AI Agent

Context, Reasoning, and Hierarchy: A Cost-Performance Study of Compound LLM Agent Design in an Adversarial POMDP

上下文、推理与层次：在对抗性POMDP中的复合LLM代理设计成本-性能研究

Igor Bogdanov, Chung-Horng Lung, Thomas Kunz, Jie Gao, Adrian Taylor, Marzia Zaman

机构 * Carleton University（卡尔顿大学） 纠错

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

AI总结 研究探讨了在对抗性部分可观测序贯环境中，复合LLM代理设计的上下文、推理和层次分解对性能与成本的影响，发现程序化状态抽象在成本效率上表现最佳，而分层分解无需推理可获得最佳性能。

Resolving Action Bottleneck: Agentic Reinforcement Learning Informed by Token-Level Energy

消除行动瓶颈：由令牌级能量指导的代理强化学习

Langzhou He, Junyou Zhu, Yue Zhou, Zhengyao Gu, Junhua Liu, Wei-Chieh Huang, Henry Peng Zou, David Wipf, Philip S. Yu, Qitian Wu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Potsdam Institute for Climate Impact Research（波茨坦气候影响研究所） ； Technical University of Berlin（柏林技术大学） ； University of Southern California（南加州大学） ； University of Hong Kong（香港大学） ； Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） 纠错

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

AI总结 本文提出ActFocus方法，通过令牌级能量建模解决强化学习中令牌级训练信号分配不均的问题，显著提升性能。

Comments Preprint

RDMA: Cost Effective Agent-Driven Rare Disease Mining from Electronic Health Records

RDMA: 低成本的代理驱动罕见病挖掘从电子健康记录

John Wu, Adam Cross, Jimeng Sun

机构 * Department of Computer Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Department of Pediatrics, University of Illinois College of Medicine Peoria（伊利诺伊大学皮奥里亚医学院儿科系） 纠错

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

AI总结 RDMA通过代理框架在电子健康记录中挖掘罕见病，无需特定任务训练，提升性能并降低部署成本。

From Reaction to Anticipation: Proactive Failure Recovery through Agentic Task Graph for Robotic Manipulation

从反应到预见：通过代理任务图实现机器人操作的前瞻性故障恢复

Sheng Xu, Ruixing Jin, Huayi Zhou, Bo Yue, Guanren Qiao, Yunxin Tai, Yueci Deng, Kui Jia, Guiliang Liu

机构 * Sheng Xu ； Ruixing Jin ； Huayi Zhou ； Bo Yue ； Guanren Qiao ； Yunxin Tai ； Kui Jia ； Guiliang Liu 纠错

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

AI总结 本文提出AgentChord系统，通过代理任务图实现前瞻性故障恢复，提升机器人操作的可靠性和自主性。

Comments 18 pages, accepted to RSS 2026

PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments

PRISM：在模拟的具身环境中进行规划与意图推理

Yunn Kang Lim, Pengzhan Sun, Ziyi Bai, Xun Xu, Angela Yao, Xulei Yang, Shijie Li

机构 * A*STAR ； National University of Singapore（国立新加坡大学） ； BAAI（北京人工智能研究院） 纠错

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

AI总结 PRISM通过诊断性基准测试识别具身代理失败的根源，通过三个能力层级评估基本能力、推理能力和长周期能力，揭示不同模型在空间定位、意图解析和长周期协调上的性能差异。

SAGAS: Semantic-Aware Graph-Assisted Stitching for Offline Temporal Logic Planning

SAGAS：语义感知的图辅助拼接用于离线时序逻辑规划

Ruijia Liu, Ancheng Hou, Xiang Yin

机构 * School of Automation and Intelligent Sensing（自动化与智能感知学院） 纠错

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

AI总结 SAGAS结合符号合成的组成性和从离线轨迹学习的数据驱动可达结构，实现零样本泛化，无需任务特定奖励或在线交互。

CARL: Criticality-Aware Agentic Reinforcement Learning

CARL：基于关键性的代理强化学习

Leyang Shen, Yang Zhang, Chun Kai Ling, Xiaoyan Zhao, Tat-Seng Chua

机构 * National University of Singapore, Singapore（新加坡国立大学） 纠错

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

AI总结 CARL通过识别关键状态中的动作选择，提升长周期代理推理的性能与效率，采用熵作为启发式代理，减少噪声信用分配和冗余计算。

Comments 18 pages, 6 figures

LCGNav: Local Candidate-Aware Geometric Enhancement for General Topological Planning in Vision-Language Navigation

