AI Agent

EHRAgent: Code Empowers Large Language Models for Few-shot Complex Tabular Reasoning on Electronic Health Records

Wenqi Shi, Ran Xu, Yuchen Zhuang, Yue Yu, Jieyu Zhang, Hang Wu, Yuanda Zhu, Joyce Ho, Carl Yang, May D. Wang

专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；tool-use(abstract)；planning(abstract)

Comments Accepted in EMNLP 2024 main conference

Large Language Model based Multi-Agents: A Survey of Progress and Challenges

Taicheng Guo, Xiuying Chen, Yaqi Wang, Ruidi Chang, Shichao Pei, Nitesh V. Chawla, Olaf Wiest, Xiangliang Zhang

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

Comments This work is ongoing and we welcome your contribution!

An In-depth Survey of Large Language Model-based Artificial Intelligence Agents

Pengyu Zhao, Zijian Jin, Ning Cheng

专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；tool use(abstract)；planning(abstract)

A Practical Guide to Multi-Objective Reinforcement Learning and Planning

Conor F. Hayes, Roxana Rădulescu, Eugenio Bargiacchi, Johan Källström, Matthew Macfarlane, Mathieu Reymond, Timothy Verstraeten, Luisa M. Zintgraf, Richard Dazeley, Fredrik Heintz, Enda Howley, Athirai A. Irissappane, Patrick Mannion, Ann Nowé, Gabriel Ramos, Marcello Restelli, Peter Vamplew, Diederik M. Roijers

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

Journal ref Auton Agent Multi-Agent Syst 36, 26 (2022)

WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents

Zile Qiao, Guoxin Chen, Xuanzhong Chen, Donglei Yu, Wenbiao Yin, Xinyu Wang, Zhen Zhang, Baixuan Li, Huifeng Yin, Kuan Li, Rui Min, Minpeng Liao, Yong Jiang, Pengjun Xie, Fei Huang, Jingren Zhou

机构 * Tongyi Lab , Alibaba Group（通义实验室，阿里巴巴集团） 纠错

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

Comments https://tongyi-agent.github.io/blog/introducing-tongyi-deep-research/

Approximate Computing for Robotic path planning -- Experimentation, Case Study and Practical Implications

Hrishav Bakul Barua

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

Comments Approximate Computing, Multi-robot Systems, Multi-agent Systems, Good Enough Computing, Green Computing, Robot Path Planning, Energy-Efficient Computing

Agentic World Analysis (AWA) - an alternative way to explore systems and support decision making

智能体世界分析（AWA）——一种探索系统与支持决策的替代方法

Yongchao Zeng, Alexey Voinov, Calum Brown, Tatiana Filatova, Mark Rounsevell

专题命中 规划决策 ：agentic(title,abstract)

AI总结 该研究提出智能体世界分析（AWA）方法，结合模拟建模与专家征询，实现生成式智能体世界引擎（WEGA），并以荷兰氮危机为例验证其功能，生成两条未来路径供评估。

From Dialogue to Execution: Mixture-of-Agents Assisted Interactive Planning for Behavior Tree-Based Long-Horizon Robot Execution

从对话到执行：基于混合代理的交互式规划用于基于行为树的长时域机器人执行

Kanata Suzuki, Kazuki Hori, Haruka Miyoshi, Shuhei Kurita, Tetsuya Ogata

机构 * Waseda University（早稻田大学） ； National Institute of Informatics（国家信息研究所） ； NII Research and Development Center for Large Language Models（国家信息研究所大型语言模型研究开发中心） ； The Graduate University for Advanced Studies (SOKENDAI)（高级研究大学研究生院（SOKENDAI）） 纠错

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

AI总结 本文提出基于混合代理的交互式规划框架，通过生成行为树实现长时域机器人任务的高效执行，减少人类干预并提升执行质量。

TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning

TRACE：一种用于高效智能体强化学习的统一展开预算分配框架

Heming Zou, Qi Wang, Yun Qu, Yuhang Jiang, Lizhou Cai, Yixiu Mao, Ru Peng, Xin Xu, Weijie Liu, Kai Yang, Saiyong Yang, Xiangyang Ji

机构 * Tsinghua University（清华大学） ； Tencent（腾讯） 纠错

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

AI总结 针对多轮智能体强化学习中奖励对比度不足的问题，提出TRACE框架，通过将每个ReAct式思考-行动-观察步骤建模为语义节点，在固定采样预算内将预算分配到提示根和中间前缀，增强奖励对比，提升策略更新信号。

