AI Agent

KGLAMP: Knowledge Graph-guided Language model for Adaptive Multi-robot Planning and Replanning

KGLAMP：基于知识图谱的自适应多机器人规划与再规划语言模型

Chak Lam Shek, Faizan M. Tariq, Sangjae Bae, David Isele, Piyush Gupta

机构 * Honda Research Institute, USA（本田研究院） ； University of Maryland, College Park（马里兰大学） 纠错

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

AI总结 KGLAMP通过知识图谱引导LLM实现异构多机器人系统的自适应规划与再规划，提升动态环境下的规划效率和准确性。

Active Epistemic Control for Query-Efficient Verified Planning

主动认知控制用于查询高效的验证规划

Shuhui Qu

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 主动认知控制通过结合基于模型的信念管理和范畴可行性检查，实现查询高效的验证规划，在交互环境中减少重新规划轮次。

Autonomous AI Agents for Real-Time Affordable Housing Site Selection: Multi-Objective Reinforcement Learning Under Regulatory Constraints

面向实时经济适用房选址的自主AI代理：在监管约束下的多目标强化学习

Olaf Yunus Laitinen Imanov, Duygu Erisken, Derya Umut Kulali, Taner Yilmaz, Rana Irem Turhan

机构 * Department of Applied Mathematics and Computer Science (DTU Compute), Technical University of Denmark（应用数学与计算机科学系（DTU Compute），丹麦技术大学） ； Department of Mathematics, Trakya University（数学系，特拉基亚大学） ； Department of Engineering, Eskisehir Technical University（工程系，埃斯基谢普尔技术大学） ； Department of Computer Engineering, Afyon Kocatepe University（计算机工程系，阿菲昂卡奥卡佩大学） ； Department of Computer Systems, Riga Technical University（计算机系统系，里加技术大学） 纠错

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

AI总结 AURA通过多目标强化学习在监管约束下高效选址，提升经济适用房选址的合规性和效率，减少选址时间并提高社会公平性

Comments 12 pages, 6 figures, 5 tables

Beyond Pixels: Visual Metaphor Transfer via Schema-Driven Agentic Reasoning

超越像素：通过基于模式的代理推理实现视觉隐喻转移

Yu Xu, Yuxin Zhang, Juan Cao, Lin Gao, Chunyu Wang, Oliver Deussen, Tong-Yee Lee, Fan Tang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯文脉） ； University of Konstanz（康斯坦茨大学） ； National Cheng-Kung University（国立成功大学） 纠错

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

AI总结 本文提出基于模式的代理推理框架，实现视觉隐喻转移，通过多代理协作提升隐喻生成的抽象逻辑与视觉创造力。

Comments 11 pages, 10 figures

Workflow-R1: Group Sub-sequence Policy Optimization for Multi-turn Workflow Construction

Workflow-R1: 多轮工作流构建的分组子序列策略优化

Mingze Kong, Zikun Qu, Zhongquan Zhou, Pengyu Liang, Xiang Li, Zhiwei Shang, Zhi Hong, Kaiyu Huang, Zhiyong Wang, Zhongxiang Dai

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Tianjin University（天津大学） ； Tongji University（同济大学） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 Workflow-R1通过分组子序列策略优化提升多轮工作流构建的灵活性和性能。

R-HTN: Rebellious Online HTN Planning for Safety and Game AI

R-HTN：安全与游戏AI中的反叛在线HTN规划

Hector Munoz-Avila, David W. Aha, Paola Rizzo

机构 * Computer Science \& Engineering, Lehigh University ； Bethlehem, PA 18015-3084 USA ； Navy Center for Applied Research in AI ； Naval Research Laboratory 纠错

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

AI总结 R-HTN是一种用于安全与游戏AI的在线HTN规划算法，通过反叛机制在遵循指令的情况下实现任务目标。

Journal ref The Annual Conference on Advances in Cognitive Systems (ACS-2025)

Learning Abstractions for Hierarchical Planning in Program-Synthesis Agents

在程序合成代理中学习层次规划的抽象

Zergham Ahmed, Kazuki Irie, Joshua B. Tenenbaum, Christopher J. Bates, Samuel J. Gershman

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； Institute for Human and Machine Cognition（人机认知研究院） ； Kempner Institute for the Study of Natural and Artificial Intelligence at Harvard University, Cambridge, MA, USA（哈佛大学马萨诸塞州剑桥市自然与人工智能研究学院） 纠错

