AI Agent

JADE: Bridging the Strategic-Operational Gap in Dynamic Agentic RAG

JADE：动态代理RAG中战略-操作鸿沟的弥合

Yiqun Chen, Erhan Zhang, Tianyi Hu, Shijie Wang, Zixuan Yang, Meizhi Zhong, Xiaochi Wei, Yan Gao, Yi Wu, Yao Hu, Jiaxin Mao

机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； Institute of Automation,Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；workflow(abstract)

AI总结 JADE通过联合优化规划与执行，解决动态代理RAG中战略与操作不匹配的问题，提升多轮工作流的性能与灵活性。

Towards a Declarative Agentic Layer for Intelligent Agents in MCP-Based Server Ecosystems

迈向基于MCP服务器生态系统的声明性代理层

Maria Jesus Rodriguez-Sanchez, Manuel Noguera, Angel Ruiz-Zafra, Kawtar Benghazi

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；planning(abstract)

AI总结 本文提出了一种声明性代理层，旨在解决基于MCP服务器生态系统中代理工作流的可靠性问题，通过明确的架构结构提升任务执行的可验证性和可重复性。

Comments 12 pages, 3 figures

Towards AGI A Pragmatic Approach Towards Self Evolving Agent

迈向AGI：一种务实的自我进化代理方法

Indrajit Kar, Sammy Zonunpuia, Zonunfeli Ralte

专题命中 规划决策 ：agent(title,abstract)；tool-use(abstract)；workflow(abstract)；agentic(abstract)

AI总结 本文提出一种分层自我进化多代理框架，通过整合基础LLM、操作SLM代理、代码生成LLM和教师LLM，实现代理的持续适应与自我进化，展示了在不同任务难度下的进化优势。

Open Source Planning & Control System with Language Agents for Autonomous Scientific Discovery

Licong Xu, Milind Sarkar, Anto I. Lonappan, Íñigo Zubeldia, Pablo Villanueva-Domingo, Santiago Casas, Christian Fidler, Chetana Amancharla, Ujjwal Tiwari, Adrian Bayer, Chadi Ait Ekioui, Miles Cranmer, Adrian Dimitrov, James Fergusson, Kahaan Gandhi, Sven Krippendorf, Andrew Laverick, Julien Lesgourgues, Antony Lewis, Thomas Meier, Blake Sherwin, Kristen Surrao, Francisco Villaescusa-Navarro, Chi Wang, Xueqing Xu, Boris Bolliet

机构 * Google DeepMind（谷歌DeepMind） ； Haverford College（哈弗学院） ； California Institute of Technology（加州理工学院） ； MCML - Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Sussex（Sussex大学） ； University of Cambridge（剑桥大学） ； Kavli Institute for Cosmology（卡文迪许研究所） ； Institute for Theoretical Particle Physics and Cosmology（理论粒子物理与宇宙学研究所） ； RWTH Aachen University（亚琛工业大学） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学） ； Indian Institute of Science Education and Research（印度科学教育与研究学院） ； Infosys Ltd（Infosys有限公司） ； Flatiron Institute（Flatiron研究所） ； Princeton University（普林斯顿大学） ； Columbia University（哥伦比亚大学） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；workflow(abstract)；agentic(abstract)

Comments Accepted contribution to the ICML 2025 Workshop on Machine Learning for Astrophysics. Code: https://github.com/CMBAgents/cmbagent Videos: https://www.youtube.com/@cmbagent HuggingFace: https://huggingface.co/spaces/astropilot-ai/cmbagent Cloud: https://cmbagent.cloud

RetroAgent: Harnessing LLMs to Search Over Structured Memory for Agentic Retrosynthesis Planning

RetroAgent：利用大语言模型在结构化记忆中进行搜索以实现智能逆合成规划

Yanqiao Zhu, Jingru Gan, Xiaoqi Sun, Fang Sun, Yidan Shi, Md Mofijul Islam, Chao Shang, Wenhao Gao, Connor W. Coley, Yizhou Sun, Wei Wang

