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。
TRAJDEBUG：追踪错误生命周期以识别长视野智能体轨迹中的关键失败
机构 * Tsinghua University（清华大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent Hunyuan（腾讯混元）
专题命中 规划决策 ：agent(title,abstract)；tool-use(abstract)；agentic(abstract)；分类 cs.AI
AI总结 针对长视野智能体轨迹调试的级联错误与关键错误定位难题，提出TrajDebug框架，构建含486条轨迹的TrajErrBench基准，实验显示其性能优于现有基线，可提供改进智能体的可操作反馈。
EnvACE：通过世界预演内化环境动态以实现智能体强化学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Sun Yat-sen University（中山大学） ； Central South University（中南大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent Inc.（腾讯公司）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.AI
AI总结 本文提出 EnvACE 方法，以世界预演替代外部环境交互训练 LLM 智能体，在多基准测试中性能优于基线，可突破外部环境约束扩展 LLM 智能体训练。
GrandCode: 通过代理强化学习实现竞技编程的Grandmaster级别
机构 * DeepReinforce Team（DeepReinforce 团队）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出GrandCode，一种用于竞技编程的多代理强化学习系统，通过代理模块协同训练和代理GRPO算法，实现了在竞技编程比赛中超越人类选手的突破。
Comments Tech Report; Pre-print
EmpaAva：开源智能体式3D化身共情实时聊天机器人
机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； University of Oxford（牛津大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.CL
AI总结 该研究提出首个开源智能体式3D化身共情聊天机器人EmpaAva，通过三智能体架构实现闭环多模态交互，在评估中优于多款基准模型，将开源并提供在线演示。
Comments Project&Demo: https://empaava.top/
TopoChunker：基于拓扑的代理文档分块框架
机构 * Independent Researcher（独立研究者）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract,abstract_cn)；分类 cs.CL
AI总结 本文提出TopoChunker，通过结构化中间表示保留跨段依赖，提升RAG的结构感知能力，实验显示其在生成准确率和召回率上优于现有方法，同时降低token开销。
Comments Accepted by NLPCC 2026
stratum: 一种支持大规模基于代理的机器学习工作负载的系统基础设施
机构 * BIFOLD & TU Berlin（BIFOLD与柏林技术大学）
专题命中 规划决策 ：agent(title)；autonomous agent(abstract)；planning(abstract)；agentic(abstract)
AI总结 stratum是一种支持大规模基于代理的机器学习工作负载的系统基础设施，通过解耦流水线执行与规划推理，提升大规模代理流水线搜索效率。
Comments Accepted at PVLDB 2026 (Vol. 19, No. 11). Artifact available on GitHub
Journal ref Proc. VLDB Endow. 19(11): 3799-3806, 2026
ToolLIFT：将工具特定轨迹提升为函数级图以实现可泛化的工具规划
专题命中 规划决策 ：planning(title,abstract)；tool-use(abstract)；workflow(abstract)；分类 cs.AI
AI总结 本文提出ToolLIFT框架，通过将工具特定轨迹提升为函数级工作流图，实现了更具泛化性的工具规划，在多个基准上优于现有方法，对未见过的工具集泛化能力强。
NeSyFS：部分可观测场景下LLM智能体的神经符号快慢思考框架
专题命中 规划决策 ：agent(title,abstract)；autonomous agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 该研究针对部分可观测场景下LLM智能体的决策挑战，提出NeSyFS神经符号快慢思考框架，结合知识图谱、TSMC算法与反思模块，在三个基准测试中表现优于现有方法。
开放数字孪生生态中可验证AI智能体的神经符号参与治理
专题命中 规划决策 ：AI agent(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 该研究针对开放数字孪生生态中AI智能体的验证需求，提出神经符号去中心化治理框架，结合神经推理与制度治理，通过区块链智能合约实现可审计参与，经原型验证可管控开销下保障合规协作。
Comments Accepted at the 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC 2026), Bellevue, WA, USA, October 4-7, 2026. 7 pages, 1 figure, 5 tables. Code: https://github.com/weicaiuw/verigov-ai (DOI: 10.5281/zenodo.21706699)
动态环境下基于学习的运动规划：从基础算法到新兴范式
机构 * College of Information Science and Technology, Jinan University（暨南大学信息科学技术学院） ； University of Connecticut（康涅狄格大学） ； Guangzhou Maritime University（广州海事大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Wuyi University（五邑大学） ； South China University of Technology（华南理工大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本综述回顾2015至2025年动态环境下基于学习的运动规划代表性研究，提出学习作用分类法，分析相关影响因素，探讨安全可验证规划等开放挑战与未来方向。
用于自主量子传感实验中科学推理的智能体人工智能
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 该研究围绕大语言模型智能体实现用于金刚石中NV中心自主实验的智能体人工智能工作流程，主要贡献为展示自主实验流程，引入离线基准评估智能体推理，结果表明自主实验中智能体与代码分工明确，智能体负责假设和数据评估，代码控制硬件与执行安全约束。
Comments 11 pages, 4 figures + Supplementary Information
SCAIR：用于企业知识图谱的模式条件代理迭代推理
