SkillGuard: A Permission-Centric Framework for Agent Skill Security
SkillGuard：一种面向智能体技能的权限框架
专题命中 规划决策 ：agent(title,abstract)；分类 cs.SE
AI总结 提出SkillGuard权限框架，通过双平面治理模型联合管控上下文影响和动作副作用，以缩小技能声明意图与运行时行为之间的安全差距。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 规划决策 1002 篇
Programming over Thinking: Efficient and Robust Multi-Constraint Planning
编程而非思考：高效且稳健的多约束规划
机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology and Research（科技研究局）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 多约束规划面临挑战，现有大语言模型方法有局限。本文提出SCOPE框架，将特定查询推理与通用代码执行分离，产生一致、可重用的求解器函数，降低成本和延迟，性能达最优。
Comments Accepted at ACL 2026 : Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)
V-VLAPS: Value-Guided Planning for Vision-Language-Action Models
V-VLAPS：面向视觉-语言-动作模型的价值引导规划
机构 * The University of British Columbia（不列颠哥伦比亚大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出V-VLAPS方法，通过在VLA模型上增加轻量级价值头预测蒙特卡洛回报，引导蒙特卡洛树搜索选择高价值分支，从而提升长时域任务下的规划性能。
Successor-Generator Planning with LLM-generated Heuristics
基于大语言模型生成启发式策略的后继生成器规划
机构 * Computer Science Department, Bar-Ilan University（巴伊兰大学计算机科学系）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究借助大语言模型，从规划任务中生成特定问题启发式函数并集成到搜索算法。该方法在多规划基准测试中性能优异，还能解决传统形式难表达的问题，经评估展现出有效性。
OpenGround: Planning-based Online Perception for Open-World 3D Visual Grounding
OpenGround：基于规划的开放世界3D视觉定位在线感知
机构 * Nanjing University, School of Intelligent Science and Technology（南京大学智能科学与技术学院） ； China Mobile Zijin Innovation Institute（中国移动紫金创新院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 针对开放世界3D视觉定位中现有方法的局限，提出OpenGround框架，集成任务链规划与上下文引导感知，还构建OpenTarget数据集。实验表明其在多个数据集上性能优异，在开放世界评估中有显著提升。
Comments ECCV2026, 46 pages, 13 figures, 15 tables
Planning with the Views
通过场景自我探索进行视图规划
机构 * Northwestern University（西北大学） ； University of Washington（华盛顿大学） ； Microsoft（微软） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出ViewSuite基准测试揭示VLM在多步视图规划中的不足，并设计迭代框架通过自我探索和视图图蒸馏将Qwen2.5-VL-7B的交互式视图规划准确率从2.5%提升至47.8%。
Language Models as Higher-Order Planning Formalizers
语言模型规划器无法扩展，但形式化器可以吗？
机构 * Drexel University（德雷克斯el大学） ； Allen Institute for AI（人工智能研究院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.CL
AI总结 研究发现语言模型形式化器在规划问题中表现优于规划器，通过分治技术提升鲁棒性，并引入形式化挑战。
CLEANER: Self-Purified Trajectories Boost Agentic Reinforcement Learning
CLEANER：自我净化轨迹助力智能强化学习
机构 * Peking University（北京大学） ； NTU, Singapore（新加坡国立大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.LG
AI总结 研究参数受限模型探索阶段因执行失败产生噪声轨迹影响策略优化的问题，提出CLEANER，利用模型自我纠错能力净化轨迹，其SAAR机制提升平均准确率，减少训练步骤。
MOSAIC: Skill-Centric Manipulation Planning with Physics Simulation
MOSAIC：基于物理模拟的以技能为中心的操作规划
机构 * Robotics Institute, School of Computer Science（机器人研究所、计算机科学学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究用预定义技能规划长期操作运动的问题，核心方法是利用物理模拟估计技能执行结果，贡献是引入MOSAIC方法，通过两个互补技能家族有效发现基于物理的解决方案。
Comments Accepted for Publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA). Project page: https://skill-mosaic.github.io