LCGNav: 本地候选感知的几何增强以实现连续环境中的通用拓扑规划

Jiankun Peng, Jianyuan Guo, Yiguang Yang, Yue Liu, Jiashuang Yan, Ying Xu

机构 * The Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing（中国科学院航空航天信息研究所，北京） ； The School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing（中国科学院大学电子电气与通信工程学院，北京） ； The Department of Computer Science, City University of Hong Kong, Hong Kong, SAR, China（香港城市大学计算机科学系，香港特别行政区，中国） 纠错

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

AI总结 LCGNav通过本地几何增强框架解决连续环境视觉语言导航中局部深度信息冗余和候选前沿关注不足的问题，提升拓扑规划性能。

Deadline-Driven Hierarchical Agentic Resource Sharing for AI Services and RAN Functions in AI-RAN

面向截止期限的分层代理资源共享框架用于AI服务和RAN功能在AI-RAN中

Haiyuan Li, Yulei Wu, Dimitra Simeonidou

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

AI总结 本文提出了一种分层代理框架，结合大语言模型用于慢速时间尺度的AI服务和RAN功能放置，以及基于截止期限的凸优化算法用于快速时间尺度的GPU/CPU分配，以提高AI-RAN的资源利用率和SLA满足率。

EditRefiner: A Human-Aligned Agentic Framework for Image Editing Refinement

EditRefiner：一种对齐人类的代理框架用于图像编辑细化

Zitong Xu, Huiyu Duan, Yifei Nie, Mingda Du, Sijing Wu, Xiongkuo Min, Tianyi Zheng, Jian Zhang, Shusong Xu, Jinwei Chen, Bo Li, Guangtao Zhai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Vivo Mobile Communication Co., Ltd（Vivo移动通信有限公司） ； University of Electronic Science and Technology of China（电子科学与技术大学） 纠错

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

AI总结 本文提出EditRefiner，一种对齐人类的代理框架，通过人类反馈数据集改进图像编辑的细粒度问题，通过感知-推理-行动-评估循环提升编辑质量。

Patient-Specific Optimization for Mandibular Reconstruction Planning with Enhanced Bone Union

针对增强骨愈合的颌骨重建计划的患者特异性优化

Hamidreza Aftabi, John E. Lloyd, Amanda Ding, Benedikt Sagl, Eitan Prisman, Antony Hodgson, Sidney Fels

机构 * Department of Electrical and Computer Engineering, University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） ； Department of Surgery, University of British Columbia, Gordon and Leslie Diamond Health Care Centre（不列颠哥伦比亚大学外科系，戈登和莱斯利钻石医疗中心） ； Center for Clinical Research, University Clinic of Dentistry, Medical University of Vienna（维也纳医科大学牙科学院临床研究中心） ； Department of Mechanical Engineering, University of British Columbia（机械工程系，不列颠哥伦比亚大学） ； Sunnybrook Research Institute, University of Toronto（多伦多大学 Sunnybrook 研究院） 纠错

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

AI总结 本文提出OsteoOpt++，通过图像到决策的规划循环，优化颌骨重建中的切面和供体位置变量，以促进骨愈合。

Alignment Contracts for Agentic Security Systems

代理安全系统的对齐契约

Isaac David, Marco Guarnieri, Arthur Gervais

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

AI总结 本文提出对齐契约框架，用于规范和强制执行可观测效果的行为约束，通过有限轨迹语义和模块化合同工程规则，确保安全系统的边界控制。

Impacts of Electric Vehicle Charging Regimes and Infrastructure Deployments on System Performance: An Agent-Based Study

