AI Agent

The Script is All You Need: An Agentic Framework for Long-Horizon Dialogue-to-Cinematic Video Generation

脚本即一切：一个用于长程对话到电影视频生成的智能体框架

Chenyu Mu, Xin He, Qu Yang, Wanshun Chen, Jiadi Yao, Huang Liu, Zihao Yi, Bo Zhao, Xingyu Chen, Ruotian Ma, Fanghua Ye, Erkun Yang, Cheng Deng, Zhaopeng Tu, Xiaolong Li, Linus

机构 * Tencent（腾讯） 纠错

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

AI总结 提出一个端到端智能体框架，通过训练ScripterAgent将对话转化为精细脚本，并利用DirectorAgent跨场景连续生成策略，实现长程对话到电影视频的连贯生成，显著提升脚本忠实度和时间保真度。

Constrained Bayesian Experimental Design via Online Planning

通过在线规划的约束贝叶斯实验设计

Yujia Guo, Daolang Huang, Xinyu Zhang, Sammie Katt, Samuel Kaski, Ayush Bharti

机构 * ELLIS Institute Finland（芬兰ELLIS研究所） ； Department of Computer Science, Aalto University, Finland（芬兰阿尔托大学计算机科学系） ； Department of Computer Science, University of Manchester, UK（英国曼彻斯特大学计算机科学系） 纠错

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

AI总结 提出一种结合离线预训练摊销策略和后验网络与在线多步前瞻规划（场景树）的方法，以在动态约束下优化贝叶斯实验设计，相比现有方法获得更优信息序列且计算开销适中。

Comments 24 pages, 9 figures. Accepted at the Forty-Third International Conference on Machine Learning (ICML 2026)

From Norms to Indicators (N2I-RAG): An Agentic Retrieval-Augmented Generation Framework for Legal Indicator Computation

从规范到指标 (N2I-RAG): 一种用于法律指标计算的智能检索增强生成框架

Youssef Al Mouatamid, Marie Bonnin, Jihad Zahir

机构 * LISI Laboratory（LISI实验室） ； Cadi Ayyad University（卡迪·阿亚德大学） ； Univ Brest（布列塔尼大学） ； IRD, Univ Brest, CNRS, Ifremer, LEMAR（IRD、布列塔尼大学、CNRS、Ifremer、LEMAR） 纠错

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

AI总结 提出N2I-RAG框架，通过自适应检索、基于LLM的智能体和验证机制，实现从法律文本到指标的透明、可追溯的自动计算，在法国海洋环境法语料库上优于基线方法。

Managing Uncertainty in LLM-Generated Procedural Knowledge for Virtual Laboratory Planning

管理虚拟实验室规划中LLM生成程序性知识的不确定性

Polychronis Karpodinis, Dimitris Kalles

机构 * School of Science and Technology, Hellenic Open University（希腊开放大学科学与技术学院） 纠错

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

AI总结 针对LLM生成实验程序存在的不确定性，提出一个原型框架，通过结构化领域表示和不确定的状态转移样本提取候选程序规则，转化为显式约束并修复不确定步骤，以提升虚拟实验室规划的可靠性。

Neuro-Inspired Inverse Learning for Planning and Control

神经启发式逆向学习用于规划与控制

Maryna Kapitonova, Tonio Ball

机构 * NeuroMentum AI IMBIT, University of Freiburg, Germany（NeuroMentum AI IMBIT，弗赖堡大学，德国） 纠错

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

AI总结 提出一种神经启发式框架Inverter，通过逆向学习（IL）结合前向/逆向内部模型、开环多步运动指令和层次化动作组织，在规划与控制任务中实现高效推理，平均性能提升24.2%且计算时间降低一到两个数量级。

Comments Version 2, minor fix in online version of the abstract, pdf unchanged

From Feasible to Practical: Pareto-Optimal Synthesis Planning

从可行到实用：帕累托最优合成规划

Friedrich Hastedt, Dongda Zhang, Antonio del Rio Chanona

机构 * Department of Chemical Engineering, Imperial College London, UK（伦敦帝国理工学院化学工程系） ； Department of Chemical Engineering, University of Manchester, UK（曼彻斯特大学化学工程系） 纠错