Comments Accepted by EMNLP 2026 Main Conference, 32 pages, 12 figures, 6 tables

EnvHarness: Awakening Static Worlds for Agent Learning

EnvHarness：为智能体学习唤醒静态环境

Chengsong Huang, Zifeng Wang, Rujun Han, Jun Yan, Yanfei Chen, Zoey CuiZhu, Ke Jiang, Peng Xia, Han Yu, Yufan Zhuang, Yifei Ming, Jiaqi Pan, Bhavana Dalvi Mishra, Jiaxin Huang, Burak Gokturk, Tomas Pfister, Chen-Yu Lee

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

AI总结 EnvHarness是包裹静态环境的可编程插件层，结合EnvRigger自动合成组件，在多领域基准测试中提升智能体学习性能，减少执行步骤并支持策略与环境协同进化。

DELIVER: A System for LLM-Guided Coordinated Multi-Robot Pickup and Delivery using Voronoi-Based Relay Planning

Alkesh K. Srivastava, Jared Michael Levin, Alexander Derrico, Philip Dames

机构 * Department of Mechanical Engineering, Temple University（机械工程系， Temple 大学） 纠错

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

Comments Submission under review at the 2026 IEEE/SICE International Symposium on System Integration (SII 2026)

ClawGym II: Exploring Black-Box RL on Agent Harness

ClawGym II：探索智能体控制框架下的黑盒强化学习

Huatong Song, Fei Bai, Ming Yang, Renyuan Li, Jia Deng, Jujie He, Zhange Zhang, Daixuan Cheng, Yan Xing, Qi Yun, Xuxing Chen, Danyang Li, Feng Chang, Chuan Hao, Ran Tao, Jian Yang, Bryan Dai, Wayne Xin Zhao, Mingjie Tang, Ji-Rong Wen

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； IQuest Research（智臻研究） 纠错

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

AI总结 本研究提出统一黑盒强化学习框架，通过沙箱基础设施、前缀树轨迹重建等技术，实现通用智能体的稳定可扩展优化，在ClawGym-Bench等任务上取得性能提升。

Semantic- and Density-Aware Planning for Accessibility-Preserving Multi-Object Placement

面向可访问性保持的多物体放置的语义与密度感知规划

Benno Wingender, Nils Dengler, Nicolas Busch, Sicong Pan, Maren Bennewitz

专题命中 规划决策 ：planning(title,abstract)

AI总结 针对在线多物体货架放置场景，提出SDPP方法，结合语义-密度评分与AM，在提升语义放置质量和货架密度的同时，减少可行位姿识别时间，适用于家庭货架存储场景。

Agentic AI-Enabled Solar-Powered High-Altitude Platforms for Sustainable SAGINs

智能体人工智能赋能的太阳能驱动高空平台用于可持续空天地一体化网络（SAGINs）

Haoxiang Luo, Bang Huang, Mohamed-Slim Alouini

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

AI总结 本研究针对SAGINs的耦合能源需求，提出原生适用于HAP的智能体AI框架，经灾难案例验证，可提升能源效率等性能，为SAGINs可持续发展提供关键方向。

Rethinking Agent Security as a Networking Problem

将智能体安全重新思考为一个网络问题

Van Tran, Taveesh Sharma, Tajveer Singh Dhesi, Nick Feamster

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

AI总结 该研究针对现有以智能体为中心的安全防御无法可靠防范AI智能体风险的问题，借鉴网络领域原则，提出结合确定性执行与语义策略的AI智能体安全系统设计思路。

Beyond Relevance: Bayesian Evidence Acquisition for Agentic Whole-Slide Image Reasoning

超越相关性：面向智能体的全切片图像推理的贝叶斯证据获取

Bryan Wong, Xun Xu, Huazhu Fu, Nancy F. Chen, Mun Yong Yi

机构 * A*STAR（新加坡科技研究局） 纠错

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

AI总结 本研究提出BEACON框架，将WSI推理建模为贝叶斯证据获取问题，通过最大化预期信息增益减少诊断不确定性，在五个WSI-VQA基准的零样本实验中，其性能优于同类无训练智能体框架，提升了证据获取效率。

A-SR: Self-Evolving Agentic LLMs for Symbolic Regression via Hierarchical Coordination