电动汽车充电模式与基础设施部署对系统性能的影响：基于代理的分析

Jiahua Hu, Hai L. Vu, Wynita Griggs, Hao Wang

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

AI总结 研究通过基于代理的模型分析不同充电模式和基础设施部署对系统性能的影响，发现优化策略能降低总成本，尤其在混合充电模式下效果显著。

Comments 7 pages, 4 figures

EvolvingAgent: Curriculum Self-evolving Agent with Continual World Model for Long-Horizon Tasks

EvolvingAgent: 基于持续世界模型的课程自进化代理用于长周期任务

Tongtong Feng, Xin Wang, Zekai Zhou, Ren Wang, Yuwei Zhan, Guangyao Li, Qing Li, Wenwu Zhu

机构 * Department of Computer Science and Technology, Beijing National Research Center for Information Science and Technology, Tsinghua University（计算机科学与技术系，北京信息科学与技术国家研究中心，清华大学） ； Department of Computer Science, University of Sydney（计算机科学系，悉尼大学） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） 纠错

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

AI总结 本文提出EvolvingAgent，通过持续世界模型实现自主完成长周期任务，采用任务规划、动作控制和反思模块，提升Minecraft和Atari环境中的性能。

KinDER: A Physical Reasoning Benchmark for Robot Learning and Planning

KinDER：机器人学习与规划的运动学与动力学推理基准

Yixuan Huang, Bowen Li, Vaibhav Saxena, Yichao Liang, Utkarsh Aashu Mishra, Liang Ji, Lihan Zha, Jimmy Wu, Nishanth Kumar, Sebastian Scherer, Danfei Xu, Tom Silver

机构 * Princeton University（普林斯顿大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Tech（佐治亚理工学院） ； University of Cambridge（剑桥大学） ； NVIDIA（英伟达） ； MIT（麻省理工学院） 纠错

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

AI总结 KinDER基准针对机器人学习与规划中的物理推理挑战，包含25个生成环境、Python库和评估套件，旨在通过系统比较不同方法提升机器人物理推理能力。

Comments Project website: https://prpl-group.com/kinder-site/. 21 pages, 8 figures. Accepted to Robotics Science and Systems (RSS), 2026

Intention-Aware Semantic Agent Communications for AI Glasses

面向AI眼镜的意图感知语义代理通信

Peiwen Jiang, Fangyu Liu, Jiajia Guo, Chao-Kai Wen, Shi Jin, Jun Zhang

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

AI总结 本文提出一种意图感知的语义代理通信框架，通过用户意图引导数据传输，减少带宽消耗并保持任务性能，适用于AI眼镜的轻量级预处理场景。

Relational Archetypes: A Comparative Analysis of AV-Human and Agent-Human Interactions

关系原型：AV-人类与代理-人类互动的比较分析

Antoni Lorente, Amin Oueslati, Robin Staes-Polet

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

AI总结 本文通过分析自动驾驶车辆对交通流量的调节，探讨人类与AV及人类与AI代理的互动模式，提出关系原型分类，以促进两个研究领域间的交流与深入探讨。

Comments 4 pages, 1 table. Accepted and presented at FAST workshop, AAAI 2026

Instance-level Visual Active Tracking with Occlusion-Aware Planning

实例级视觉主动跟踪与遮挡感知规划

Haowei Sun, Kai Zhou, Hao Gao, Shiteng Zhang, Jinwu Hu, Xutao Wen, Qixiang Ye, Mingkui Tan

机构 * South China University of Technology（南方科技大学） ； Pazhou Laboratory（Pazhou实验室） ； Key Laboratory of Big Data and Intelligent Robot, Ministry of Education（教育部大数据与智能机器人重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 规划决策 ：planning(title,abstract)

AI总结 本文提出OA-VAT方法，通过实例感知原型初始化、在线原型增强跟踪和遮挡感知轨迹规划模块，解决遮挡和相似干扰问题，实现高精度实时跟踪。

Comments CVPR 2026 Poster

Video-Robin: Autoregressive Diffusion Planning for Intent-Grounded Video-to-Music Generation

