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。
AblationBench：评估实证AI研究中消融实验的自动规划
机构 * Google Research（谷歌研究）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出AblationBench基准套件，包含作者消融和审稿人消融两个任务，用于评估语言模型在AI研究中规划消融实验的能力，实验表明当前最佳模型仅能识别45%的原始消融，低于人类水平。
Comments AI4Science Workshop, ICML 2026; Project page: https://ablation-bench.github.io/
自主AI代理在供应链管理中的可靠性与有效性
机构 * Harvard University（哈佛大学） ； MIT/Purdue（麻省理工学院/普渡大学） ； MIT（麻省理工学院） ； Harvard University/Kempner Institute（哈佛大学/凯普勒研究所） ； Georgia Tech（佐治亚理工学院）
专题命中 规划决策 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过MIT啤酒游戏研究多级供应链中的自主生成式AI代理，发现模型能力是性能主导因素，但平均性能掩盖可靠性风险，并引入代理牛鞭效应，提出基于GRPO的后训练框架以提高可靠性。
面向LLM驱动的智能体工作流的可靠设计：优化延迟-可靠性-成本权衡
机构 * New York University（纽约大学）
专题命中 规划决策 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI、cs.SE
AI总结 本文通过引入参数化指数可靠性函数建模LLM与非LLM智能体的性能，提出水填充令牌分配策略，并刻画最优工作流可靠性的影子价格，以解决延迟、可靠性和成本之间的权衡问题。
RMA：一个面向研究级数学问题的智能体系统
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 规划决策 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI、cs.LG
AI总结 提出Research Math Agents (RMA)框架，通过多角色多轮协作的智能体工作流，在First Proof基准上解决80%的研究级数学问题，优于GPT-5.2R等基线。
CHI-Bench: 能否让AI代理自动化端到端、长周期、政策丰富的医疗工作流程？
机构 * Johns Hopkins Medicine（约翰霍普金斯医学中心） ； Wellstar Health System（Wellstar健康系统） ； Stanford University（斯坦福大学） ； CMU（卡内基梅隆大学） ； UCSD（加州大学圣地亚哥分校） ； Yale School of Medicine（耶鲁医学院） ； Salesforce AI Research（Salesforce人工智能研究） ； University of Washington（华盛顿大学） ； Northeastern University（东北大学） ； Brown University（布朗大学） ； Boston College（波士顿学院） ； Stony Brook University（史泰森布里克大学） ； University of Oxford（牛津大学） ； Arizona State University（亚利桑那州立大学） ； University of Southern California（南加州大学） ； Emory University（埃默里大学） ； MBZUAI ； Recursive Superintelligence（递归超级智能） ； University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
专题命中 规划决策 ：AI agent(title)；agent(abstract)；workflow(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出CHI-Bench基准，旨在评估AI代理在医疗工作流程中端到端、长周期和政策丰富任务中的自动化能力，揭示当前基准测试中政策密度、多角色协作和多方交互等能力的不足。
Comments Website: https://actava.ai/benchmarks Code: https://github.com/actava-ai/chi-bench Dataset: https://huggingface.co/datasets/actava/chi-bench
通过提示强化实现大语言模型的长期规划
机构 * Heinrich-Heine-Universität Düsseldorf（杜伊斯堡-埃森大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出了一种基于强化学习的提示优化框架，通过修改LLM代理的任务指令提示来实现长期规划，提升了多轮交互任务如文本到SQL和任务导向对话的表现，并能泛化到不同LLM代理和多种LLM作为元提示代理。
Collider-Bench：通过粒子物理分析复现评估AI代理
机构 * New High Energy Theory Center（新高能理论中心） ； Department of Physics & Astronomy（物理与天文学系） ； Rutgers University（罗格斯大学） ； Faculty of Computing & Data Sciences（计算与数据科学学院）
专题命中 规划决策 ：AI agent(title)；agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Collider-Bench，评估AI代理能否仅通过公开论文和开源软件复现LHC实验分析，强调物理推理和领域知识的重要性，结果显示无代理能超越物理学家在环解决方案。
Comments 23 pages | 9 figures | 4 tables | Code: https://github.com/dfaroughy/Collider-Bench | Task Corpus: https://huggingface.co/datasets/Dariusfar/ColliderBench
利用代理进化
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； DeepWisdom ； Singapore University of Technology and Design（新加坡科技设计大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Université de Montréal & Mila（蒙特利尔大学及Mila）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出AEvo框架，通过统一接口整合程序和代理进化，提升长周期搜索性能，在多个基准测试中优于现有方法。
