AI Agent

Explicit Language Memory for Long-Horizon Planning in Vision-Language-Action Models

用于视觉-语言-动作模型长程规划的显式语言记忆

Houze Xu, Jizhong Li, Ziyi Ye

机构 * Fudan University（复旦大学） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.AI

AI总结 该研究针对视觉-语言-动作模型长程规划的挑战，提出带显式语言记忆模块的分层架构，经仿真与实机实验验证，可提升复杂长程任务的成功率、鲁棒性与决策可解释性。

Comments 11 pages, 4 figures

PCSD: Persistent Consistency for Self-Distillation in Agentic Reinforcement Learning

PCSD：智能体强化学习中自蒸馏的持久一致性

Chunji Lv, Yangguang Wei, Junlin Liu, Yang Gao, Ming Liu, Xinming Wang, Jinyang Wu, Guoren Wang, Changsheng Li

专题命中 规划决策 ：agentic(title)；分类 cs.AI

AI总结 该研究针对智能体强化学习中奖励稀疏问题，提出PCSD方法，通过持久一致性推导蒸馏权重，结合GRPO优化，在ALFWorld等基准上取得优于GRPO、SDAR的性能。

ConnectED: A Curriculum-Aligned AI System for Vietnamese Instructional Lesson Planning and Student Learning

ConnectED：面向越南教学课程规划与学生学习的课程对齐AI系统

Thang Doan Viet, Anh Nguyen Hoang, Tinh Luong Son, Anh Hoang Thi Ngoc, Huyen Giang Thi Thu, Tai Le Quy

专题命中 规划决策 ：planning(title)；分类 cs.AI

AI总结 该研究提出以人为本的AI系统ConnectED，基于VietEduQwen构建，支持越南教育完整教学生命周期，经评估其准确率优于基准模型，可缩短教师备课时间且获师生高满意度。

CodeSpec: Dual Executable Specifications for Agentic Long-Horizon Feature Development

CodeSpec：面向智能体长周期功能开发的双可执行规范

Peiding Wang, Li Zhang, Fang Liu, Taichuan Li, Yinghao Zhu

专题命中 规划决策 ：agentic(title)；分类 cs.SE

AI总结 提出CodeSpec双可执行规范方法，通过配对子需求语义与仓库架构构建可靠功能链，在FeatureBench上优于基线，提升了长周期功能开发的设计与实现一致性及性能。

GuideSkill: Evolving Executable LLM Agent Skills for Guideline-Grounded Clinical Reasoning

GuideSkill：面向基于指南的临床推理的可执行大语言模型智能体技能演化框架

Lang Cao, Yuhao Shen, Tianyang Luo, Simo Du, Hao Peng, Yue Guo

专题命中 规划决策 ：agent(title)；分类 cs.AI

AI总结 本文提出与模型无关的GuideSkill框架，通过可执行技能结合指南流程与病例诊断模式，在多基准和骨干模型上显著提升临床推理性能，技能可靠且实用。

Auditing Provenance Sensitivity in LLM Agent Action Selection

审计大语言模型智能体动作选择中的溯源敏感性

Junchi Liao

专题命中 规划决策 ：agent(title)；分类 cs.AI

AI总结 研究大语言模型智能体动作选择中的溯源敏感性，引入针对特定目标的授权审计，通过改变命题源权威等测试行为，发现可信和不可信变体在部分案例中产生不同动作，模型对线索有反应但不可信证据仍影响行动。

PlanE: Meta Planning of Data, Tuning, and Inference for Extractive-based LLMs

PlanE：基于抽取式大语言模型的数据、调优和推理的元规划

Jiacheng Wang, Weiyan Zhang, Guangya Yu

机构 * Ant Group（蚂蚁集团） ； School of Information Science and Engineering, East China University of Science and Technology（华东理工大学信息科学与工程学院） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.AI

AI总结 针对大语言模型特定任务能力提升中数据标注成本高及缺乏优化方法的问题，提出PlanE框架，含数据分解等，引入DTI规划器，实验验证了该框架及规划器在不同场景下的有效性和通用性。

S3: Stable Subgoal Selection by Constraining Uncertainty of Coarse Dynamics in Hierarchical Reinforcement Learning

S3：通过约束分层强化学习中粗粒度动力学的不确定性进行稳定子目标选择

Kshitij Kumar Srivastava, Kshitij Jerath

机构 * University of Massachusetts, Lowell（马萨诸塞大学洛厄尔分校） 纠错

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

AI总结 研究分层强化学习中高层智能体子目标选择问题，提出用粗粒度动力学提供动力学感知内在动机，通过最小化预测不确定性稳定高层策略，经实验验证该方法在非平稳长期环境中表现优于现有方法。