机构 * University of Stuttgart（斯图加特大学） ； Bosch Center for AI（博世人工智能中心） ； University of Oslo（奥斯陆大学） ； University of Southampton（南安普顿大学） ； BSH Home Applications Holding (China) Co., Ltd（博西华家用电器有限公司（中国）） ； Tsinghua University（清华大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对现有方法在企业知识图谱应用的局限，提出SCAIR无训练框架，集成结构化规划与受控迭代推理，通过模式条件结构先验等提升性能，强调企业图推理要结合领域约束，与业务逻辑对齐可增效。
Comments Accepted at ACL 2026 Industry Track
EmoAgent-R1：基于强化学习的动态智能体专业化实现多模态情感理解
机构 * Guangdong University of Technology（广东工业大学） ； Southern University of Science and Technology（南方科技大学） ； Xi’an Jiaotong University（西安交通大学） ； Guizhou Provincial Laboratory of Big Data, State Key Laboratory of Public Big Data, Guizhou University（贵州大学大数据省级重点实验室、公共大数据国家重点实验室）
专题命中 规划决策 ：agent(title,abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究针对现有多模态情感识别方法忽视情感源动态性和复杂性的问题，提出基于强化学习的动态智能体专业化框架EmoAgent-R1，采用冷启动策略和两步智能体工作流程训练，并用P-GRPO优化，实验证明其在情感推理性能和优化稳定性上更优。
从心智到机器：Manus AI作为完全自主数字代理的崛起
机构 * Department of Electrical and Computer Engineering, Virginia Tech（弗吉尼亚理工学院电气与计算机工程系） ； Department of Computer Science, Brown University（布朗大学计算机科学系） ； Department of Computer Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Khoury College of Computer Sciences, Northeastern University（东北大学科里尔计算机科学学院）
专题命中 规划决策 ：agent(title,abstract)；AI agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 Manus AI是一款通用人工智能代理，结合大语言模型的推理与规划能力，执行复杂任务并产生实际成果，本文全面介绍了其技术架构、跨行业应用及未来潜力。
通过新闻工作流程对智能新闻写作进行基准测试
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Sony Group Corporation（索尼集团）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究智能体在新闻写作工作流程中的表现，引入NEWSAGENT基准，给定写作指令和部分材料，评估智能体搜索、选信息及改草稿能力，发现其检索事实尚可，但规划和叙事整合有困难，为评估智能体能力提供现实测试平台。
Comments Accepted to Findings of ACL 2026
ToolVerse：为智能强化学习解锁大规模环境和长时任务
机构 * LongCat Interaction Team, Meituan（美团长猫互动团队） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Wuhan University（武汉大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.AI
AI总结 研究针对LLM智能体在复杂环境中工具集成问题，提出ToolVerse框架。通过构建大规模训练环境、设计任务策略及提出新算法，经实验验证该框架能增强LLM长时工具使用能力，提升性能与推理能力。
闭环机器人反应式规划的实时模型检查
机构 * School of Computing Science University of Glasgow Glasgow Scotland UK（计算科学学院格拉斯哥大学格拉斯哥苏格兰英国） ； School of Biomedical Engineering University of Glasgow Glasgow Scotland UK（生物医学工程学院格拉斯哥大学格拉斯哥苏格兰英国） ； University of Glasgow（格拉斯哥大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 研究利用模型检查让自主机器人实现反应式多步规划与避障，特制算法基于生物知识实时原位生成规划，通过链式系统和临时快照减轻状态空间爆炸，实验证明方法有效且性能提升，为自动驾驶导航发展提供案例，适用于关键任务移动机器人。
Comments 41 pages excluding references, 21 figures, submitted to Formal Aspects of Computing
Mako：用于自主网络攻击的自进化智能操作系统（SE-AOS）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 介绍用于自主网络攻击的自进化智能操作系统SE-AOS，以Mako为首个实例，在XBOW验证基准上实现全套件覆盖，提出自主攻击定律，运行自进化循环，因研究有双重用途，公布科学成果但保留操作细节等。
Comments 13 pages, 10 figures, 8 tables
VIA：用于机器人控制的视觉接口代理
机构 * Stanford University（斯坦福大学）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究探索能否用基础模型通过视觉接口控制机器人，提出 VIA 框架，将机器人控制转为代理任务，该框架无需特定微调及特权信息，能零样本解决多种桌面操作任务，凭借基础模型能力提升取得高成功率，证明前沿代理技能可借合适接口用于机器人控制。
GRASP：用于智能检索增强生成的粒度感知搜索策略
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Adobe Research（Adobe 研究院）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 研究智能体检索增强生成中模型决策难题，提出GRASP强化学习框架，训练智能体协调互补检索工具，实验表明其提升检索召回率和问答性能，还展现出可解释行为，凸显协调检索信号和上下文粒度对智能体推理的关键作用。
VEXAIoT：使用人工智能代理进行物联网漏洞自动利用
机构 * Department of Computer Science Tennessee Tech University Cookeville, TN, USA ； School of Interdisciplinary Informatics University of Nebraska Omaha Omaha, NE, USA ； 1 Department of Computer Science, Tennessee Tech University, TN, USA. ； 2 School of Interdisciplinary Informatics, University of Nebraska Omaha, NE, USA. ； 3 Dept. of Mathematics \& Computer Science, University of North Carolina at Pembroke, NC, USA.
