baidu（百度） 纠错

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

AI总结 该研究针对智能体强化学习中终端奖励监督粗粒度的问题，提出组内自蒸馏方法，利用策略自身已验证轨迹生成指导，细化回合级信用分配，在多环境多模型上性能优于基线且泛化性更好。

ProbGuard: Proactive Runtime Monitoring for LLM Agent Safety via Probabilistic Prediction

ProbGuard：基于概率的运行时监控用于LLM代理安全

Haoyu Wang, Christopher M. Poskitt, Jiali Wei, Jun Sun

机构 * Singapore Management University（新加坡管理大学） ； Xi'an Jiaotong University（西安交通大学） 纠错

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

AI总结 ProbGuard通过概率风险预测主动监控LLM代理安全，利用离散时间马尔可夫链建模行为动态，提前预警潜在危险，提升安全性和任务完成率。

Comments Accepted by the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

TAVI-TEC: An AI-Based Tool for Procedural Planning of Transcatheter Aortic Valve Implantation

TAVI-TEC：一种基于AI的经导管主动脉瓣植入术手术规划工具

Alessandra Zerillo, Stefano Cannata, Diego Bellavia, Daniele Ciriello, Simone Manini, Salvatore Pasta, Caterina Gandolfo

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

AI总结 本研究提出基于AI的TAVI-TEC框架，可自动完成TAVI术前关键测量与假体尺寸预测，耗时短、测量一致性强，准确率达82%，或能减少操作者差异、简化术前流程。

RecHarness: A Bandit-Routed Agentic Harness for Self-Evolving Recommender Systems

RecHarness：用于自进化推荐系统的多臂老虎机路由智能体框架

Haoran Ling, Yuecheng Li, Zeyu Song, Jing Yao, Shuwen Kang, Chi Lu, Wenjin Wu, Peng Jiang

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 RecHarness是一种多臂老虎机路由智能体框架，用于自动化优化推荐系统模型，通过分离方向选择与假设生成、引入跳盆机制提升稳定性，在多任务测试及在线A/B测试中均实现性能提升。

Comments 9 pages, 2 figures

HALO: Heterogeneous Admission through Localized Obligations for Safe Agentic Execution

HALO：基于局部义务的异构准入机制，用于安全智能体执行

Taewoo Park, Kyeonghyun Yoo, Kiseok Kim, Seunghyun Yoo, Hwangnam Kim

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.SE

AI总结 HALO是一种保障智能体执行安全的运行时协议，可保留有效组件、检查动作有效性并替换被阻止动作，在多组实验中均展现出优于整体响应策略的性能。

Comments 16 pages, 2 figures; supplementary material included

SkillRise: Agentic Reinforcement Learning for Cross-Task Skill Evolution

SkillRise：面向跨任务技能演化的智能体强化学习

Zhiyuan Yao, Yuxin Chen, Zhengxi Lu, Zishan Xu, Yueqing Sun, Yifu Guo, Yuquan Lu, Zhengzhou Cai, Kangning Zhang, Zhuowen Han, Zi-Han Wang, Ziang Ye, Qi Gu, Xunliang Cai, Weiwen Liu, Yongliang Shen

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Meituan（美团） 纠错

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

AI总结 SkillRise是跨任务学习技能的统一强化学习框架，解耦信用分配机制实现任务求解与技能整理，在多基准上Pass@1性能优于基线，还降低了运行开销。

AgentGFM: A Graph Foundation Model with Node-Agent Information-Flow Control

AgentGFM：具备节点智能体信息流控制的图基础模型

Jingbo Cui, Jitao Zhao, Di Jin, Dongxiao He

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） 纠错

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

AI总结 针对现有图基础模型固定传播方案不适配节点多样结构模式的问题，提出AgentGFM，以节点为智能体通过预测-行动-观察-修正实现自适应信息流控制，实验验证其在多样图拓扑中的有效性。

Comments 13 pages, 5 figures

Addressable Recall Compaction for Long Context-Window Control in AI Agents

用于人工智能代理中长上下文窗口控制的可寻址召回压缩

Thang Dang, Yuma Ichikawa, Sakina Fatima, Koichi Shirahata

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

AI总结 研究针对长时程语言模型代理上下文窗口超界问题，提出ARC框架，将存档与活动上下文分离，以ID可寻址日志存储工具观察结果，压缩时替换旧观察结果。实验表明该方法能提高信息保留和服务效率。

Comments 20 pages, 2 figures

Progress-conditioned Group Policy Optimization for Long-Horizon Agentic Tasks

用于长期代理任务的进度条件分组策略优化

Kaibing Yang, Guangfeng Cai, Shengtian Yang, Shuo He, Yu Li, Mengyi Liu, Pengwei Chen, Jun Xu, Lei Feng

机构 * Southeast University（东南大学） ； Kuaishou Technology（快手科技） ； Meituan（美团） 纠错

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

AI总结 研究长期代理任务中基于分组策略优化的采样不平衡问题，提出进度条件分组策略优化（ProGPO），通过特定条件下利用首次访问观察覆盖率，为访问更多新状态的轨迹或步骤赋予优势，实验证明该方法优于基线，尤其在困难任务上效果显著。

