大模型推理能力

HARMON-E: Hierarchical Agentic Reasoning for Multimodal Oncology Notes to Extract Structured Data

HARMON-E：多模态肿瘤病历的分层代理推理以提取结构化数据

Shashi Kant Gupta, Arijeet Pramanik, Jerrin John Thomas, Regina Schwind, Lauren Wiener, Avi Raju, Jeremy Kornbluth, Yanshan Wang, Zhaohui Su, Hrituraj Singh

机构 * Triomics ； University of Pittsburgh（匹兹堡大学） ； Ontada 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 HARMON-E通过分层代理推理框架，实现对多模态肿瘤病历的结构化数据提取，达到高精度和大规模应用。

Comments 39 Pages, Supplementary Included

Towards Responsible and Explainable AI Agents with Consensus-Driven Reasoning

迈向负责任和可解释的AI代理：基于共识驱动的推理

Eranga Bandara, Tharaka Hewa, Ross Gore, Sachin Shetty, Ravi Mukkamala, Peter Foytik, Abdul Rahman, Safdar H. Bouk, Xueping Liang, Amin Hass, Sachini Rajapakse, Ng Wee Keong, Kasun De Zoysa, Aruna Withanage, Nilaan Loganathan

机构 * Old Dominion University, Norfolk, VA, USA（老奥本大学） ； Center for Wireless Communications, University of Oulu, Finland（无线通信中心，奥卢大学） ； Florida International University, USA（佛罗里达国际大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； University of Colombo, Sri Lanka（科伦坡大学） ； Accenture Technology Labs, Arlington, VA, USA（Accenture技术实验室） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 本文提出了一种基于多模型共识和推理层治理的负责任和可解释的AI代理架构，通过结构化整合不同模型的输出以提升系统鲁棒性、透明度和责任性。

Laser: Governing Long-Horizon Agentic Search via Structured Protocol and Context Register

激光：通过结构化协议和上下文寄存器治理长 horizon 的代理搜索

Shuting Wang, Qiaolin Xia, Vich Wang, Herberttli, Bobsimons, Zhicheng Dou

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；logical reasoning(abstract)

AI总结 Laser通过结构化协议和上下文寄存器稳定并扩展代理搜索，提升多跳问答性能。

EcoNet: Multiagent Planning and Control Of Household Energy Resources Using Active Inference

EcoNet：利用主动推断进行多智能体家庭能源资源规划与控制

John C. Boik, Kobus Esterhuysen, Jacqueline B. Hynes, Axel Constant, Ines Hipolito, Mahault Albarracin, Alex B. Kiefer, Karl Friston

机构 * VERSES, Los Angeles, CA, USA（VERSES, 美国洛杉矶州） ； Spatial Web Foundation, Los Angeles, CA, USA（空间网络基金会, 美国洛杉矶州） ； Dept. of Engineering and Informatics, Univ. of Sussex, Brighton, UK（工程与信息学系, 英国苏塞克斯大学） ； Institut Sante et societe, UQAM, Montreal, CAN（健康与社会研究所, 加拿大蒙特利尔） ； Macquarie University, Sydney, AUS（麦考瑞大学, 澳大利亚悉尼） ； LearnableLoopAI.com, Custer, WA, USA（LearnableLoopAI.com, 美国华盛顿州） ； Queen Square Institute of Neurology, UCL, London, UK（queen square 神经学研究所, 英国伦敦大学学院） 纠错

专题命中 规划推理 ：planning(title)；分类 cs.AI

AI总结 EcoNet通过主动推断方法，解决家庭能源管理中的不确定性及多目标冲突问题，提升能源调度与协调效率。

Comments 17 pages, 9 figures

SIGN: Schema-Induced Games for Naming

SIGN：基于模式的命名游戏

Ryan Zhang, Herbert Woisetschläger

专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 SIGN通过引入轻量结构引导惯例形成，提升了多代理协调效率，其在命名游戏中展示了更高的收敛速度和一致性。

Comments AAAI 2026 Student Abstract (Oral). Code available ar https://github.com/ryanzhangofficial/schema-induced-games-for-naming

HELP: Hierarchical Embodied Language Planner for Household Tasks

家庭任务的分层具身语言规划器HELP

Alexandr V. Korchemnyi, Anatoly O. Onishchenko, Eva A. Bakaeva, Alexey K. Kovalev, Aleksandr I. Panov