机构 * UCLA（加利福尼亚大学洛杉矶分校） ； MIT（麻省理工学院） ； Amazon（亚马逊公司） ； UPenn（宾夕法尼亚大学） 纠错

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

AI总结 研究多步逆合成规划难题，提出RetroAgent智能体，通过结合结构化记忆桥接符号搜索与神经推理，利用记忆和化学工具观察搜索状态，实验证明其在分布内和分布外基准测试中性能强且泛化能力好。

Comments To appear at COLM 2026

Tell Me: An LLM-powered Mental Well-being Assistant with RAG, Synthetic Dialogue Generation, and Agentic Planning

Tell Me：基于LLM的心理健康助手，集成RAG、合成对话生成与智能体规划

Trishala Jayesh Ahalpara

机构 * Fujitsu Research of America（富士通美国研究） 纠错

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

AI总结 提出Tell Me系统，利用大语言模型通过RAG实现个性化对话、合成客户-治疗师对话生成以及智能体规划生成自我护理计划，旨在提供可及的心理支持而非替代专业治疗。

Comments 8 pages, 2 figures, 1 Table. Submitted to the Computation and Language (cs.CL) category. Uses the ACL-style template. Code and demo will be released at: https://github.com/trystine/Tell_Me_Mental_Wellbeing_System

How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks

AI代理如何花费你的钱？分析和预测代理编码任务中的令牌消耗

Longju Bai, Zhemin Huang, Xingyao Wang, Jiao Sun, Rada Mihalcea, Erik Brynjolfsson, Alex Pentland, Jiaxin Pei

机构 * University of Michigan（密歇根大学） ； Stanford University（斯坦福大学） ； All Hands AI ； Google Deepmind（谷歌DeepMind） ； Microsoft AI（微软AI） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文研究了代理编码任务中令牌消耗模式，发现代理任务消耗远高于代码推理和代码聊天，且模型在任务执行前难以准确预测自身令牌使用。

Active Inference-Enabled Agentic Closed-Loop ISAC with Long-Horizon Planning

基于主动推断的代理闭环ISAC系统与长周期规划

Guangjin Pan, Zhuojun Tian, Mehdi Bennis, Henk Wymeersch

专题命中 规划决策 ：planning(title,abstract)；agentic(title,abstract)；agent(abstract)

AI总结 本文提出一种基于主动推断的无线代理闭环ISAC系统，通过因子图的反向-正向消息传递联合优化控制与传感资源分配，实现动态资源分配以提升跟踪精度、控制努力与传感资源消耗的平衡。

Comments 5 pages, 4 figures and 1 table. This work has been submitted to the IEEE for possible publication

MAG-3D: Multi-Agent Grounded Reasoning for 3D Understanding

MAG-3D：多智能体基础推理用于3D理解

Henry Zheng, Chenyue Fang, Rui Huang, Siyuan Wei, Xiao Liu, Gao Huang

机构 * Tsinghua University（清华大学） ； Pico, ByteDance（字节跳动Pico） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 本文提出MAG-3D，一种无需训练的多智能体框架，通过动态协调专家代理实现灵活的3D基础推理，解决复杂场景中的空间和几何关系推理问题。

Beyond detection: cooperative multi-agent reasoning for rapid onboard EO crisis response

超越检测：用于快速在轨遥感危机响应的协作多智能体推理

Alejandro D. Mousist, Pedro Delgado de Robles Martín, Raquel Lladró Climent, Julian Cobos Aparicio

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；AI agent(abstract)

AI总结 本文提出了一种分层多智能体架构，用于在轨遥感处理，在资源和带宽受限条件下，通过协调专用AI智能体实现互补多模态观测的利用，减少计算开销并保持决策一致性。

Comments Accepted for presentation at the ESA's 4S Symposium 2026 Conference (see https://atpi.eventsair.com/4s-symposium-2026/)

MACRO-LLM: LLM-Empowered Multi-Agent Collaborative Reasoning under Spatiotemporal Partial Observability

MACRO-LLM：基于时空部分可观测性的LLM赋能多智能体协作推理

Handi Chen, Running Zhao, Xiuzhe Wu, Edith C. H. Ngai

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 本文提出MACRO-LLM，通过三个模块解决多智能体在时空部分可观测性下的协作推理问题，验证了其在复杂任务中的鲁棒性。