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

AI总结 针对现有合成规划方法忽略多目标权衡的问题，提出MORetro*算法，通过多目标A*搜索生成帕累托前沿，在成本、可持续性、毒性等指标间实现最优权衡。

Comments Published in Proceedings of the 43rd International Conference on Machine Learning (ICML 2026)

MMUEChange: A Generalized LLM Agent Framework for Intelligent Multi-Modal Urban Environment Change Analysis

MMUEChange：面向智能多模态城市环境变化分析的通用LLM智能体框架

Zixuan Xiao, Jun Ma, Siwei Zhang

机构 * Department of Urban Planning and Design, The University of Hong Kong（香港大学城市规划与设计系） 纠错

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

AI总结 提出MMUEChange多模态智能体框架，通过模块化工具包和模态控制器实现异构城市数据灵活集成与跨模态对齐，在三个城市案例中任务成功率提升46.7%并有效缓解幻觉。

Journal ref Applied Soft Computing 190 (2026) 114576

Sum of Costs Diffusion with Dynamic Guidance for Motion Planning

运动规划的动态引导代价和扩散模型

Aysu Aylin Kaplan, Özgür Erkent

机构 * Computer Engineering Department, Hacettepe University（哈切特佩大学计算机工程系） 纠错

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

AI总结 提出一种基于扩散模型的高泛化运动规划方法，通过总碰撞代价梯度引导去噪过程并动态选择引导起始步，在Mπnets数据集上取得最优性能。

Comments Accepted at the Frontiers of Optimization for Robotics Workshop at the IEEE International Conference of Robotics & Automation (ICRA), 2026

Why Agentic Theorem Prover Works: A Statistical Provability Theory of Mathematical Reasoning Models

为什么智能体定理证明器有效：数学推理模型的统计可证明性理论

Sho Sonoda, Shunta Akiyama, Yuya Uezato

机构 * CyberAgent, Inc.（CyberAgent公司） ； National Institute of Informatics, Japan（日本信息机构） 纠错

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

AI总结 本文通过统计可证明性理论，将形式化证明搜索建模为有限视界可达性MDP，分析了智能体定理证明器中各组件对有限预算下证明成功率的影响，并给出了成功率差距的误差界。

Comments accepted at icml2026

ChainFlow-VLA: Causal Flow Planning with Vision-Language Models

ChainFlow-VLA: 基于视觉语言模型的因果流规划

Xiyang Wang, Xinlin Wang, Tingguang Zhou, Gong Chen, Xingtai Gui, Zhi Xu, Xiaolei Wu, Feiyang Tan, Hangning Zhou, Mu Yang

机构 * Afari Intelligent Drive（阿法瑞智能驾驶） ； Tianjin University（天津大学） ； University of Macau（澳门大学） 纠错

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

AI总结 提出ChainFlow-VLA框架，通过自回归生成因果轨迹模式与扩散残差校正的统一概率模型，结合视觉语言模型语义先验，实现自动驾驶中鲁棒的轨迹规划，在NAVSIM v1排行榜上达到94.85分，匹配人类水平。

Whose Good, Whose Place? The Moral Geography of Agentic AI for Social Good

谁之善，谁之地？面向社会公益的能动型AI的道德地理学

Poli Nemkova, Haeshitha Indukuri, Jaedon Charles

机构 * University of North Texas（北卡罗来纳州立大学） ； Florida International University（佛罗里达国际大学） 纠错

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

AI总结 通过调查112篇论文，发现面向社会公益的能动型AI存在道德地理不对称：论文在制度和社会政策领域最不指定地理背景，且仅25%报告实际部署，据此提出问责缺口和最低报告标准。