Rational Inverse Reasoning: Few-Shot Imitation by Inferring Intent through Planning
理性逆推理：通过规划推断意图进行少样本模仿
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 研究人类能从少量示范学习新操作任务，而现代机器人模仿学习需大量示范且适应性差的差距。提出理性逆推理，将少样本模仿视为对潜在解释程序的推理，通过视觉语言模型和分层规划器迭代优化候选集，在少样本设置中表现优于基线。
A Survey of Reinforcement Learning-Based Motion Planning for Autonomous Driving: Lessons Learned from a Driving Task Perspective
基于强化学习的自动驾驶运动规划综述：从驾驶任务角度吸取的经验教训
机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University（教育部道路与交通工程重点实验室） ； Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系） ； Hagler Institute for Advanced Study, Texas A&M University（德克萨斯大学A&M分校哈格勒先进研究学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 综述基于强化学习的自动驾驶运动规划，先概述强化学习方法基础，再调研其在运动规划中的应用，分析特定场景特征与任务要求，总结关键设计经验并为未来实施提供指导，还探讨前沿挑战及应对策略。
Comments 20 pages, 3 figures
Aria: An Agent For Retrieval and Iterative Auto-Formalization via Dependency Graph
Aria: 基于依赖图的检索与迭代自动形式化智能体
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 提出Aria系统，通过两阶段思维图过程递归分解定理陈述为依赖图并构建形式化，结合AriaScorer验证语义正确性，在ProofNet、FATE-X和同调猜想数据集上显著超越现有方法。
LWDrive: Layer-Wise World-Model-Guided Vision-Language Model Planning for Autonomous Driving
LWDrive: 基于逐层世界模型的视觉-语言模型自动驾驶规划
机构 * Chongqing University（重庆大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出LWDrive框架，通过逐层世界模型引导，将VLM输出的粗轨迹逐步细化为几何精确、多视角感知的规划轨迹，在NAVSIM基准上取得92.0分。
Polaris: A Gödel Agent Framework for Small Language Models through Experience-Abstracted Policy Repair
Polaris：通过经验抽象策略修复实现小型语言模型的Gödel代理框架
机构 * TCS Research, India（印度TCS研究）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.LG
AI总结 Polaris通过经验抽象策略修复实现小型语言模型的Gödel代理框架，通过分析、策略形成、抽象和最小代码修补实现策略更新，提升模型在多个基准测试中的表现。
Comments Accepted to ACL 2026 (Findings). 33 pages
Efficient Test-time Inference for Generative Planning Models with OCL Search
生成式规划模型的高效测试时推理
机构 * University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出一种改进的开放-封闭列表搜索算法，结合生成模型和启发式模型，在测试时高效推理，提升生成式规划模型的解质量和计算效率。
MuTRAP: Multi-trigger Trojans Attacking Robot Task Planning Systems
MuTRAP: 攻击机器人任务规划系统的多触发器木马
机构 * Binghamton University (SUNY)（宾夕法尼亚州立大学布林顿分校）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 提出首个针对LLM辅助机器人任务规划器的多触发器木马攻击MuTRAP，通过少量任务特定参数注入后门，并优化触发器词以激活特定恶意行为，揭示当前基于LLM的规划器的安全漏洞。
Comments Accepted for publication at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
Multimedia and Visual Analytics in the Agentic Era
代理时代的多媒体与可视化分析
机构 * University of Amsterdam（阿姆斯特丹大学） ； Czech Technical University in Prague（布拉格捷克技术大学） ； Eindhoven University of Technology（埃因霍温理工大学）
专题命中 规划决策 ：agentic(title)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出一个框架，将多媒体与可视化分析结合，以支持专业用户从大规模多媒体集合中获取可操作见解，实现人类与AI的真正协作。
LLM-Evolved Domain-Independent Heuristics for Symbolic AI Planning
LLM进化的符号AI规划领域无关启发式
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文使用进化搜索让大语言模型生成领域无关的启发式函数，在未见测试域上超越手工最优启发式，并首次系统评估了启发式的信息性-速度权衡。