Comments Manuscript accepted to the Eighteenth Workshop on Adaptive and Learning Agents (ALA), at the 25th International Conference of Autonomous Agents and Multi Agent Systems 2026

TRACE: An Operational Reasoning Schema for Auditable Agentic Commitments

TRACE：可审计的智能体承诺的操作推理模式

Edward Y. Chang, Emily J. Chang

机构 * Stanford University（斯坦福大学） ； Quadrivium AI（四元数人工智能） 纠错

专题命中 规划决策 ：agentic(title)；分类 cs.AI

AI总结 本文提出TRACE模式用于记录推理轨迹，通过字段和测试应对推理不在语言模型中的问题，给出参考程序和操作规范，借助记录-消费者契约形成操作接口，通过示例展示应用，贡献了模式及其契约。

Comments 46 pages, 18 tables, 4 figures

FORGE: Towards Functional Tool-Use Generalization via Keypoint Trajectory Reasoning

FORGE：通过关键点轨迹推理实现功能工具使用的泛化

Chuhao Zhou, Liquan Wang, Shuxin Cao, Xiangyu Chen, Yuxuan Hu, Boyu Ma, Animesh Garg, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划决策 ：tool-use(title)；分类 cs.AI

AI总结 研究针对机器人功能工具使用泛化问题，提出FORGE两阶段策略，通过关键点轨迹推理解耦功能推理与动作执行，在七工具击打基准测试中，对未见工具表现优于现有方法，平均成功率显著提升。

Comments 15 pages, 8 figures, 6 tables

Context-Aware RL for Agentic and Multimodal LLMs

上下文感知强化学习用于智能体与多模态大语言模型

Peiyang Xu, Bangzheng Li, Sijia Liu, Karthik R. Narasimhan, Pramod Viswanath, Prateek Mittal, Xingyu Fu

机构 * Princeton University（普林斯顿大学） ； UC Davis（加州大学戴维斯分校） 纠错

专题命中 规划决策 ：agentic(title)；分类 cs.CL

AI总结 提出ContextRL方法，通过间接辅助目标（上下文选择奖励）增强大模型在长上下文和多模态任务中的细粒度推理能力，在5个长程基准和12个视觉问答基准上分别提升+2.2%和+1.8%。

Comments 29 pages, 9 figures

AGORA: Can Deliberation and Governance Gates Absorb Participation Bias in Transit Planning?

AGORA: 审议与治理门能否吸收公交规划中的参与偏差？

Jung-Hoon Cho, Cathy Wu

机构 * Department of Civil and Environmental Engineering and Laboratory for Information & Decision Systems, Massachusetts Institute of Technology（土木与环境工程系和信息与决策系统实验室，麻省理工学院） ； Institute for Data, Systems, and Society, Massachusetts Institute of Technology（数据、系统与社会研究所，麻省理工学院） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.LG

AI总结 提出AGORA框架，通过固定网络、需求和求解器，系统变化会议组成、结构化审议和治理门，发现审议是参与影响结果的关键机制，治理门可压缩跨剖面方差，将参与偏差从不可控输入重构为过程设计问题。

Aerial Wildfire Suppression Planning with a Hybrid CNN-Cellular Automata Fire Model

基于混合CNN-元胞自动机火灾模型的空中野火抑制规划

Ion Matei, Maksym Zhenirovskyy, Takuya Kurihana, Rohit Vupala, Anthony Wong

机构 * Space Data Frontiers Research Center（空间数据前沿研究所以） ； Fujitsu Research of America（富士通美国研究院） 纠错

专题命中 规划决策 ：planning(title)；分类 cs.LG

AI总结 提出结合混合神经-元胞自动机野火模型与梯度优化空中投放的框架，通过蒙特卡洛采样和空间相关扰动量化不确定性，案例验证可生成有效抑制方案。

Why2Speak: Faithful Reasoning for Abstaining Action Policies

Why2Speak：弃权（不执行）策略的忠实推理

Shreya Mendi, Brinnae Bent

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

AI总结 该研究针对智能体需在行动与弃权间选择的问题，以多方对话干预为场景，对比多种策略，发现能力与可审计性的权衡，分析现有方法缺陷并提供监督评估的控制方法。

Ansari: A Retrieval-Grounded Islamic AI Assistant -- Architecture, Deployment, and Lessons from 140,000 Conversations