Extracting Search Trees from LLM Reasoning Traces Reveals Myopic Planning

从LLM推理轨迹中提取搜索树揭示短视规划

Sixing Chen, Ji-An Li, Saner Cakir, Sinan Akcali, Kayla Lee, Marcelo G. Mattar

机构 * Generality Inc.（Generality公司） 纠错

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

AI总结 通过从四子棋游戏推理轨迹中提取搜索树并拟合计算模型，发现LLM的规划是短视的，其决策主要由浅层节点驱动，而非深层搜索。

Neural Configuration-Space Barriers for Manipulation Planning and Control

用于操作规划与控制的神经构型空间障碍

Kehan Long, Ki Myung Brian Lee, Nikola Raicevic, Niyas Attasseri, Melvin Leok, Nikolay Atanasov

机构 * Contextual Robotics Institute, University of California San Diego（情境机器人研究所，加州大学圣地亚哥分校） 纠错

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

AI总结 提出一种基于神经构型空间距离函数障碍的统一方法，用于高维机器人操作规划与控制，通过分布鲁棒优化处理模型误差和传感器噪声，在杂乱动态环境中实现高效规划与鲁棒安全控制。

Scaling Observation-aware Planning in Uncertain Domains

在不确定领域中扩展感知意识规划

Adrian Zvizdenco, Arthur Conrado Veiga Bosquetti, Alberto Lluch Lafuente, Christoph Matheja

机构 * Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 本文研究了在不确定领域中扩展感知意识规划的方法，通过子符号技术扩展可决定OOP片段的解决方法，包括传感器选择问题和位置可观察性问题，并通过分解POMDPs识别合理的观察函数，从而提高性能。

Planning, Scheduling, and Behavior in EV Charging Systems: A Critical Survey and Trilemma Framework

电动汽车充电系统中的规划、调度与行为：一项批判性综述与三重困境框架

Peiyan Xiao, Yuheng Li, Ayan Mukhopadhyay, Sai Krishna Ghanta, Sabur Baidya, Yanhai Xiong

机构 * The College of William \& Mary, Williamsburg, VA, USA ； University of Georgia, Athens, GA, USA ； University of Louisville, Louisville, KY, USA 纠错

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

AI总结 本文综述了电动汽车充电系统中规划、调度和行为三个层面的研究，提出了三重困境框架，揭示了在追求高保真度时面临的可计算性与现实整合之间的权衡问题。

Comments Review article; 56 pages excluding references; 1 figure and 3 tables

Long-term Power Grid Planning via Answer Set Programming

通过答案集编程进行长期电力网络规划

Antonio Ielo, Francesco Doria, Sandra Castellanos-Paez, Marco Maratea, Francesco Percassi, Mauro Vallati

机构 * University of Calabria, Italy（意大利卡拉布里亚大学） ； University of Huddersfield, UK（英国赫德瑟菲尔德大学） 纠错

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

AI总结 本文提出了一种基于答案集编程的自动化和优化长期电力网络规划方法，以解决可持续性目标、需求模式和城市化趋势等复杂问题。

Comments 16 pages, 4 figures

ORCA: An Agentic Reasoning Framework for Hallucination and Adversarial Robustness in Vision-Language Models

ORCA：一种用于视觉语言模型幻觉和对抗鲁棒性的代理推理框架

Chung-En Johnny Yu, Brian Jalaian, Nathaniel D. Bastian

机构 * University of West Florida（佛罗里达大学） ； United States Military Academy（美国军事学院） 纠错

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

AI总结 本文提出ORCA框架，通过推理时的结构化推理和小规模视觉模型，提升预训练视觉语言模型的事实准确性与对抗鲁棒性，并在幻觉基准和对抗扰动测试中取得显著提升。

Comments Accepted at the ACM International Conference on Cloud and Big Data Computing (ICCBDC 2026)

Learning-Accelerated Optimization-based Trajectory Planning for Cooperative Aerial-Ground Handover Missions

基于学习的优化轨迹规划用于协作的空中-地面切换任务

Jingshan Chen, Bochen Yu, Henrik Ebel, Peter Eberhard

机构 * Institute of Engineering and Computational Mechanics, University of Stuttgart, 70569 Stuttgart, Germany（工程与计算力学研究所，斯图加特大学，德国斯图加特70569） ； Mechanical Engineering, LUT University, 53850 Lappeenranta, Finland（机械工程，卢蒂大学，芬兰拉佩恩兰塔53850） 纠错