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

AI总结 TheoryCoder-2通过主动学习可重用的抽象，提升了程序合成代理在复杂任务中的样本效率和泛化能力。

Comments 20 pages

Planning with Language and Generative Models: Toward General Reward-Guided Wireless Network Design

基于语言和生成模型的规划：迈向通用奖励引导的无线网络设计

Chenyang Yuan, Xiaoyuan Cheng

机构 * University of Sheffield（谢菲尔德大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文提出基于统一奖励函数的扩散生成模型，用于高效解决室内无线网络接入点部署问题，通过大规模数据训练提升泛化能力与鲁棒性。

Reflecting with Two Voices: A Co-Adaptive Dual-Strategy Framework for LLM-Based Agent Decision Making

双声道反思：基于LLM的智能体决策的共适应双策略框架

Wentao Zhang, Qunbo Wang, BoXuan Zhao, Tao Zhang, Junsheng Wu, Hongping Gan, Ling Dai, Shizhuang Deng, Shuntong Sun, Yang Liu

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

AI总结 DuSAR通过双策略共适应推理框架，无需演示或微调即可在模拟和真实环境中实现优于现有方法的性能，同时减少token消耗。

ASTRA: Automated Synthesis of agentic Trajectories and Reinforcement Arenas

ASTRA: 自动化合成代理轨迹与强化环境

Xiaoyu Tian, Haotian Wang, Shuaiting Chen, Hao Zhou, Kaichi Yu, Yudian Zhang, Jade Ouyang, Junxi Yin, Jiong Chen, Baoyan Guo, Lei Zhang, Junjie Tao, Yuansheng Song, Ming Cui, Chengwei Liu

机构 * Beike Language and Intelligence（北溪语言与智能） 纠错

专题命中 规划决策 ：agentic(title,abstract)；tool-use(abstract)；分类 cs.CL

AI总结 ASTRA通过可扩展数据合成和可验证强化学习，自动化训练工具增强语言模型代理，实现多轮稳定学习和高性能工具使用。

Adapting Reinforcement Learning for Path Planning in Constrained Parking Scenarios

在受限停车场景中适应强化学习用于路径规划

Feng Tao, Luca Paparusso, Chenyi Gu, Robin Koehler, Chenxu Wu, Xinyu Huang, Christian Juette, David Paz, Ren Liu

机构 * Bosch Research（博世研究） 纠错

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

AI总结 本研究提出了一种深度强化学习框架，用于在受限停车场景中实现高效的实时路径规划，通过序列决策问题建模和新基准的开发，实现了更高的成功率和效率。

SSL: Sweet Spot Learning for Differentiated Guidance in Agentic Optimization

SSL：在代理优化中差异化引导的甜蜜点学习

Jinyang Wu, Changpeng Yang, Yuhao Shen, Fangzhi Xu, Bolin Ni, Chonghua Liao, Yuchen Liu, Hongzhen Wang, Shuai Nie, Shuai Zhang, Haoran Luo, Jiaming Xu

机构 * Tsinghua University（清华大学） ； Xiaomi Corporation（小米公司） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 SSL通过分层奖励引导代理优化，提升解空间中的方向性优化，实现样本效率提升和跨任务迁移能力。

Foundation Models for Logistics: Toward Certifiable, Conversational Planning Interfaces

物流领域的基础模型：迈向可验证、对话式规划界面

Yunhao Yang, Neel P. Bhatt, Christian Ellis, Samuel Li, Alvaro Velasquez, Zhangyang Wang, Ufuk Topcu

机构 * Neurosymbolic Intelligence（神经符号智能） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Colorado Boulder（科罗拉多大学波德分校） 纠错

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

AI总结 本文提出了一种基于神经符号框架的视觉-语言物流代理，通过自然语言对话和可验证保证实现可信赖的物流规划决策，模型在少量训练样本下实现了高效且准确的物流规划性能。

ALRM: Agentic LLM for Robotic Manipulation

ALRM：用于机器人操作的代理LLM

Vitor Gaboardi dos Santos, Ibrahim Khadraoui, Ibrahim Farhat, Hamza Yous, Samy Teffahi, Hakim Hacid

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

AI总结 ALRM提出了一种基于LLM的代理框架，通过ReAct推理循环实现机器人操作的模块化执行，支持代码生成和工具规划模式，实验表明其在多步骤推理和语言多样性任务中表现优异。

Interoperable Architecture for Digital Identity Delegation for AI Agents with Blockchain Integration