Comments Accepted at the LM4Plan workshop at ICAPS 2026
Hierarchical Planning with Latent World Models
基于潜在世界模型的分层规划
机构 * FAIR at Meta（Meta旗下的FAIR） ； New York University（纽约大学） ； Mila - Québec AI Institute（魁北克AI研究院） ； Brown University（布朗大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 提出HWM架构，通过多时间尺度潜在世界模型和潜在匹配实现分层模型预测控制，解决长时域任务中单层规划失败和计算爆炸问题。
Optimizing Agentic Reasoning with Retrieval via Synthetic Semantic Information Gain Reward
通过合成语义信息增益奖励优化基于检索的智能推理
机构 * Hong Kong JC STEM Lab of Smart City.（香港JC STEM实验室） ； City University of Hong Kong.（香港城市大学） ； Lingnan University（岭南大学） ； Fudan University.（复旦大学） ； Huazhong University of Science and Technology.（华中科技大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 提出InfoReasoner框架，利用合成语义信息增益奖励优化检索过程，通过GRPO训练策略，在七个问答基准上平均准确率提升5.4%。
Comments Accepted by ICML'26
Contextual Invertible World Models: A Neuro-Symbolic Agentic Framework for Colorectal Cancer Drug Response
上下文可逆世界模型：用于结直肠癌药物反应的神经符号智能框架
机构 * School of Electronics, Electrical Engineering and Computer Science（电子工程与计算机科学学院）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 提出上下文可逆世界模型（CIWM），结合机器学习模拟器与大语言模型推理层，通过逆推理进行CRISPR扰动，揭示KRAS突变在5-氟尿嘧啶耐药中的主导作用及PIK3CA修复的意外效应。
Prosociality by Coupling, Not Mere Observation: Homeostatic Sharing in an Inspectable Recurrent Artificial Life Agent
通过耦合而非单纯观察的亲社会性：可检查循环人工生命体中的稳态共享
机构 * Independent Research Engineer（独立研究工程师）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 研究通过稳态耦合而非直接奖励或观察实现人工体的亲社会行为，发现耦合使智能体主动帮助同伴，而单纯观察无效。
Comments Accepted at ALIFE 2026 Conference, Waterloo Institute for Complexity & Innovation
Towards Healthy Evolution: Exploring the Role and Mechanisms of Human-Agent Interaction in Self-Evolving Systems
走向健康进化：探索人机交互在自我进化系统中的作用与机制
机构 * The University of Osaka（大阪大学）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI
AI总结 提出ANCHOR框架，通过模拟人类监督的反馈机制，在自我进化系统中缓解能力退化与安全漂移，实验表明有限监督可显著提升安全性与稳定性。
NavOne: One-Step Global Planning for Vision-Language Navigation on Top-Down Maps
NavOne: 一种基于顶部向下地图的视觉语言导航的一步全局规划
机构 * South China University of Technology（南方科技大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出了一种基于顶部向下地图的视觉语言导航方法，通过引入NavOne框架，实现多模态地图的单步全局路径规划，显著提升了导航效率和性能。
Comments 10 pages, 7 figures
SAD-Flower: Flow Matching for Safe, Admissible, and Dynamically Consistent Planning
SAD-Flower：用于安全、可接受和动态一致规划的流匹配
机构 * TUM School of Computation, Information and Technology, Technical University of Munich, Munich, Germany.（慕尼黑技术大学计算、信息与技术学院） ； Munich Institute of Robotics（慕尼黑机器人与智能机构研究所） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； National University of Singapore（新加坡国立大学） ； National Taiwan University (NTU)（国立台湾大学） ； NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE)（国立台湾大学人工智能研究中心） ； University of Utah（犹他大学） ； Beijing Institute of Technology（北京理工大学） ； McGill University（麦吉尔大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.LG