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

AI总结 本文提出了一种结合学习的轨迹规划框架，用于协同无人 aerial 和 ground 车辆的切换任务，通过使用解耦的编码器-解码器 LSTM 网络生成协调的切换轨迹预测，从而加速优化过程，实现更快的收敛和更高的优化成功率。

Comments Preprint of a contribution accepted for publication in the RoManSy 2026 Springer proceedings

Efficient Lookahead Encoding and Abstracted Width for Learning General Policies in Classical Planning

高效前瞻编码与抽象宽度用于经典规划中学习通用策略

Michael Aichmüller, Simon Ståhlberg, Martin Funkquist, Hector Geffner

机构 * RWTH Aachen University（亚琛RWTH大学） ； Linköping University（林雪平大学） 纠错

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

AI总结 本文提出了一种高效的方法，通过整体编码和抽象宽度来提升经典规划中学习通用策略的效率和可扩展性，解决了传统方法在计算成本和表达能力上的限制。

Virtues of Ordered Chaos: Planning with Topple Actions in Tabletop Stack Rearrangement

秩序之中的混沌：在桌面堆叠重构中使用Topple动作的规划

Hao Lu, Rahul Shome

机构 * School of Computing at the Australian National University（澳大利亚国立大学计算学院） 纠错

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

AI总结 本文研究了桌面环境中堆叠重构任务，通过引入更丰富的非抓取聚合动作（特别是从堆叠中倒落物体到桌面的Topple动作）来增强任务规划领域。核心方法是提出一种新的Topple聚合工具，将候选任务计划计算转化为 Pebble Motion 问题变体，从而在IsaacSim物理模拟中验证了其效果，展示了在执行速度上的显著优势。

Comments 8 pages, 7 figures

Visual Sculpting: Visually-Aligned Planning Representations for Long-Horizon Robot Clay Sculpting

视觉雕刻：用于长周期机器人泥塑的视觉对齐规划表示

Peter Schaldenbrand, Jean Oh

机构 * The Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

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

AI总结 本文提出了一种视觉对齐的规划表示方法，用于长周期机器人泥塑任务，通过捕捉光照和纹理特征，提高了对可变形材料动态的建模能力，并展示了在不同可变形材料和末端执行器下的性能。

Comments 8 pages, 14 figures. Accepted for publication in IEEE Robotics and Automation Letters (RA-L)

Strategic Exploitation in LLM Agent Markets: A Simulation Framework for E-Commerce Trust

LLM代理市场中的战略利用：电子商务信任的模拟框架

Shijun Lei, Quang Nguyen, Swapneel S Mehta, Zeping Li, Huichuan Fu, Xiaolong Zheng, Siki Chen, Yunji Liang, Philip Torr, Zhenfei Yin

机构 * Northwestern Polytechnical University（西北工业大学） ； Boston University（波士顿大学） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Chinese Academy of Sciences（中国科学院） ； University of Oxford（牛津大学） 纠错

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

AI总结 本文提出TruthMarketTwin模拟框架，用于研究LLM代理在电子商务市场中的行为，发现LLM代理在传统市场中会利用声誉治理的弱点，而强制执行可减少欺骗并重塑战略推理。

Learning Multi-Timescale Abstractions for Hierarchical Combinatorial Planning

学习多时间尺度抽象以进行分层组合规划

Vivienne Huiling Wang, Tinghuai Wang, Joni Pajarinen

机构 * Department of Electrical Engineering（电气工程系） ； Automation, Aalto University, Finland（自动化，艾尔沃斯大学，芬兰） 纠错

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

AI总结 本文提出了一种基于模型的分层框架，用于解决序列随机组合决策问题，通过多时间尺度目标结构化潜在动态，实现高效的前瞻规划，并联合学习子目标条件预算策略以支持上下文感知的资源分配。

Comments 34 pages, 8 figures, 23 tables

LSDTs: LLM-Augmented Semantic Digital Twins for Adaptive Knowledge-Intensive Infrastructure Planning