Video-Robin：基于意图的视频到音乐生成的自回归扩散规划

Vaibhavi Lokegaonkar, Aryan Vijay Bhosale, Vishnu Raj, Gouthaman KV, Ramani Duraiswami, Lie Lu, Sreyan Ghosh, Dinesh Manocha

机构 * University of Maryland College Park（马里兰大学College Park分校） ； Dolby Laboratories（杜比实验室） ； NVIDIA（英伟达） 纠错

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

AI总结 Video-Robin通过结合自回归规划与扩散合成，实现高质量的语义对齐音乐生成，相比传统方法在速度和质量上均有显著提升。

ColorBrowserAgent: Complex Long-Horizon Browser Agent with Adaptive Knowledge Evolution

ColorBrowserAgent：具有自适应知识演化的复杂长 horizon 浏览器代理

Jihong Wang, Jiamu Zhou, Weiming Zhang, Teng Wang, Weiwen Liu, Zhuosheng Zhang, Xingyu Lou, Weinan Zhang, Huarong Deng, Jun Wang

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

AI总结 本文提出ColorBrowserAgent，通过人类在环的知识适应和知识对齐的渐进总结机制，解决网页自动化中的长周期不稳定性与领域特定先验知识缺乏问题，实验表明其在WebArena和工业部署中均表现优异。

Online Structure Learning and Planning for Autonomous Robot Navigation using Active Inference

基于主动推断的自主机器人导航在线结构学习与规划

Daria de tinguy, Tim Verbelen, Emilio Gamba, Bart Dhoedt

机构 * Ghent University（根特大学） ； Verses ； FlandersMake（弗拉芒制造） 纠错

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

AI总结 本文提出AIMAPP框架，通过统一生成模型实现映射、定位和决策，支持在不确定环境中自主探索和导航，无需预定义地图或大量训练。

Comments yet to be submitted

MAGICIAN: Efficient Long-Term Planning with Imagined Gaussians for Active Mapping

MAGICIAN: 通过想象高斯分布实现高效的长期规划用于主动建图

Shiyao Li, Antoine Guédon, Shizhe Chen, Vincent Lepetit

机构 * LIGM, École Nationale des Ponts et Chaussées, IP Paris, Univ Gustave Eiffel, CNRS, France（LIGM，巴黎国立桥梁与道路学院，IP巴黎，格雷夫埃菲尔大学，法国国家科学研究中心，法国） ； École Polytechnique, France（法国高等理工学院，法国） ； Inria, École normale supérieure, CNRS, PSL Research University, France（法国国家科学研究中心，巴黎高等师范学院，法国国家信息与自动化技术研究院，法国） 纠错

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

AI总结 MAGICIAN通过想象高斯分布实现高效长期规划，提升主动建图的探索效率与重建完整性，适用于不同动作空间的室内和室外基准测试。

Comments Accepted at CVPR 2026 (Oral). Project webpage: https://shiyao-li.github.io/magician/

Hybrid Task and Motion Planning with Reactive Collision Handling for Multi-Robot Disassembly of Complex Products: Application to EV Batteries

混合任务与运动规划与反应碰撞处理用于多机器人复杂产品拆解：应用于电动汽车电池

Abdelaziz Shaarawy, Cansu Erdogan, Rustam Stolkin, Alireza Rastegarpanah

机构 * Extreme Robotics Laboratory, School of Metallurgy and Materials, University of Birmingham（极端机器人实验室，冶金与材料学院，伯明翰大学） ； Department of Applied Artificial Intelligence and Robotics, Aston University（应用人工智能与机器人学院，阿斯顿大学） 纠错

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

AI总结 本文提出一种基于视觉的任务与运动规划框架，用于多机器人协同拆解复杂产品，通过学习型RRT规划器和混合安全层提高路径紧凑性和安全性，实验显示在电动汽车电池拆解中显著降低路径长度和扫过体积。

Self-Reasoning Agentic Framework for Narrative Product Grid-Collage Generation

具有自我推理代理机制的叙事产品网格-拼贴生成框架

Minyan Luo, Yuxin Zhang, Yifei Li, Xincan Wang, Fuzhang Wu, Tong-Yee Lee, Oliver Deussen, Weiming Dong