AI总结 提出SAD-Flower框架，通过虚拟控制输入增强流匹配，利用非线性控制理论提供状态约束、动作约束和动态一致性的形式化保证，无需重新训练即可在测试时满足未见约束。
Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning
面向6G的智能体世界建模：近实时生成式状态空间推理
机构 * BrainOmega and the Technical University of Catalonia (UPC)（BrainOmega 和 哈佛大学（UPC）） ； Centre Tecnologic de Telecomunicacions de Catalunya (CTTC/CERCA)（巴塞罗那电信技术中心（CTTC/CERCA）） ； i2CAT Foundation（i2CAT 基金会） ； Khalifa University of Science and Technology（科技 Khalifa 大学） ； University of Maryland, Baltimore County (UMBC)（马里兰大学巴尔的摩分校（UMBC）） ； Virginia Tech（弗吉尼亚理工学院）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.LG
AI总结 提出基于世界建模的智能体框架WM-MS3M，通过生成式状态空间实现6G网络近实时反事实推理与资源分配，在O-RAN数据上降低预测误差并加速推理。
Comments 13 Pages, 3 Figures, 4 Tables
SlideAgent: Hierarchical Agentic Framework for Multi-Page Visual Document Understanding
SlideAgent：用于多页视觉文档理解的分层代理框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； J.P. Morgan AI Research（摩根大通AI研究）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.CL
AI总结 提出SlideAgent，一种用于多模态多页文档（如幻灯片）理解的分层代理框架，通过全局、页面和元素三级推理构建结构化表示，在专有和开源模型上分别提升7.9%和9.8%的准确率。
Comments ACL 2026 Main Conference. https://slideagent.github.io/
PhotoAgent: Exploratory Visual Aesthetic Planning with Large Vision Models
PhotoAgent: 带探索性视觉审美规划的代理照片编辑
机构 * MMLab, CUHK（CUHK媒体实验室） ； Shanghai AI Lab（上海AI实验室） ； USTC（中国科学技术大学） ； Institute of Science Tokyo（东京科学研究所） ； CPII under InnoHK（创新香港下的CPII）
专题命中 规划决策 ：planning(title,abstract)；agent(comments)
AI总结 PhotoAgent通过探索性视觉审美规划实现自主照片编辑，无需用户逐步提示，提升图像质量和指令遵循度。
Comments ICML 2026 Oral. A fully automated, intelligent photo-editing agent that autonomously plans multi-step aesthetic enhancements, smartly chooses diverse editing tools, and enables everyday users to achieve professional-looking results without crafting complex prompts. Project page: https://mdyao.github.io/PhotoAgent/
RePlan: Reasoning-guided Region Planning for Complex Instruction-based Image Editing
RePlan：基于推理的复杂基于指令的图像编辑区域规划
机构 * Tencent AI Lab（腾讯人工智能实验室） ； CUHK（香港中文大学） ； HKUST（香港科技大学）
专题命中 规划决策 ：planning(title,abstract)
AI总结 研究针对复杂指令图像编辑中现有模型在IV-复杂性下的不足，提出RePlan框架，结合视觉语言规划器与扩散编辑器，经强化学习提升性能，还推出IV-Edit基准，该框架在相关设置中优于强大基线，提高了区域精度和整体一致性。
Comments [ECCV2026] Precise multi-region control and planning for instruction-based image editing. Our project page: https://replan-iv-edit.github.io
Recursive Synthesis for Long-Horizon Terminal Tasks
长视界终端任务的递归合成
机构 * Tencent HY LLM Frontier（腾讯HY大模型前沿团队） ； University of Georgia（佐治亚大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Minnesota, Twin Cities（明尼苏达大学双城分校） ； Indiana University（印第安纳大学） ； National University of Singapore（新加坡国立大学） ； Hong Kong Polytechnic University（香港理工大学）
专题命中 规划决策 ：agent(abstract)；workflow(abstract)；agentic(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出RST递归合成框架，低成本规模化生成3.7万余个长视界终端任务，经微调或PPO优化后，多款Qwen模型在多个终端基准任务上性能显著提升，且递归过程无明显上限。