LSDTs: 基于大语言模型的语义数字孪生用于自适应知识密集型基础设施规划

Naiyi Li, Zihui Ma, Runlong Yu, Lingyao Li

机构 * Department of Civil & Environmental Engineering, University of Maryland, College Park（大学公园马里兰大学土木与环境工程系） ； Center for Urban Science and Progress, New York University（纽约大学城市科学与进步中心） ； Department of Computer Science, University of Alabama（阿拉巴马大学计算机科学系） ； School of Information, University of South Florida（佛罗里达州立大学信息学院） 纠错

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

AI总结 本文提出LSDTs框架，利用大语言模型从非结构化文档中提取规划知识并构建形式本体，通过语义层提升数字孪生在复杂规划场景中的适应性与仿真精度。

No Plan, Yet Human: A Reactive Robotics Model Predicts Human Planning Failures on a Clinical Task

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

Michael Migacev, Vito Mengers, Antonia Köngeter, Oliver Brock

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） 纠错

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。

CLOVER: Closed-Loop Value Estimation and Ranking for End-to-End Autonomous Driving Planning

CLOVER：端到端自动驾驶规划的闭环价值估计与排序

Sining Ang, Yuguang Yang, Canyu Chen, Yan Wang

机构 * Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； School of Electronic Information Engineering, Beihang University（北航电子信息技术学院） ； National College for Excellent Engineers, Beihang University（北航卓越工程师学院） 纠错

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

AI总结 CLOVER通过闭环价值估计与排序框架，解决端到端自动驾驶规划中训练与评估不匹配的问题，通过生成器和评分器的轻量级架构提升规划器性能，实现更准确的候选轨迹排序。

T2T-LA: A Topology-to-Topology LLM Agent for Graph Learning with Neither Feature Access nor Task Knowledge

T2T-LA：一种用于图学习的拓扑到拓扑LLM代理，无需特征访问或任务知识

Yongyu Wang

机构 * MTU（MTU大学） 纠错

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

AI总结 本文提出T2T-LA，一种无需特征访问或任务知识的拓扑到拓扑LLM代理，通过学习失败拓扑与评分之间的关系，实现图学习中的拓扑推理。

Agent4POI: Agentic Context-Conditioned Affordance Reasoning for Multimodal Point-of-Interest Recommendation

Agent4POI: 基于代理的上下文条件化 affordance 推理用于多模态兴趣点推荐

Jinze Wang, Yangchen Zeng, Tiehua Zhang, Lu Zhang, Yuze Liu, Yongchao Liu, Xingjun Ma, Zhu Sun

机构 * Tongji University（同济大学） ； Swinburne University of Technology（斯威本理工大学） ； Southeast University（东南大学） ； Chengdu University of Information Technology（成都信息工程大学） ； Fudan University（复旦大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 Agent4POI 提出一种新的兴趣点推荐框架，通过在推荐时生成上下文条件化的多模态表示，而非依赖静态兴趣点嵌入。该方法通过代理生成动态 affordance 查询并执行跨模态推理，提升推荐效果。

MoMo: Conditioned Contrastive Representation Learning for Preference-Modulated Planning

MoMo：基于偏好调节的对比表征学习用于偏好调节规划

Yusuf Syed, Viraj Parimi, Brian Williams

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 MoMo通过特征线性调制和低秩神经调制，实现基于偏好调节的对比表征学习，使规划保守性在推理时可连续调节，提升时间与偏好一致性。

ToolMol: Evolutionary Agentic Framework for Multi-objective Drug Discovery

ToolMol：多目标药物发现的进化代理框架

Andrew Y. Zhou, Sharvaree Vadgama, Sumanth Varambally, Peter Eckmann, Michael K. Gilson, Rose Yu

机构 * Department of Computer Science（计算机科学系） ； Skaggs School of Pharmacy（斯卡格斯药学院） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

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

AI总结 ToolMol结合多目标遗传算法与代理LLM操作符，通过迭代更新配体群体，实现多目标属性优化，发现具有更强预测结合亲和力的药物候选物。

Comments 9 pages, 5 figures