AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
NSF-HRPT：神经语义场结合分层风险感知树的安全关键场景评估方法
机构 * Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 该研究提出NSF-HRPT框架，结合神经语义场与分层风险感知树，引入Sim2Real策略，实现单目视觉输入下安全关键场景的高效风险评估，在合成与现实数据集上均取得优异性能。
Comments 13 pages, 5 figures
助力音乐协同创作智能体“良好聆听”：用于理解与生成的分层自监督世界模型
机构 * Belmont University（贝尔蒙特大学）
专题命中 规划决策 ：agent(abstract)；workflow(abstract)；分类 cs.LG
AI总结 本研究提出分层自监督世界模型，通过Swin V2编码器与条件流匹配模型构建协同音乐创作智能体，提升了和弦与调式检测准确率，可快速生成音乐建议并支持交互演示。
Comments 20 pages, 14 figures. A 6-page version was submitted to the NeurIPS 2026 Creative AI Track. Supplemental website with listening examples: https://drscotthawley.github.io/midi-rae-jepa-son/. Live demo: https://drscotthawley-midi-rae-jepa-son.hf.space/
用于道德决策的契约论论证框架
机构 * Hospital del Mar Research Institute（德尔马医院研究所） ； Ghent University（根特大学） ； imec（imec研究院）
专题命中 规划决策 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 该研究针对自主智能体在共享环境中需处理冲突利益的道德决策问题，提出基于Scanlon契约论的、扩展了价值过滤的ASPIC+契约论论证框架，经实例验证其有效性并探讨了与现有方法的关联。
Comments 9 pages; to appear in the proceedings of the Fourth International Workshop on Value Engineering in AI (VALE 2026)
基于多模态记忆压缩的长视野具身决策
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Northwestern University（西北大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.CL
AI总结 该研究提出DunphyBench基准用于评估长视野具身决策，发现当前智能体与人类表现存在差距，设计了MeMento记忆压缩器，使VLM驱动智能体准确率提升7.18%且内存使用降低85.38%。
用小型策略模型个性化大型语言模型智能体
专题命中 规划决策 ：agent(abstract)；tool-use(abstract)；分类 cs.AI
AI总结 本研究提出轻量级策略层FABLE，通过在线学习用户执行策略实现LLM智能体个性化，在多类评估中改进偏好敏感行为且保持端到端任务性能。
Auto-JEPA：面向端到端自动驾驶的连续意图隐式世界模型
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 Auto-JEPA是面向端到端自动驾驶的连续意图隐式世界模型，通过联合嵌入预测学习未来驾驶意图，无需密集未来世界建模，在NAVSIM数据集上取得优异规划性能，可聚焦规划相关视觉特征。
为生成式AI（GenAI）搭建批判性参与支架：在提示工程任务中转变少数民族预科生的协作话语
专题命中 规划决策 ：planning(abstract)；workflow(abstract)；分类 cs.AI
AI总结 该研究针对中国78名少数民族预科生，通过整合人在回路工作流等的GenAI课程，帮助学生转变对GenAI的依赖，提升提示自我效能，培养其人机协作的批判性认知能动性。
Comments Accepted as a full paper by the 27th International Conference on Artificial Intelligence in Education (AIED 2026)
基准测试如何错误评估计算机使用智能体
机构 * Georgia Institute of Technology（佐治亚理工学院） ； North Carolina State University（北卡罗来纳州立大学） ； Lenovo AI Technology Center（联想人工智能技术中心） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Marquette University（马凯特大学） ； Fudan University（复旦大学）
专题命中 规划决策 ：planning(abstract)；workflow(abstract)；分类 cs.AI
AI总结 该研究指出计算机使用智能体的基准测试分数存在可靠性问题，审计150条轨迹发现15.3%的“失败”判定错误，进而推导了CUA评估各阶段的设计规则。
世界动作规划器：基于动作条件世界模型的通用决策方法
机构 * Harvard University（哈佛大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 本研究提出World Action Planner机器人规划系统，结合VLMs与多任务位姿图像条件世界模型，可迭代优化动作规划，在组合任务、新布局等场景中泛化性能优于VLAs、WAMs等端到端策略模型。