A-SR：通过分层协调实现符号回归的自进化智能体大语言模型

Wenxiao Zhao, Dong Liu, Kaiyi Xu, Feng Liu, Zhen Zhao, Fei Ben, Shu Wang, Wenhao Li, Ying Nian Wu, Fenghua Ling, Haobo Li, Lei Bai

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

AI总结 A-SR是一种自进化智能体框架，通过分层协调实现符号回归，在LLM-SRBench科学领域和真实世界任务上显著提升了符号回归的Acc@0.01和归一化均方误差指标。

Comments 18 pages, 8 figures, including appendix

SCOPE: Field-of-View-Aware Path Planning in Unknown 3D Environments via Safety-Volume Certification

SCOPE：通过安全体积认证在未知三维环境中感知视场的路径规划

Junbin Yuan, Muqing Cao, Yunwoo Lee, Brady Moon, Sebastian Scherer

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Brigham Young University（杨百翰大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 SCOPE是一种在未知3D环境中规划路径的框架，通过安全体积认证实现视场感知，可到达所有目标、减少任务时间，真实机器人演示验证其有效性。

Comments Project website: https://yuanjunbin.github.io/scope-planner/

ETA: A New Agentic Paradigm for Embodied Tasks

ETA：一种用于具身任务的新型智能体范式

Yitong Chen, Zezheng Huai, Sixian Li, Yubang Wang, Haozhe Zhang, Yifei Zhang, Hechang Chen, Jingjing Gong, Yu-Gang Jiang, Xipeng Qiu

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

AI总结 针对当前具身系统泛化依赖训练数据、长时执行难控的问题，提出新型具身任务智能体范式ETA，发布开源实现OpenETA，为Codex提供轻量级插件以支持具身任务处理。

Agentic Reinforcement Learning with Self-Distilled Reward Shaping

具有自提炼奖励塑造的智能体强化学习

Ranxu Zhang, Guinan Chen, Chenshaodong, Jinghao Lin, Xiaozhou Xu, Sunzhe, Yanyong Zhang, Chao Wang

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

AI总结 针对智能体强化学习中稀疏奖励无法分配中间决策信用的问题，提出ADRS框架，通过校准教师分数等提升多轮语言智能体在长时域任务的性能，且增益稳定。

Comments 17 pages,10 figures,11 tables

An Agentic Approach to Metadata Reasoning

元数据推理的代理方法

Jiani Zhang, Sercan O. Arik, Cosmin Arad, Fatma Ozcan, Alon Halevy

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

AI总结 本文提出元数据推理代理，通过检索候选表和自主咨询元数据，有效筛选数据源。在KramaBench和合成基准测试中，其在数据选择和避免低质量数据方面表现优异。

Trajectories That Segment Themselves: Agent-Declared Boundaries as a Training Unit

自分割轨迹：智能体声明边界作为训练单元

Jingxi Wei

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

AI总结 该研究提出智能体声明边界的采集时语义自分割方法，将其作为训练单元，实验表明该分段具有一致性，下游DPO在特定任务中表现优于对照组。

Comments 20 pages, 6 figures, 11 tables. Includes appendices with full controls and ablations

Track-Guided Hierarchical Reinforcement Learning for Autonomous Vehicle Drifting with Minimum-Lap-Time Planning

赛道引导分层强化学习用于最小圈速规划的自动驾驶车辆漂移控制

Sheng Zhao, Bolin Zhao, Xiaodong Wu, Chen Lv

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

AI总结 该研究针对自动驾驶车辆漂移控制的双目标难题，提出TgRL分层强化学习框架，结合最优轨迹规划训练智能体，实现了兼顾控制性能与圈速缩短的漂移竞赛策略。

ACDC: Adaptive Curriculum Planning with Dynamic Contrastive Control for Goal-Conditioned Reinforcement Learning in Robotic Manipulation

ACDC：基于动态对比控制的自适应课程规划用于机器人操控的面向目标强化学习

Xuerui Wang, Guangyu Ren, Tianhong Dai, Bintao Hu, Shuangyao Huang, Wenzhang Zhang, Hengyan Liu

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

AI总结 本文提出ACDC方法，结合自适应课程规划与动态对比控制，提升机器人操控任务中的样本效率和任务成功率。

Comments Withdrawn by the authors after identifying inconsistencies between the described adaptive curriculum and the implementation used to generate the reported experiments, particularly in the success-rate feedback mechanism and replay-weight schedule. These issues require the experiments and conclusions to be reevaluated