Ansari：基于检索的伊斯兰AI助手——架构、部署及14万次对话的经验教训

M Waleed Kadous, Amr Elsayed, Abdullah Al Nahas, Ashraf Haress

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

AI总结 本研究推出基于检索的伊斯兰AI助手Ansari，其经多平台部署后处理14万次跨语言对话，在IslamicMMLU等基准中表现优异，为信仰敏感型LLM部署提供了经验。

Comments 10 pages, 1 figure, 3 tables. Live system: this https URL (https://askansari.ai). Code: this https URL (https://github.com/ansari-project)

Inducing Task Models from Computer-Use Traces

从计算机使用轨迹中诱导任务模型

Yucheng Jiang, Zora Zhiruo Wang, Ruishi Chen, Diyi Yang

机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 该研究提出TMI方法，可从计算机使用轨迹中分离并发任务并诱导结构化任务模型，在恢复交织任务、重构执行步骤及提升任务准确率上均优于现有基线。

Second Thought: Reasoning in Parallel as LLM Agents Act and Observe

Second Thought：LLM智能体行动与观察时的并行推理

Zhensu Sun, Chengran Yang, Yunbo Lyu, Jieke Shi, David Lo

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

AI总结 本文提出无需训练的推理框架Second Thought，利用LLM智能体行动与观察的空闲窗口并行推理，在多基准测试中降低轮次、减少主线程解码量，且Pass@1表现优于计算匹配对照组。

Training AI Scientists to Replicate Research

训练AI科学家以实现研究的可复现性

Damon Falck, Samer Sabri, Anja Surina, Thom Foster, Anya Sims, Sam Devlin, Dylan Rogers, Tantum Collins, Kaloyan Aleksiev, Louis Kirsch, Edward Hughes

机构 * Inherent（因赫伦特） 纠错

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

AI总结 本研究开发了可扩展的论文复现任务空间Replica，后训练出270亿参数的AI科学家Faraday，其在复现任务上表现优于Claude Opus 4.8和GPT-5.5，为长期科学创新AI智能体奠定基础。

Comments 47 pages, 12 figures

Preference Tree Optimization: Enhancing Goal-Oriented Dialogue with Look-Ahead Simulations

偏好树优化：通过前瞻模拟增强面向目标的对话

Lior Baruch, Moshe Butman, Kfir Bar, Doron Friedman

机构 * Reichman University（赖希曼大学） ； School of Computer Science（计算机科学学院） ； School of Communications（传播学院） 纠错

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

AI总结 本研究提出偏好树优化（PTO）框架，结合带前瞻的偏好树与直接偏好优化（DPO），在动机访谈领域通过虚拟患者等模拟对话生成偏好数据，训练的对话智能体在关键指标上优于基线。

Comments 13 pages, 4 figures. Accepted at an ICLR 2025 workshop

Knowing You Is Everything: LLM Agents Achieve Near-Perfect Profile-Consistent Reaction Prediction in Social Media Simulation

了解你就是一切：LLM智能体在社交媒体模拟中实现近乎完美的个人资料一致反应预测

Ljubisa Bojic, Ljiljana Matic, Joerg Matthes, Milan Cabarkapa, Bojana Dinic, Jue Wang

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

AI总结 本研究通过基准测试12种LLM配置，发现其在社交媒体反应预测中表现优异，可用于推荐系统压力测试，同时也揭示了大规模合成智能体群对公众意见的潜在威胁。

Comments 28 pages, 6 figures

Visualizing Graph-to-Answer Mechanism Recovery in Materials-Science Hypothesis Generation

材料科学假说生成中从图到答案的机制恢复可视化

Shashwat Sourav, Subhadeep Pal, Markus J. Buehler, Sanjay Das, Fiona Y. Wang, Dominik Soos, Tirthankar Ghosal

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； UniverseTBD ； Massachusetts Institute of Technology（麻省理工学院） ； Old Dominion University（奥多明尼昂大学） 纠错

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

AI总结 本研究针对适配的 Qwen3-8B 模型 Graph-PRefLexOR-8B，构建可视化诊断工作流以追踪材料科学假说生成的图到答案机制，发现机制恢复集中于后期合成及答案起始层，可助力相关人员识别假说的机制支持变化。

MultiGlobeQA: A Multilingual and Globally Diverse Benchmark for Geospatial Reasoning

MultiGlobeQA：面向地理空间推理的多语言且全球多样化基准

Martin Böckling, Elizaveta Nosova, Heiko Paulheim, Andreea Iana

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

AI总结 MultiGlobeQA是覆盖201个国家地区的多语言地理空间推理基准，含46060个问答对，实验发现LLMs在网格索引等任务上表现差，计算是瓶颈且低收入地区表现差距大。