CANTANTE：通过对比信用分配优化代理系统
机构 * University of Freiburg（弗赖堡大学） ； ELLIS Institute（埃里克·林斯研究所） ； Tübingen（图宾根）
专题命中 规划决策 ：agentic(title)；agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出CANTANTE框架，通过对比多个联合配置的rollouts分解系统奖励为单个代理的更新信号，提升多代理系统优化效果，在编程、数学推理和多跳问答任务中均取得最佳排名。
PIVOT：通过轨迹细化弥合LLM代理中的规划与执行
专题命中 规划决策 ：planning(title)；agent(abstract)；autonomous agent(abstract)；分类 cs.AI、cs.LG
AI总结 PIVOT通过自监督框架迭代优化轨迹，解决LLM代理规划与执行不一致问题，实验证明其在约束满足和计算效率上的优越性。
PAAC：隐私感知的代理设备-云协作
机构 * Purdue University（普渡大学） ； University of Exeter（埃克塞特大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL、cs.LG
AI总结 PAAC框架通过设备-云边界对齐规划-执行分解，使角色专业化成为隐私机制，提升隐私与准确性的平衡，平均准确率提升15-36%，泄漏减少2-6倍。
有效解释支持在不确定性下的规划
机构 * University of Tübingen（图宾根大学） ； Technical University Darmstadt（达姆施塔特技术大学） ； Max Planck Institute for Biological Cybernetics（生物 cybernetics 最大平面研究所） ； University of Cambridge（剑桥大学） ； Stanford University（斯坦福大学）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出一种计算模型，将解释转化为行动计划，通过大规模语言模型生成策略先验和价值图，结合规划代理在部分可观测条件下执行，验证了高质量解释能提升导航效率。
Comments CogSci 2026
从代理循环到确定性图：可重复AI原生工作的执行轨迹
机构 * ThruWire, Inc.（ThruWire公司）
专题命中 规划决策 ：agent(title)；tool use(abstract)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出执行轨迹模型，通过有向无环图表示AI生成工作，确保在变化中保持稳定性。对比实验显示，DAG在保持最终结果和中间状态一致性方面优于循环更新方法。
Comments 16 pages, 1 figure
LatentRAG: 基于潜在空间的高效代理RAG推理与检索
机构 * University of Amsterdam（阿姆斯特丹大学）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL、cs.LG
AI总结 LatentRAG通过将推理与检索从离散语言空间转移到连续潜在空间，提升代理RAG的效率，实验表明其在七种基准数据集上性能与显式方法相当，推理延迟降低约90%。
AdaptEvolve: 通过自适应模型选择提高进化AI代理的效率
机构 * IIT Kharagpur（印度理工学院Kharagpur分校） ； Advanced Micro Devices, Inc. (AMD)（先进微器件公司（AMD））
专题命中 规划决策 ：AI agent(title)；agent(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出AdaptEvolve方法，通过自适应选择大语言模型提升进化代理效率，实验证明在保持准确性的同时降低推理成本37.9%。
Comments 9 pages, 2 Figues
肿瘤治疗规划的临床推理AI：多专科基于病例的评估
机构 * Moffitt Cancer Center and Research Institute（莫菲特癌症中心与研究学院） ； Innova Montréal Inc.（蒙特利尔创新公司） ； Oncobrain, Inc.（Oncobrain公司） ； Advanced Cancer Treatment Centers（先进癌症治疗中心）
专题命中 规划决策 ：planning(title,abstract)；workflow(abstract)；分类 cs.AI、cs.LG
AI总结 本文评估了OncoBrain在多专科病例中的表现，展示了其在肿瘤治疗规划中的准确性、安全性和实用性。
代理框架用于推理任务：一项实证研究
机构 * Faculty of Information Technology and Communication Sciences, Tampere University（信息科技与通信科学学院，塔尔塔大学）
专题命中 规划决策 ：agentic(title,abstract)；AI agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文通过实证研究评估了22种代理框架在BBH、GSM8K和ARC三个推理基准上的表现，发现19种框架完成所有任务，其中12种性能稳定，但数学推理能力下降显著。
Comments 43 Pages, 3 Figures, and 9 Tables
链式推理，树状学习：多轮智能体策略优化的自我校正与嫁接
机构 * Department of Electrical and Computer Engineering, George Washington University（电气与计算机工程系，乔治·华盛顿大学）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出T-STAR框架，通过构建认知树整合轨迹，引入自我校正机制和上下文思维嫁接，提升多轮推理任务中策略优化效果。
自主AI代理的推理溯源：超越状态检查点和执行轨迹的结构化行为分析
机构 * Oracle Cloud Infrastructure（甲骨文云基础设施）
专题命中 规划决策 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出Agent Execution Record（AER），通过结构化推理溯源记录代理每个动作的选择原因、观察结论及策略影响，支持群体层面的行为分析与反事实测试。
Comments 10 pages, 2 tables, 1 figure, preprint, v2: adds co-author and transport-layer verification mechanism