The Agency Gap in AI-Supported Writing: How Reactive and Proactive Agent Designs Shape Multimodal Reasoning

AI辅助写作中的主体差距：反应式与主动式智能体设计如何塑造多模态推理

Yueqiao Jin, Kaixun Yang, Roberto Martinez-Maldonado, Dragan Gašević, Lixiang Yan

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

AI总结 该研究针对AI辅助写作中的主体差距，对比反应式与主动式智能体设计的效果，发现主动式设计可强化多模态推理关联，还能缩小AI素养相关的表现差异，为教育AI智能体设计提供了方向。

Agentic AI Autonomy Assessment: A Decision-Support Framework Towards Governed Supply Chain Systems

智能体人工智能自主性评估：面向受治理供应链系统的决策支持框架

Lennart Trumpler, Rodrigo Furlan de Assis, Elias Ribeiro da Silva, Luis Antonio de Santa-Eulalia, Christian Hendriksen

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

AI总结 本文针对智能体人工智能在供应链决策中应用但治理不足的问题，提出AAAA框架，基于用户委托等三维度衡量任务自主性，经模拟游戏测试结构效度，揭示自主性与层级成本关系，为供应链智能体风险评估等提供基础。

Comments 28 pages, 7 figures

RoboHarness: Memory-Driven Orchestration of Heterogeneous Robot Policies for Long-Horizon Planning

RoboHarness：用于长期规划的异构机器人策略的内存驱动编排

Jinbang Huang, Yuanzhao Hu, Zhiyuan Li, Ran Qi, Yixin Xiao, Zhanguang Zhang, Mark Coates, Tongtong Cao, Yingxue Zhang

机构 * Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； University of British Columbia（英属哥伦比亚大学） ； University of Toronto（多伦多大学） ； McGill University（麦吉尔大学） ； Labs（2012实验室） 纠错

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

AI总结 针对长期机器人任务需多种能力、异构策略编排难的问题，提出RoboHarness框架，通过多模态执行内存等表征策略能力边界，经内存桥接稳定策略交接，实验验证其在长期规划和分布外鲁棒性上有显著提升。

Comments 21 pages, 8 figures

Melo: A Production LLM-Powered Music Recommendation Agent

Melo：一个由大语言模型驱动的音乐推荐代理

Shijia Wang, Da Guo, Qiang Xiao, Fanghui Bi, Weisheng Li, Dongjing Wang, Chuanjiang Luo

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

AI总结 研究基于网易云音乐部署的大语言模型驱动音乐推荐代理Melo，针对实体幻觉和长尾退化故障模式，采用推理时实体基础和反思性重试机制，经测试在播放列表留存和参与度指标上有提升，强调运行时机制对推荐进展的重要性。

Journal ref Proceedings of the 20th ACM Conference on Recommender Systems (RecSys '26), September 27-October 02, 2026, Minneapolis, MN, USA

ARBITER: Guarded Agentic Control for SLO-Oriented Kubernetes Remediation

ARBITER：面向服务水平目标的Kubernetes修复的受保护代理控制

Pooyan Habibi, Alberto Leon-Garcia

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

AI总结 研究在Kubernetes微服务上维护SLO的难题，提出ARBITER受保护控制平面，构建因果资源图等，分离规划与执行，支持多种规划方式。通过实验评估其在选择修复操作和下游目标等方面的效果，展示了优于HPA/仅资源控制的性能。

Semi-on-Demand Off-Peak Transit Services with Shared Autonomous Vehicles -- Service Planning, Simulation, and Analysis in Munich, Germany

基于共享自动驾驶车辆的半按需非高峰公交服务——德国慕尼黑的服务规划、模拟与分析

Max T. M. Ng, Roman Engelhardt, Florian Dandl, Vasileios Volakakis, Hani S. Mahmassani, Klaus Bogenberger

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

AI总结 研究基于共享自动驾驶车辆的半按需非高峰公交服务，结合分析建模与模拟方法，探讨德国慕尼黑十条公交线路的服务规划等关键问题，发现SAV可提高服务质量，验证了分析模型，明确最佳SoD设置及过渡阶段的情况。

Comments 38 pages, 10 figures, accepted for publication in Transportation Research Part C: Emerging Technologies. A previous version was presented at the 104th Transportation Research Board Annual Meeting, Washington, D.C

Journal ref Transportation Research Part C: Emerging Technologies, 2026