机构 * MAIS,Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所马克思主义学院） ； Tsinghua University（清华大学） ； Shanghai Theatre Academy（上海戏剧学院） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； National Cheng Kung University（国立成功大学） ； University of Konstanz（康斯坦茨大学） 纠错

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

AI总结 本文提出一种自我推理代理框架，用于生成叙事产品网格拼贴，通过构建产品叙事框架和约束-aware提示，提升视觉一致性和叙事丰富度。

Self-Distilled Reinforcement Learning for Co-Evolving Agentic Recommender Systems

基于共演代理推荐系统的自我蒸馏强化学习

Zongwei Wang, Min Gao, Hongzhi Yin, Junliang Yu, Tong Chen, Quoc Viet Hung Nguyen, Shazia Sadiq, Tianrui Li

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

AI总结 本文提出CoARS框架，通过交互奖励和自我蒸馏信用分配，解决传统ARs在交互性和轨迹监督方面的不足，提升推荐性能和用户对齐度。

Comments 13 pages

Illocutionary Explanation Planning for Source-Faithful Explanations in Retrieval-Augmented Language Models

意图解释规划：在检索增强语言模型中实现源忠实的解释

Francesco Sovrano, Alberto Bacchelli

机构 * Collegium Helveticum, ETH Zurich（瑞士苏黎世联邦理工学院学院） ； University of Zurich（瑞士苏黎世大学） 纠错

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

AI总结 研究通过意图宏观规划提升检索增强语言模型中解释的源忠实性，通过链式意图提示提升源忠实度，实验显示在部分模型中提升显著，但整体效果仍有限。

Comments 24 pages; Accepted for publication at XAI'2026

Goal2Skill: Long-Horizon Manipulation with Adaptive Planning and Reflection

Goal2Skill：基于自适应规划与反思的长时程操作

Zhen Liu, Xinyu Ning, Zhe Hu, Xinxin Xie, Weize Li, Zhipeng Tang, Chongyu Wang, Zejun Yang, Hanlin Wang, Yitong Liu, Zhongzhu Pu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出双系统框架，通过分离高层语义推理与低层运动执行，提升长时程操作的鲁棒性和适应性，实验表明其在RMBench任务中显著优于基线方法。

LEO-RobotAgent: A General-purpose Robotic Agent for Language-driven Embodied Operator

LEO-RobotAgent: 一种通用的基于语言的机器人代理框架

Lihuang Chen, Xiangyu Luo, Jun Meng

机构 * Zhejiang University, Hangzhou 310000, P. R. China（浙江大学，杭州310000，中华人民共和国） 纠错

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

AI总结 本文提出LEO-RobotAgent框架，旨在通过语言驱动实现机器人在复杂场景中完成多样化任务，具备强泛化能力、鲁棒性和高效性，降低人机交互门槛。

A Comparison of Reinforcement Learning and Optimal Control Methods for Path Planning

强化学习与最优控制方法在路径规划中的比较

Qiang Le, Yaguang Yang, Isaac E. Weintraub

机构 * Department of Electrical and Computer Engineering, Hampton University（哈珀学院电气与计算机工程系） ； Air Warfare Directorate, Air Force Research Laboratory（空军研究实验室空战 Directorate） 纠错

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

AI总结 本文比较了强化学习与最优控制方法在路径规划中的应用，提出基于DDPG的方法能快速生成安全路径，但存在不可行区域，未来将改进奖励函数和探索其他方法。

Comments 8 pages, 9 figures, submitted to AAAI Conference

EA-Agent: A Structured Multi-Step Reasoning Agent for Entity Alignment

EA-Agent：一种用于实体对齐的结构化多步推理代理

Yixuan Nan, Xixun Lin, Yanmin Shang, Ge Zhang, Zheng Fang, Fang Fang, Yanan Cao

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

AI总结 本文提出EA-Agent，通过多步规划与执行将实体对齐转化为结构化推理过程，引入属性和关系三元组选择器提升效率，实验表明其在三个基准数据集上均优于现有方法。

Comments ACL 2026,Main Conference