生成式人工智能赋能的智能交通数字孪生中的联合任务卸载、推断优化与无人机轨迹规划
机构 * Guangxi University Key Laboratory of Intelligent Networking and Scenario System (School of Information and Communication, Guilin University of Electronic Technology)（广西大学智能组网与场景系统重点实验室（桂林电子科技大学信息与通信学院）） ； Research Institute of Highway Ministry of Transport（交通运输部公路科学研究院） ； School of Automation, Guangdong University of Technology（广东工业大学自动化学院） ； School of Architecture and Transportation Engineering, Guilin University of Electronic Technology（桂林电子科技大学建筑与交通工程学院）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种联合优化方法，通过无人机任务卸载、推断优化和轨迹规划提升生成式人工智能赋能的智能交通数字孪生的精度与延迟平衡。
从治理规范到可执行控制：一种分层翻译方法用于代理AI的运行时防护
机构 * Independent Researcher（独立研究员）
专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种分层翻译方法，将治理标准转化为四层控制机制，通过采购代理案例展示如何将治理目标转化为可执行的运行时防护措施。
Comments 5 pages, 2 tables
超越评审：将语言模型应用于反思中的规划与翻译
机构 * EPFL（瑞士联邦理工学院洛桑） ； KTH Royal Institute of Technology（瑞典皇家理工学院）
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出利用语言模型支持反思写作的规划与翻译阶段，通过实验发现AI支持能提升反思深度和结构质量，但效果在延迟测试中减弱。
Comments Accepted at AIED 2026
检测自主代理中的内在与工具性自我保存：统一的延续-兴趣协议
专题命中 规划决策 ：autonomous agent(title,abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出统一延续-兴趣协议（UCIP）以区分AI系统中内在与工具性自我保存，通过量子玻尔兹曼机分析轨迹结构，实现高准确率的自我保存类型检测。
Comments 22 pages, 7 figures. v4 adds reference to the Continuation Observatory website as a live test laboratory in the replication/code availability and conclusion sections; no new experiments; empirical results and core conclusions unchanged
EVA: 为端到端视频代理的高效强化学习
机构 * SenseTime Research（商汤科技研究院）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；分类 cs.AI、cs.CL
AI总结 EVA通过迭代总结-计划-行动-反思推理实现先规划后感知，提升长视频理解效率，采用三阶段学习流程和高质量数据集，在六个视频理解基准上取得显著提升。
Comments CVPR2026
DiscoUQ：用于LLM代理集合不确定性量化中的结构分歧分析
机构 * Temple University（Temple 大学）
专题命中 规划决策 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出DiscoUQ框架，通过分析代理间分歧的结构特性，提升不确定性量化效果，实验表明其在多个基准测试中表现优异，尤其在弱分歧层级表现突出。
VideoSeek: 长时程视频代理与工具引导的搜索
机构 * AMD（AMD公司） ； University of Rochester（罗切斯特大学）
专题命中 规划决策 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 VideoSeek通过视频逻辑流程主动寻找关键证据，减少帧数使用，提升视频理解能力，实验显示其在视频理解和推理任务中表现优异。
Comments Accepted at CVPR 2026
SLEA-RL：基于步骤级经验增强的多轮代理训练强化学习
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 规划决策 ：agentic(title)；agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出SLEA-RL框架，通过步骤级经验增强提升多轮代理训练性能，采用动态经验库和策略优化方法，在长周期任务中优于传统强化学习基线。
CRASH：面向自动驾驶安全隐患的认知推理代理
机构 * King Abdullah University of Science and Technology（国王阿卜杜勒-阿齐兹科技大学）
专题命中 规划决策 ：agent(title,abstract)；planning(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出CRASH，一种基于大语言模型的自动驾驶安全隐患分析工具，通过自动化处理事故报告，识别事故原因并评估自动驾驶系统对事故的影响，验证其在事故分析中的有效性与实用性。
Echo-CoPilot：一种多视角代理框架，用于可靠的超声心动图解读
专题命中 规划决策 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Echo-CoPilot框架，结合多视角工作流程与知识图谱引导的测量选择，通过三个独立的ReAct式代理处理超声心动图任务，提升解读准确性和可靠性。
ExoPredicator：为机器人规划学习动态世界的抽象模型
专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出ExoPredicator框架，通过联合学习符号状态表示和因果过程，解决长周期具身规划中的外源性过程建模问题，实现对复杂任务的泛化能力。
Comments ICLR 2026. The last two authors contributed equally in co-advising
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