Marmot: Object-Level Self-Correction via Multi-Agent Reasoning

Marmot：通过多智能体推理实现对象级自校正

Jiayang Sun, Hongbo Wang, Jie Cao, Huaibo Huang, Ran He

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；AI agent(abstract)

AI总结 Marmot通过多智能体推理实现对象级自校正，提升图像文本对齐的准确性，解决多对象场景中计数、属性和空间关系的校正问题。

Journal ref Machine Intelligence Research, 2026

UltrasoundAgents: Hierarchical Multi-Agent Evidence-Chain Reasoning for Breast Ultrasound Diagnosis

超声波智能体：用于乳腺超声诊断的层次多智能体证据链推理

Yali Zhu, Kang Zhou, Dingbang Wu, Gaofeng Meng

机构 * Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所，北京，中国） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学（大学层面）交叉学科学院，北京，中国） ； Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences, Hong Kong（人工智能与机器人中心，香港创新科学研究院，中国科学院，香港） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)

AI总结 UltrasoundAgents通过层次多智能体框架实现乳腺超声诊断中的证据链推理，提升诊断准确性和证据可追溯性。

VisionCreator: A Native Visual-Generation Agentic Model with Understanding, Thinking, Planning and Creation

VisionCreator: 一种具有理解、思考、规划和创作能力的原生视觉生成智能体模型

Jinxiang Lai, Zexin Lu, Jiajun He, Rongwei Quan, Wenzhe Zhao, Qinyu Yang, Qi Chen, Qin Lin, Chuyue Li, Tao Gao, Yuhao Shan, Shuai Shao, Song Guo, Qinglin Lu

机构 * Tencent Hunyuan（腾讯文言） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；agentic(title,abstract)；workflow(abstract)

AI总结 VisionCreator是一种结合理解、思考、规划和创作能力的原生视觉生成智能体模型，通过创新方法提升复杂创作任务的性能。

Hierarchical Preemptive Holistic Collaborative Systems for Embodied Multi-Agent Systems: Framework, Hybrid Stability, and Scalability Analysis

分层抢先整体协作系统用于具身多智能体系统：框架、混合稳定性与可扩展性分析

Ting Peng

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 本文提出分层抢先整体协作框架，通过分解全局协调问题提升具身多智能体系统的安全性和可扩展性。

Distributed scalable coupled policy algorithm for networked multi-agent reinforcement learning

分布式可扩展耦合策略算法用于网络化多智能体强化学习

Pengcheng Dai, Dongming Wang, Wenwu Yu, Wei Ren

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 本文提出了一种分布式可扩展耦合策略算法，用于解决网络化多智能体强化学习中的相互依赖奖励和耦合策略问题，通过几何2步采样方法实现无偏梯度估计，提升协同优化效率。

Learning Two-agent Motion Planning Strategies from Generalized Nash Equilibrium for Model Predictive Control

从广义纳什均衡学习双智能体运动规划策略用于模型预测控制

Hansung Kim, Edward L. Zhu, Chang Seok Lim, Francesco Borrelli

机构 * University of California Berkeley（加州大学伯克利分校） ； PlusAI Inc（PlusAI公司） 纠错

专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；multi-agent(abstract)

AI总结 本文提出了一种基于广义纳什均衡的学习方法，用于多智能体运动规划中的模型预测控制，通过训练神经网络预测奖励结果来实现博弈论互动的隐式处理。

Comments Accepted Proceeding at 2025 Learning for Dynamics and Control Conference (L4DC)

Journal ref 283:112-123, 2025

Cybersecurity AI: The World's Top AI Agent for Security Capture-the-Flag (CTF)

网络安全AI：世界顶级AI安全夺旗赛（CTF）

Víctor Mayoral-Vilches, Luis Javier Navarrete-Lozano, Francesco Balassone, María Sanz-Gómez, Cristóbal R. J. Veas Chavez, Maite del Mundo de Torres, Vanesa Turiel