TRACE-ROUTER: Task-Consistent and Adaptive Online Routing for Agentic AI

TRACE-ROUTER：用于智能AI的任务一致且自适应的在线路由

Ritik Raj, Souvik Kundu, Sarbartha Banerjee, Dheemanth Joshi, Ishita Vohra, Tushar Krishna

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Intel（英特尔公司） ； Texas A&M University（德克萨斯农工大学） 纠错

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

AI总结 研究针对企业AI中现有路由决策与智能应用任务级结果不匹配问题，提出TRACE-Router任务级路由框架，利用上下文博弈、终端奖励更新策略，在多基准测试中改善准确性-延迟权衡，取得较好效果。

Self-Supervised Bio-Inspired Robotic Trajectory Planning with Obstacle Avoidance

具有避障功能的自监督生物启发式机器人轨迹规划

Miroslav Krupa, Miroslav Cibula, Kristína Malinovská

机构 * Faculty of Mathematics, Physics and Informatics, Comenius University Bratislava（布拉迪斯拉发夸美纽斯大学数学、物理与信息学院） 纠错

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

AI总结 研究机器人轨迹规划问题，提出基于自监督学习框架，利用正反模型作监督机制，在含障碍物环境下规划轨迹，实验证明方法可行，针对规划器问题提出并评估了额外训练机制和缓解策略。

Comments 12 pages, 3 figures. To be published in 2026 International Conference on Artificial Neural Networks (ICANN) proceedings. This research was supported by the Slovak Research and Development Agency, project APVV-21-0105

Bayesian uncertainty estimation improves clinical decision making in medical AI agents

贝叶斯不确定性估计改善医学人工智能代理中的临床决策

Frederik Hauke, Patrick Wienholt, Christiane Kuhl, Dyke Ferber, Jakob Nikolas Kather, Sven Nebelung, Daniel Truhn

机构 * University Hospital RWTH Aachen（亚琛工业大学附属医院） ； Heidelberg University Hospital（海德堡大学医院） ； TU Dresden（德累斯顿工业大学） ； TUD Dresden University of Technology（德累斯顿工业大学） 纠错

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

AI总结 研究针对医学图像分析机器学习模型缺乏置信度度量问题，采用蒙特卡洛随机失活获取认知不确定性信号，添加到点预测提高错误检测AUROC，在临床决策支持代理实验中，以特定形式传达该信号可降低误诊率，凸显其对决策的价值。

Censoring-Aware In-Context Learning for Generalized Supplier Lead Time Estimation in Supply Chain Planning

供应链规划中广义供应商提前期估计的审查感知上下文学习

Christopher Wang, Sebastien Ouellet, Behrouz Haji Soleimani, Ali Etemad

机构 * Queen’s University（女王大学） ； Kinaxis Inc.（Kinaxis公司） 纠错

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

AI总结 研究供应链规划中供应商提前期预测问题，提出审查感知上下文学习模型LeadTime-ICL，结合Transformer与条件归一化流头，经预训练可适应新数据集，在多数据集上评估表现优异，为工业规划提供准确低成本预测。

Lifting Embodied World Models for Planning and Control

提升具身世界模型用于规划与控制

Alex N. Wang, Trevor Darrell, Pavel Izmailov, Yutong Bai, Amir Bar

机构 * Computer Science, New York University（纽约大学计算机科学系） ； BAIR, UC Berkeley（伯克利大学BAIR） 纠错

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

AI总结 本文提出一种轻量级策略，将高层动作映射到低层关节动作序列，结合冻结的世界模型，实现预测未来观察的提升世界模型，有效降低规划复杂度。

Comments Accepted to ECCV2026. Edited policy masking

UCOB: Learning to Utilize and Evolve Agentic Skills via Credit-Aware On-Policy Bidirectional Self-Distillation

UCOB: 通过信用感知的在策略双向自蒸馏学习利用和演化智能体技能

Songjun Tu, Chengdong Xu, Qichao Zhang, Yiwen Ma, Yaocheng Zhang, Linjing Li, Dong Li, Xiangyuan Lan, Dongbin Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Pengcheng Laboratory（鹏城实验室） ； Memorax AI 纠错

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 提出UCOB框架，通过比较技能条件与无技能提示的回报，实现信用感知的在策略双向自蒸馏，以有效利用和更新技能记忆，在ALFWorld、WebShop等任务上显著超越基线。

Branching Policy Optimization: Sandbox-Native Language Agent Reinforcement Learning

分支策略优化：沙盒原生语言智能体强化学习

Bowei He, Yankai Chen, Xiaokun Zhang, Xue Liu

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； McGill Univeristy（麦吉尔大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 研究基于可执行沙盒的大语言模型智能体强化学习，提出分支策略优化（BPO）算法，利用沙盒特性构建新展开拓扑，通过自适应快照、分叉动作等方式计算优势，实验验证该算法能提升成功率、降低方差并减少策略更新。