面向AI代理的数字身份委托的互操作架构与区块链整合

David Ricardo Saavedra

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

AI总结 本文提出了一种支持AI代理在异构身份生态系统中实现安全委托的架构，通过可审计和最小特权的委托机制，提升数字身份系统的互操作性与可信度。

Comments 19 pages, 4 figures, 4 tables

TimeART: Towards Agentic Time Series Reasoning via Tool-Augmentation

TimeART: 通过工具增强实现代理时间序列推理

Xingjian Wu, Junkai Lu, Zhengyu Li, Xiangfei Qiu, Jilin Hu, Chenjuan Guo, Christian S. Jensen, Bin Yang

机构 * East China Normal University, Shanghai, China（华东师范大学） ； Aalborg University, Aalborg, Denmark（奥胡斯大学） 纠错

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

AI总结 TimeART通过融合强大工具的分析能力与LLM的推理能力，实现时间序列问题回答的自主代理方法，通过四阶段训练策略提升模型泛化能力，并在多个任务中取得最佳性能。

Behavior Knowledge Merge in Reinforced Agentic Models

强化学习代理模型中的行为知识融合

Xiangchi Yuan, Dachuan Shi, Chunhui Zhang, Zheyuan Liu, Shenglong Yao, Soroush Vosoughi, Wenke Lee

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Dartmouth College（达特茅斯学院） ； University of Notre Dame（诺丁汉大学） 纠错

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

AI总结 本文提出RAM框架，通过分离共享和任务特定参数更新，提升RL训练代理模型的融合效果，实现性能超越专门化代理。

ET-Agent: Incentivizing Effective Tool-Integrated Reasoning Agent via Behavior Calibration

ET-Agent：通过行为校准激励有效的工具集成推理代理

Yifei Chen, Guanting Dong, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） 纠错

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

AI总结 ET-Agent通过自我进化数据飞轮和行为校准训练框架，提升工具集成推理代理的准确性与效率。

RAGShaper: Eliciting Sophisticated Agentic RAG Skills via Automated Data Synthesis

RAGShaper: 通过自动化数据合成激发复杂的代理RAG技能

Zhengwei Tao, Bo Li, Jialong Wu, Guochen Yan, Huanyao Zhang, Jiahao Xu, Haitao Mi, Wentao Zhang

机构 * Peking University（北京大学） ； Tencent AI Lab（腾讯人工智能实验室） 纠错

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

AI总结 RAGShaper通过自动化数据合成构建高质量RAG任务和代理轨迹，提升模型在复杂检索任务中的鲁棒性。

AgriAgent: Contract-Driven Planning and Capability-Aware Tool Orchestration in Real-World Agriculture

AgriAgent：面向现实农业的合同驱动规划与能力感知工具编排

Bo Yang, Yu Zhang, Yunkui Chen, Lanfei Feng, Xiao Xu, Nueraili Aierken, Shijian Li

机构 * State Key Laboratory of Brain–Machine Intelligence（脑机智能国家重点实验室） ； College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学） 纠错

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

AI总结 AgriAgent通过合同驱动规划和能力感知工具编排，提升现实农业中复杂任务的执行成功率和鲁棒性。

Agentic Diagnostic Reasoning over Telecom and Datacenter Infrastructure

基于电信和数据中心基础设施的代理诊断推理

Nicolas Tacheny

机构 * Ni2 Innovation Lab（Ni2创新实验室） 纠错

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

AI总结 本文提出基于代理的诊断框架，利用LLM通过MCP协议自主导航基础设施模型，实现故障诊断与影响发现，为自主事件解决和风险预测提供基础。

Yes FLoReNce, I Will Do Better Next Time! Agentic Feedback Reasoning for Humorous Meme Detection

是的，Florne，我下次会做得更好！用于幽默表情包检测的代理反馈推理

Olivia Shanhong Liu, Pai Chet Ng, De Wen Soh, Konstantinos N. Plataniotis

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

AI总结 Florne通过闭环反馈机制提升表情包幽默检测的适应性和解释质量。

Comments LaMAS@AAAI 2026 (Oral)

ACDZero: MCTS Agent for Mastering Automated Cyber Defense

ACDZero：用于掌握自动化网络防御的MCTS代理

Yu Li, Sizhe Tang, Rongqian Chen, Fei Xu Yu, Guangyu Jiang, Mahdi Imani, Nathaniel D. Bastian, Tian Lan