专题命中 规划决策 ：agent(title,abstract)；AI agent(title,abstract)；autonomous agent(abstract)

AI总结 2025年，网络安全AI在多个顶级CTF比赛中超越人类队伍，通过高效模型实现安全操作的突破，推动CTF赛事向更具挑战性的攻防格式转型。

CorrectAD: A Self-Correcting Agentic System to Improve End-to-end Planning in Autonomous Driving

Enhui Ma, Lijun Zhou, Tao Tang, Jiahuan Zhang, Junpeng Jiang, Zhan Zhang, Dong Han, Kun Zhan, Xueyang Zhang, XianPeng Lang, Haiyang Sun, Xia Zhou, Di Lin, Kaicheng Yu

机构 * Li Auto Inc. ； Autolab, Westlake University（Autolab，西lake大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；agentic(title,abstract)；agent(abstract)

Surgical AI Copilot: Energy-Based Fourier Gradient Low-Rank Adaptation for Surgical LLM Agent Reasoning and Planning

Jiayuan Huang, Runlong He, Danyal Zaman Khan, Evangelos B. Mazomenos, Danail Stoyanov, Hani Marcus, Linzhe Jiang, Matthew J Clarkson, Mobarak I. Hoque

专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；workflow(abstract)

Comments 11 pages

OrchVis: Hierarchical Multi-Agent Orchestration for Human Oversight

Jieyu Zhou

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

PixelCraft: A Multi-Agent System for High-Fidelity Visual Reasoning on Structured Images

Shuoshuo Zhang, Zijian Li, Yizhen Zhang, Jingjing Fu, Lei Song, Jiang Bian, Jun Zhang, Yujiu Yang, Rui Wang

机构 * Microsoft Research（微软研究院） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港理工大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)

S1-MatAgent: A planner driven multi-agent system for material discovery

Xinrui Wang, Chengbo Li, Boxuan Zhang, Jiahui Shi, Nian Ran, Linjing Li, Jianjun Liu, Dajun Zeng

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)

YOLO-MARL: You Only LLM Once for Multi-Agent Reinforcement Learning

Yuan Zhuang, Yi Shen, Zhili Zhang, Yuxiao Chen, Fei Miao

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

Comments accepted to International Conference on Intelligent Robots and Systems (IROS2025)

Bridging the Gap between Discrete Agent Strategies in Game Theory and Continuous Motion Planning in Dynamic Environments

Hongrui Zheng, Zhijun Zhuang, Stephanie Wu, Shuo Yang, Rahul Mangharam

机构 * Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） ； Department of Mathematics, University of Pennsylvania（数学系，宾夕法尼亚大学） 纠错

专题命中 规划决策 ：agent(title,abstract)；planning(title,abstract)；multi-agent(abstract)

Comments Submitted to RA-L

Reinforce LLM Reasoning through Multi-Agent Reflection

Yurun Yuan, Tengyang Xie

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

Comments International Conference on Machine Learning (ICML), 2025

Distributed Neural Policy Gradient Algorithm for Global Convergence of Networked Multi-Agent Reinforcement Learning

Pengcheng Dai, Yuanqiu Mo, Wenwu Yu, Wei Ren

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

Silence is Not Consensus: Disrupting Agreement Bias in Multi-Agent LLMs via Catfish Agent for Clinical Decision Making

Yihan Wang, Qiao Yan, Zhenghao Xing, Lihao Liu, Junjun He, Chi-Wing Fu, Xiaowei Hu, Pheng-Ann Heng

机构 * The Chinese University of Hong Kong（香港中文大学） ； Amazon（亚马逊） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

Multi-Agent Path Finding via Finite-Horizon Hierarchical Factorization

Jiarui Li, Alessandro Zanardi, Gioele Zardini

机构 * Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Embotech AG（Embotech公司） 纠错

专题命中 规划决策 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

Agent Planning with World Knowledge Model

Shuofei Qiao, Runnan Fang, Ningyu Zhang, Yuqi Zhu, Xiang Chen, Shumin Deng, Yong Jiang, Pengjun Xie, Fei Huang, Huajun Chen

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

Comments NeurIPS 2024