Internalizing Academic Writing Workflows for Introduction Generation via Struct-Aware Policy Learning

通过结构感知策略学习内化学术写作工作流以生成引言

Meicong Zhang, Tiancheng Su, Jiahao Cheng, Guoxiu He, Xinqi Tao, Dejia Song

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

AI总结 该研究针对LLM生成论文引言的挑战，提出StructPO框架将多阶段写作工作流内化为单遍策略，实验显示其在语义对齐等指标上优于基线，泛化性好且与GPT-5.1性能相当。

From fragmented data to actionable design: Physics-calibrated learning for plastic upcycling

从碎片化数据到可操作的设计：用于塑料升级再造的物理校准学习

Jingyang Bai, Zijia Wang, Xiangyi Long, Marcos Millan, Binjian Nie, Mingyue Ding

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

AI总结 本研究开发PC-MG-MoE框架，将塑料升级再造的碎片化实验数据转化为可操作指导，在严格验证下误差最低，可支持跨实验室异质性下的工程筛选与实验规划。

HOBA: Hierarchical On-Policy Bidding Agents for Adaptive Online Advertising

HOBA：用于自适应在线广告的分层策略性投标代理

Ji Wu, Yunshan Peng, Wentao Bai, Yunke Bai, Wenzheng Shu, Jinan Pang, Yanxiang Zeng, Xialong Liu

机构 * Kuaishou Technology（快手科技） 纠错

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

AI总结 针对在线广告投标系统问题，提出 HOBA 分层强化学习框架，在三个时间尺度解耦相关环节，通过实验验证其优于现有基线，大规模在线部署实现目标成本提升 3.6%，证明该范式有效。

Comments 10pages,accepted by KDD 2026 ads track

PoTRE: Test-Time Reasoning inspired by Cognitive Heterogeneity

PoTRE：受认知异质性启发的测试时推理

Anmol Kankariya, Sercan Ö. Arık

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

AI总结 研究针对大语言模型复杂推理难题，提出PoTRE异构框架，将推理解耦为四个智能体，经任务自适应聚合层协调，在三个前沿基准测试中评估，在HLE上达最优准确率，以相似或更少令牌提升推理性能。

Comments Accepted at Transactions on Machine Learning Research (TMLR 2026)

Journal ref Transactions on Machine Learning Research, 2026

Mach-Mind-4-Flash Technical Report

马赫思维-4-闪技术报告

Foundation Model Team

机构 * Li Auto Inc（理想汽车公司） 纠错

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

AI总结 马赫思维-4-闪是含3B激活参数的35B参数专家混合智能体模型，通过训练后优化及可扩展交互环境提升性能。其流程含三个阶段，在多个基准测试中成绩优异，以低推理成本领先或匹配数倍激活规模模型。

Risk-Aware General-Utility Markov Decision Processes

风险感知通用效用马尔可夫决策过程

Pedro P. Santos, Fábio Vital, Alberto Sardinha, Francisco S. Melo

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

AI总结 研究风险感知通用效用马尔可夫决策过程，聚焦熵风险度量，提出基于蒙特卡洛树搜索的方法，可解决该过程并达任意精度，实验表明此方法在多种任务的GUMDPs中优化风险感知行为时成功。

Multi-Modal, Multi-Environment Machine Teaching for Robust Reward Learning

用于稳健奖励学习的多模态、多环境机器教学

Ali Larian, Qian Lin, Chang Zong Wu, Daniel S. Brown

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

AI总结 研究自主智能体在多环境下奖励学习问题，提出分层机器教学算法，先选信息丰富环境，再查询低成本反馈，实验表明该方法比统一教学基线有更低遗憾值和更强泛化能力，凸显多环境多模态教学对稳健奖励学习的重要性。

Comments Accepted to RLC 2026. Conference paper

Persuasion Attacks Can Decrease Effectiveness of CoT Monitoring

说服攻击会降低思维链监测的有效性

Jennifer Za, Julija Bainiaksina, Nikita Ostrovsky, Tanush Chopra, Victoria Krakovna

机构 * LASR Labs（LASR实验室） ； University College London（伦敦大学学院） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 研究 CoT 监测在对抗性说服攻击下的有效性，设计评估框架发现其单独使用不足以抵御攻击，引入事实核查监测框架，不同模型家族配对可有效减少违反政策行动批准，为 CoT 监测抗攻击提供有力缓解措施。

Comments 25 pages, 10 figures