机构 * Dept of ECE, George Washington University（电子工程系，乔治华盛顿大学） ； Dept of ECE, Northeastern University（电子工程系，东北大学） ； Dept of EECS, United States Military Academy（电子工程与科学系，美国军事学院） 纠错

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

AI总结 ACDZero通过基于MCTS的规划策略和图神经网络实现高效自动化网络防御，提升防御奖励和鲁棒性。

Rethinking Supply Chain Planning: A Generative Paradigm

重新思考供应链规划：一种生成范式

Jiaheng Yin, Yongzhi Qi, Jianshen Zhang, Dongyang Geng, Zhengyu Chen, Hao Hu, Wei Qi, Zuo-Jun Max Shen

机构 * Tsinghua University, Beijing, China（清华大学） ； JD.com, Beijing, China（京东） ； Faculty of Engineering and Faculty of Business and Economics, The University of Hong Kong, China（香港大学工程学院和商学院） ； College of Engineering, University of California, Berkeley, CA, USA（加州大学伯克利分校工程学院） 纠错

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

AI总结 本文提出一种基于生成式人工智能的供应链规划范式，通过智能代理框架提升规划准确性与库存率，实现动态需求下的适应性协调。

Simulating Multi-Stakeholder Decision-Making with Generative Agents in Urban Planning

用生成代理模拟城市规划中的多利益相关者决策

Jin Gao, Hanyong Xu, Luc Dao

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)；agent(abstract)；分类 cs.AI

AI总结 本研究通过多生成代理系统模拟城市规划中的多利益相关者决策，探讨人口因素对集体决策的影响，并提升决策的公平性和效率。

Journal ref Advances in Transdisciplinary Engineering, Vol. 76, pp. 40-49, IOS Press, 2026

SeqWalker: Sequential-Horizon Vision-and-Language Navigation with Hierarchical Planning

SeqWalker: 基于分层规划的序列地平线视觉-语言导航

Zebin Han, Xudong Wang, Baichen Liu, Qi Lyu, Zhenduo Shang, Jiahua Dong, Lianqing Liu, Zhi Han

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

AI总结 SeqWalker通过分层规划框架解决多任务视觉-语言导航中的信息过载问题，通过高层规划减少认知负荷，低层规划利用指令逻辑结构校正轨迹误差。

Optimizing Path Planning using Deep Reinforcement Learning for UGVs in Precision Agriculture

利用深度强化学习优化无人机在精准农业中的路径规划

Laukik Patade, Rohan Rane, Sandeep Pillai

机构 * Sardar Patel Institute of Technology（萨达尔·帕特尔技术学院） 纠错

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

AI总结 本研究利用深度强化学习优化无人机在精准农业中的路径规划，通过DDPG和TD3算法在动态环境中实现高成功率的导航。

AI Agents as Policymakers in Simulated Epidemics

AI代理作为模拟流行病中的政策制定者

Goshi Aoki, Navid Ghaffarzadegan

机构 * Department of Industrial and Systems Engineering（工业与系统工程系） ； Virginia Tech（弗吉尼亚理工大学） 纠错

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

AI总结 本文提出了一种生成式AI代理，用于模拟流行病中的政策决策，通过理论引导的提示提升决策质量，展示AI在复杂社会系统中的应用潜力。

Comments 24 pages, 5 figures

Bio-inspired Agentic Self-healing Framework for Resilient Distributed Computing Continuum Systems

生物启发的代理自修复框架用于鲁棒分布式计算连续系统

Alaa Saleh, Praveen Kumar Donta, Roberto Morabito, Sasu Tarkoma, Anders Lindgren, Qiyang Zhang, Schahram Dustdar, Susanna Pirttikangas, Lauri Lovén

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

AI总结 ReCiSt通过生物启发的代理自修复框架，实现分布式计算连续系统的快速自我修复与韧性提升。

Youtu-Agent: Scaling Agent Productivity with Automated Generation and Hybrid Policy Optimization

Youtu-Agent：通过自动化生成和混合策略优化提升代理生产力

Yuchen Shi, Yuzheng Cai, Siqi Cai, Zihan Xu, Lichao Chen, Yulei Qin, Zhijian Zhou, Xiang Fei, Chaofan Qiu, Xiaoyu Tan, Gang Li, Zongyi Li, Haojia Lin, Guocan Cai, Yong Mao, Yunsheng Wu, Ke Li, Xing Sun

机构 * Youtu-Agent Team（优图代理团队） 纠错

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

AI总结 Youtu-Agent通过自动化生成和混合策略优化提升LLM代理的生产力和性能