Comments Project page at worldactionplanner.github.io
技能使用还是技能表演？评估技能增强型语言智能体中的推理后台
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本研究针对技能增强型语言智能体，提出BACKTRACE评估框架及BACKROOMBench测试平台，发现其存在推理后台现象，即技能使用声明与实际决策影响存在系统性差距，需通过干预进行审计。
Comments 21 pages
CaM-Wolf：面向社交推理游戏的因果感知多模态智能体
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 该研究针对现有SDG智能体多模态特性缺失的问题，提出首个整合多模态感知生成的CaM-Wolf，经实验验证其游戏性能与交互质量均有提升。
Comments Accepted by ACMMM 2026
NEXT：通过视觉语言模型进行推理驱动的视频推荐
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 研究提出推理驱动的视频推荐框架NEXT，通过对用户已观看视频推理推断其下一个意图来检索后续视频。训练NEXT-8B视觉语言模型，在DocVQA性能上表现出色，在特定评估中提升下一个意图逻辑质量，部署后带来生产收益，证明其可作为实用推理引擎。
Comments 13 pages, 2 figures, 5 tables
在机器人化学实验室中对大型语言模型智能体进行压力测试
专题命中 规划决策 ：planning(abstract)；workflow(abstract)；分类 cs.AI
AI总结 研究以机器人化学实验室为测试平台，使科学智能可衡量，通过4608次试验发现工作流程执行率低、长期规划有挑战，反馈促使局部调整，提供了部署评估及改进诊断框架。
HydroAgent：将预报员专业知识形式化为技能编排的洪水预报工作流程
专题命中 规划决策 ：agent(abstract)；workflow(abstract)；分类 cs.LG
AI总结 研究针对业务洪水预报中隐性预报员专业知识难形式化等问题，提出HydroAgent框架，将大语言模型嵌入洪水预报工作流程，经实验验证其有效性，能转化隐性知识为可审核流程，辅助决策并展示规则引导语言模型推理补充物理模拟的作用。
在职学习：从部署反馈中对冻结权重智能体进行持续学习
机构 * The Memory Company（记忆公司）
专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究人工智能冻结权重智能体如何从部署反馈中持续学习，核心方法是将冻结模型与外部记忆配对，主要贡献是通过该方法在银行领域任务中提升成功率，解决多个基线未解决任务，且结果可跨模型，记忆可迁移，相关内容已发布。
GuardianAgentBench：智能体何处失败及如何防范
机构 * Vectara, Inc.（Vectara公司） ； Anthropic（Anthropic公司） ； OpenAI（OpenAI公司） ； Google DeepMind（谷歌DeepMind） ； DeepSeek-AI（DeepSeek人工智能公司）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究大语言模型智能体安全可靠行为问题，提出GuardianAgentBench基准测试，含多阶段验证和攻击模式。实验发现模型有两种失败模式，性能随工具集和轮次深度下降。护栏实现优于系统提示防御，证明执行时结构干预可提升安全性且不影响正确行为。
DWM：在潜在世界模型中分离世界效应与动作
机构 * Peking University（北京大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究在潜在世界模型中分离世界效应与动作的问题，提出DWM框架，通过辅助世界头和正交性约束实现预测转换的显式加法分解，在构建的W变体基准测试中取得更好效果。
BatchDAG：用于企业数据上可扩展即席分析的大语言模型规划执行图
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究针对企业数据跨实体分析问题，提出BatchDAG系统，大语言模型生成操作DAG，经确定性引擎评估。通过实体感知批处理优化，减少大语言模型调用。实验显示其质量高、溯源性好，能高效处理查询，是通用编排层替代手工工作流程。
Comments 9 pages, 2 figures, 9 tables
经验基础提升了在干扰期间模拟人类行为的大语言模型智能体的现实性
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究探讨经验基础对提升LLM智能体模拟人类行为现实性的作用，开发基于经验的框架，将多项调查数据嵌入其中，通过实验验证该框架能显著提升模拟效果，使LLM智能体成为更具统计可信度的人口行为模拟器。
通过强化学习增强个性化膀胱癌治疗：一种循环患者状态转换决策支持框架
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.LG
AI总结 研究针对膀胱癌复发性疾病治疗需个性化决策的问题，提出集成预测状态转换建模、马尔可夫决策过程和深度Q网络强化学习环境的框架，能动态制定治疗计划，经评估效果良好，凸显其作为个性化膀胱癌治疗规划决策支持框架的潜力。
社会模拟中生成式智能体的步骤级偏好学习
机构 * Shanghai Qi Zhi Institute（上海期智研究院） ； Xiongan AI Institute（雄安人工智能研究院） ； Tsinghua University（清华大学） ； CUHK-Shenzhen（香港中文大学（深圳）） ； USTC（中国科学技术大学） ； Sun Yat-sen University（中山大学）