Comments Accepted by WAIC Academic 2026

Idea2Plan: Exploring AI-Powered Research Planning

Idea2Plan：探索人工智能驱动的研究规划

Jin Huang, Silviu Cucerzan, Sujay Kumar Jauhar, Ryen W. White

机构 * University of Michigan（密歇根大学） ； Microsoft Research（微软研究院） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.CL、cs.LG

AI总结 探讨大语言模型从概念研究想法到结构化研究计划的过渡能力，通过引入Idea2Plan任务、基准及JudgeEval评估，实验发现GPT-5表现最佳但仍有提升空间，为LLMs研究规划能力研究提供新见解和基础。

Mind the Gap: Promises and Pitfalls of Hierarchical Planning in LeWorldModel

注意差距：LeWorldModel中分层规划的前景与陷阱

Niccolò Caselli, Francesco Massafra, Samuele Punzo, Salvatore Lo Sardo, Ippokratis Pantelidis, Sathya Kamesh Bhethanabhotla

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 研究长期目标条件控制下时间层次结构对LeWorldModel的影响，提出Hi-LeWM扩展，通过冻结低级模型并添加高级规划。实验发现层次结构需合理设计，无约束搜索有问题，约束搜索可改善性能，表明时间抽象有益，但高级搜索要与低级控制器兼容。

Comments Accepted at WM@Booth 2026

Operator-on-F complements value-equivalence: a planning-time diagnostic for latent world models

算子对F补充值等价性：潜在世界模型的规划时诊断

Donna Vakalis

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

AI总结 研究针对基于模型的强化学习中世界模型评估问题，引入算子对F诊断，通过模型自身预测器比较模型与环境的k步潜在前推，揭示其与规划回报的强关联及在跨架构比较中的作用，补充而非替代值等价性诊断。

Comments Accepted at RLC 2026 WM Workshop. V2 places the diagnostic in Koopman representation theory; references expanded. Results unchanged

Learning Red Agent Policy from Observations for Neurosymbolic Autonomous Cyber Agents

从观测中学习红方代理策略用于神经符号自主网络代理

Ankita Samaddar, Sandeep Neema, Daniel Balasubramanian, Xenofon Koutsoukos

机构 * MIT（麻省理工学院） 纠错

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

AI总结 针对网络攻击中红方动作不可观测的问题，提出基于模仿学习的策略学习技术，从网络观测和防御动作预测红方行为，集成神经符号防御代理实现高精度预测。

MemDecay: Region-Aware KV Cache Eviction for Efficient LLM Agent Inference

MemDecay：用于高效大语言模型智能体推理的区域感知键值缓存逐出策略

Venkatesha Matam, Keon Kim

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究大语言模型智能体KV缓存内存瓶颈问题，提出无需训练的区域感知逐出策略MemDecay，为令牌分配特定区域优先级和衰减率，经实验验证该策略能有效管理缓存，确立语义提示结构对KV缓存管理的作用并明确其与关注重要性的结合方式。

Information-seeking failures of large language models in agentic clinical reasoning

大语言模型在代理临床推理中的信息获取失败

Krischan Braitsch, Laura K. Schmalbrock, Theresa Weltermann, Andrew F. Berdel, Isabella Miller, Kai Tran, Michael Heider, Sabrina Kraus, Florian Bassermann, Jacqueline Lammert, Sebastian Ziegelmayer, Marcus Makowski, Lisa C. Adams, Keno K. Bressem

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI、cs.CL

AI总结 研究大语言模型在临床推理中信息获取失败问题，开发血液肿瘤学代理评估框架，发现信息利用率是诊断准确性关键指标，推理痕迹与准确性不相关，主要失败模式为搜索满足等，指出模型主要限制是不确定性下信息获取失败。

Comments 66 pages, 9 figures; includes supplementary material

Agentic Skill Optimization over Lie Algebroids

李代数胚上的智能体技能优化

Sridhar Mahadevan

机构 * Adobe Research（Adobe研究院） ； University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校） 纠错

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

AI总结 研究智能体技能优化问题，提出LASKO框架，将技能建模为李代数胚截面，利用李括号筛选测试替代昂贵验证，在自然语言任务因果提取中实现近15倍加速，提升技能优化速度。

Comments 20 pages

Shortcut Trajectory Planning for Efficient Offline Reinforcement Learning

用于高效离线强化学习的捷径轨迹规划

Guanquan Wang, Yoshimasa Tsuruoka

机构 * The University of Tokyo（东京大学） 纠错

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

AI总结 研究针对离线强化学习中轨迹规划器的问题，提出捷径轨迹规划（STP）框架，将捷径模型作为轨迹生成器，单阶段训练条件捷径轨迹模型，支持可调推理，用增强可行性感知校正的评论家选候选计划，在多任务基准测试中性能强且简化训练管道。

Comments 16 pages, 3 figures