机构 * MIRAI ； Cognitive AI Systems Lab（认知人工智能系统实验室） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG

AI总结 HELP通过分层结构的LLM智能体解决家庭任务中的复杂规划问题，结合自然语言处理与具身智能，实现高效任务执行。

Context as a Tool: Context Management for Long-Horizon SWE-Agents

上下文作为工具：长周期SWE代理的上下文管理

Shukai Liu, Jian Yang, Bo Jiang, Yizhi Li, Jinyang Guo, Xianglong Liu, Bryan Dai

机构 * Beihang University（北航大学） ； Manchester（曼彻斯特） ； Ubiquant 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 CAT通过整合上下文管理工具，提升SWE代理的长周期推理能力，实验表明其在SWE-Bench-Verified上达到57.6%的解决率，显著优于现有方法。

Exploring the Heterogeneity of Tabular Data: A Diversity-aware Data Generator via LLMs

探索表格数据的异质性：通过LLMs的多样性感知数据生成器

Yafeng Tang, Xiaoou Ding, Jianzhuo Du, Zishuo Yan, Zhuang Ma, Zheng Liang, Zekai Qian, Hongzhi Wang

机构 * Hongzhi Wang（王 Hongzhi） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG

AI总结 DATE通过LLMs生成多样化且高质量的表格数据，有效提升机器学习模型的性能与推理能力。

Comments This manuscript has been submitted to IEEE Transactions on Knowledge and Data Engineering (TKDE) for peer review

Democratizing Drug Discovery with an Orchestrated, Knowledge-Driven Multi-Agent Team for User-Guided Therapeutic Design

用协同、知识驱动的多智能体团队实现药物发现民主化

Takahide Suzuki, Kazuki Nakanishi, Takashi Fujiwara, Hideyuki Shimizu

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 OrchestRA通过协同、知识驱动的多智能体团队，整合生物学、化学和药理学，实现药物发现的自主化与民主化，推动其从随机搜索向可编程证据工程转型。

Comments 51 pages, 4 figures (with supplementary information)

Statistical vs. Deep Learning Models for Estimating Substance Overdose Excess Mortality in the US

统计学习与深度学习模型用于估计美国物质过量死亡率

Sukanya Krishna, Marie-Laure Charpignon, Maimuna Majumder

机构 * Harvard University（哈佛大学） ； Boston Children's Hospital（波士顿儿童医院） ； Broad Institute of MIT and Harvard（MIT和哈佛联合研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.LG

AI总结 本文比较了统计模型与深度学习模型在预测美国物质过量死亡率方面的性能，发现LSTM在预测结构变化时表现更优，而基于注意力的模型因过度拟合历史数据而表现不佳。

A Survey of Freshness-Aware Wireless Networking with Reinforcement Learning

面向新鲜度的无线网络调研：强化学习视角

Alimu Alibotaiken, Suyang Wang, Oluwaseun T. Ajayi, Yu Cheng

机构 * Department of Electrical and Computer Engineering, Illinois Institute of Technology（伊利诺伊理工学院电气与计算机工程系） ； School of Computer Science and Engineering, California State University（加州州立大学计算机科学与工程学院） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.LG

AI总结 本文通过强化学习视角调研了面向新鲜度的无线网络，系统梳理了AoI及其变体分类，并提出策略分类法，综合了RL驱动的新鲜度控制进展，突出了延迟决策、随机变化和跨层设计等挑战。

UniLabOS: An AI-Native Operating System for Autonomous Laboratories

UniLabOS：面向自主实验室的AI原生操作系统

Jing Gao, Junhan Chang, Haohui Que, Yanfei Xiong, Shixiang Zhang, Xianwei Qi, Zhen Liu, Jun-Jie Wang, Qianjun Ding, Xinyu Li, Ziwei Pan, Qiming Xie, Zhuang Yan, Junchi Yan, Linfeng Zhang

专题命中 规划推理 ：planning(abstract)

AI总结 UniLabOS通过AI原生架构统一自主实验室的数字决策与物理实验，实现跨异构仪器的鲁棒调度与多节点协调，为可重复和可追溯的自主实验提供可扩展基础。

Comments 18 pages, 9 figures