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究基于大语言模型的生成式智能体模拟人类行为时中间步骤注释稀缺问题，引入交互式模拟界面收集步骤级人类偏好监督，经监督微调算法和直接偏好优化方法进行步骤级偏好学习，提升模拟效果，证明步骤级人类监督是有效训练信号。
Comments WAICA2026
迈向可信自主科学：两年社区路线图
机构 * U.S. Department of Energy, Office of Science, Office of Advanced Scientific Computing Research（美国能源部科学办公室高级科学计算研究办公室）
专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 该研究针对自主科学领域发展现状及问题，更新路线图围绕七个维度，评估原有里程碑并新增四个，规划两年发展路径，第一年聚焦接口等搭建验证框架，第二年针对联盟等，强调基层网络的互操作性。
人工智能中最小自主性理论
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究智能代理人工智能系统权限控制问题，提出最小自主性理论，通过定义组合爆炸半径、有向代理影响图及勾结谓词，实现对系统中行动结构分离、代理影响及授权组合等的衡量与检测。
通过有限自动机上的高效推理实现扩散语言模型的约束解码
机构 * Stanford University（斯坦福大学）
专题命中 规划决策 ：planning(abstract)；function calling(abstract)；分类 cs.LG
AI总结 研究扩散语言模型的约束解码问题，提出基于有限自动机高效推理的算法，能保证约束满足，支持多种解码方式，经实验验证在多种任务上提升准确率且推理开销小。
拟阵的切线类与美妙紧化
机构 * Stanford University（斯坦福大学）
专题命中 规划决策 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文针对无环拟阵 \(M\) 及特定构建集 \(\mathcal{G}\) 构造整切线类 \(T_{M,\mathcal{G}}^{\mathbb{Z}}\)，可恢复周环希尔伯特级数等。主体由人工智能达努斯自主生成，在相关论文公开前解决问题，展现了AI在数学研究中的潜力。
Comments v2: added reference to Danus report [Liu et al., arXiv:2607.06447] and minor edits
MetaSkill-Evolve：基于双时间尺度元技能演化的大语言模型智能体递归自改进方法
机构 * LMU Munich（慕尼黑大学） ； The Chinese University of Hong Kong（香港中文大学） ； MCML ； MemAgents Lab（MemAgents实验室）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 针对现有自改进智能体演化非递归的局限，提出双时间尺度框架，任务技能与元技能分层递归演化，在三类基准上显著提升测试精度。
临床记录的多大型语言模型编排严重程度评估（MOSAIC）
机构 * Department of Drug Design and Pharmacology, University of Copenhagen（哥本哈根大学药物设计与药理学系） ； GSK（葛兰素史克） ； School of Pharmacy, University of Rhode Island（罗德岛大学药学院）
专题命中 规划决策 ：agent(abstract)；agentic(abstract)；分类 cs.CL
AI总结 研究用MOSAIC这一两阶段智能语言模型框架对2型糖尿病严重程度进行表型分析，以合成队列评估其与多种算法真值对比情况及全因死亡率等，结果显示该框架有优势，智能分类与固定规则执行不同。
具身算子与基准测试：迈向可复用和可部署的具身智能系统
机构 * JDT ； Tsinghua University（清华大学） ； Tianjin University（天津大学） ； Beihang University（北京航空航天大学）
专题命中 规划决策 ：planning(abstract)；workflow(abstract)；分类 cs.AI
AI总结 研究具身智能系统中可复用功能模块即具身算子，明确其定义边界、构建分类法，提出多维度基准框架，探讨加速及挑战，为具身智能系统提供基础。
理解图世界模型中的展开误差
机构 * Emory University（埃默里大学） ； The University of Tokyo（东京大学） ； LocationMind
专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文研究图世界模型中的长时域展开误差，提出统一框架分析拓扑与模型引起的误差放大，并设计误差感知图世界模型，通过谱正则化、展开一致性和关键节点加权防止长时域发散。
Comments Under Review
自主实验室协调器的最优资源利用
机构 * National Institute of Standards and Technology（美国国家标准与技术研究院）
专题命中 规划决策 ：AI agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对自主实验室中多仪器硬件约束下的资源利用问题，提出两步法：先用约束规划找到最小化总时间的最优调度，再通过状态依赖系统鲁棒执行调度。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