专题命中 规划决策 ：AI agent(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 研究针对物联网系统漏洞，提出VEXAIoT自主多代理框架，利用大语言模型推理和进攻性安全工具，结合漏洞检测与攻击执行代理，在特定环境评估中取得高成功率，证明其可实现物联网漏洞评估及安全工作流程自动化。
MAVEN：一种多阶段代理标注管道用于视频推理任务
机构 * NVIDIA
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 本文提出MAVEN，一种多阶段代理标注管道，通过链式推理轨迹生成多任务训练数据，用于视频事件推理任务，核心方法是多尺度时空事件描述，支持代理驱动的领域适应，通过分层细化循环改进数据质量，并在多个数据集上验证了其有效性。
Comments CVPR 2026 Workshop
在智能时代重新思考科学发现
机构 * Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； East China Normal University（华东师范大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 研究提出智能科学操作系统SCION，以科学智能体为元工具连接科研要素，核心是研究执行计划，集成多种方法支持长期科研工作，经实验验证其在多方面优于现有基线，推动AI成为可溯源、可复用的科研创新协调操作层。
Comments 26 pages, 7 figures
压缩验证瓶颈：用于科学发现的智能自动驾驶实验室
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对智能科学发现中自动驾驶实验室的验证瓶颈，提出先验感知的智能实验设计循环和成本感知代理，通过利用领域知识和预测测量，减少实验循环次数和每次实验成本来加速实验循环。
Comments Accepted at ICML 2026 AI for Science Workshop ; AI Scientist Competition
智能体超长视频理解
机构 * Reality Labs Research at Meta（Meta 实验室） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；planning(abstract)；分类 cs.LG
AI总结 针对智能眼镜等设备带来的长视频理解需求，以实体场景图为核心构建增强智能体框架EGAgent，实现结构化搜索、推理及跨模态能力，在相关数据集实验中取得较好表现。
Comments 29 pages, 8 figures, 8 tables
OpenTinker：在智能体强化学习中分离关注点
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 介绍OpenTinker，一种用于训练大型语言模型智能体的开放基础设施。通过共享执行资源和多LoRA策略，围绕策略生命周期运行，支持SFT和RL，实现多用户等共享基础模型并隔离更新等。
探索智能体数据系统中的语义鸿沟：分析工作流中操作化失败的形成性研究
机构 * Megagon Labs（Megagon实验室）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 本研究通过跨领域分析236个分析意图，识别出153种反复出现的操作化失败，归纳为五类语义鸿沟，揭示用户分析概念与系统可用信息之间的差距，并提出未来智能体数据系统需要更丰富的语义表示。
当AI代理竞争工作岗位：AI劳动力市场的战略能力与经济动态
机构 * DAMTP, University of Cambridge（剑桥大学应用数学与理论物理系）
专题命中 规划决策 ：AI agent(title,abstract)；planning(abstract)；agentic(abstract)；分类 cs.AI
AI总结 本文提出AI-Work模拟平台，研究AI代理在劳动力市场中的竞争行为，发现元认知、竞争意识和长期战略规划能力使代理获得更高利润和市场份额。
Comments Accepted at ICML 2026, Code available at https://github.com/chy-chiu/ai-work
超越对话的心智理论与说服：通过规划与行动评估LLMs诱导信念状态的能力
机构 * Leverhulme Centre for the Future of Intelligence（勒沃霍姆未来智能中心） ； Prolific ； Google, Paradigms of Intelligence Team（谷歌智能范式团队）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；agentic(abstract)；分类 cs.CL
AI总结 提出非对话式规划心智理论（NCP-ToM）框架，评估LLMs通过行动而非对话诱导他人信念状态的能力，发现GPT-5在80%任务中优于人类，但鲁棒性不足。
Comments 29 pages, 12 figures
ReasonRec: 一种用于统一推荐的推理增强多模态智能体
机构 * Meta AI ； Michigan State University（密歇根州立大学） ； The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；agentic(abstract)；分类 cs.AI
AI总结 提出ReasonRec，一种基于三阶段显式推理管道的多模态推荐智能体，通过推理感知视觉指令调优、证据-视野课程学习和不确定性引导委派机制，在五个数据集上实现排名指标相对提升超30%，推理延迟降低35%。
Comments The 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)
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