AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
SMaRT: 选择、混合与再发明 -- 一种用于大语言模型驱动推理与规划的策略融合框架
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.CL、cs.AI
AI总结 SMaRT框架通过融合多样化推理策略，提升大语言模型在推理与规划任务中的性能和鲁棒性。
一个演示就足够：从单个演示中利用LLM进行规划域推导
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； McGill University（麦吉尔大学）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 PDDLLM通过结合LLM推理与物理模拟，从单个演示中自动推导规划域，提升长时间跨度任务规划的自动化与可靠性。
Comments Published as a conference paper at ICLR 2026
预算约束下的代理型大语言模型：基于意图的规划以应对昂贵的工具使用
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Shanghai University of Finance（上海财经大学） ； Baidu Inc.（百度公司）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出INTENT框架，通过意图感知的分层世界模型，在预算约束下提升工具使用任务的成功率并保持鲁棒性。
DeepRead: 一种基于文档结构的推理以增强代理搜索
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences (CAS)（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences, CAS（中国科学院大学） ； Wenlan School of Business, Zhongnan University of Economics（中南财经政法大学文澜商学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 DeepRead通过结构感知的文档推理增强代理搜索，有效提升文档理解精度。
Comments This version has significantly enhanced the clarity of our research
共享动态空域中多无人机预飞行规划
机构 * Linköping University（林雪平大学） ； Universidade Estadual de Campinas（坎皮纳斯州立大学） ； Universidade Federal do ABC（ABC联邦大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 DTAPP-IICR通过增量迭代冲突解决方法，实现了在动态共享空域中大规模无人机预飞行规划的高效与高成功率。
Comments AAMAS 2026 accepted paper
圆桌政策：置信度加权共识聚合提升多智能体系统推理
机构 * mit（麻省理工学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 圆桌政策通过多语言模型加权共识提升多智能体系统在复杂科学任务中的推理能力
Comments Project page: https://ai4scidisc.github.io/roundtable/
优化安全与自主性的智能体规划
专题命中 规划推理 ：planning(title)；分类 cs.LG
AI总结 本文提出了一种安全意识智能体，通过增强人工监督交互和规划任务进展与政策合规性，提高自主性并减少对人工监督的依赖。
Comments 33 pages, 6 figures
多智能体通信的五个W：谁与谁沟通，何时沟通，沟通什么，为何沟通——从MARL到涌现语言和LLMs的综述
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文综述了多智能体通信的五个W，探讨了从MARL到涌现语言和LLM的发展，分析了不同范式下的通信设计、权衡与挑战。
Comments Accepted at Transactions on Machine Learning Research (TMLR), 2026
算法代码优化的受控自演进
机构 * NJU（南京大学） ； PKU（北京大学） ； Midea-AIRC（美的人工智能研究院） ； ECNU（华东师范大学） ； SYSU（南方科技大学） ； RUC（中国人民大学） ； QuantaAlpha（量子Alpha） ； QuantML（量子机器学习）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI
AI总结 受控自演进通过改进初始化、反馈引导和经验记忆，提升算法代码优化的效率和效果。
Comments 27 pages
分析搜索
机构 * DCST, Tsinghua University（清华大学智能驾驶与车路协同研究院） ； Quan Cheng Laboratory（量子工程实验室）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出分析搜索范式，旨在通过证据导向和多步骤推理解决复杂分析需求，提升信息检索的端到端能力。
SIGHT: 基于自证证据和信息增益多样分支的强化学习
机构 * Zhejiang University（浙江大学） ； Chongqing Ant Consumer Finance Co., Ltd.（重庆蚂蚁消费金融有限公司） ； Alibaba Group（阿里巴巴集团）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 SIGHT通过自证证据和信息增益驱动多样化分支，提升搜索代理的自主推理能力，减少冗余并增强探索策略。
GAC-KAN：一种面向生成式人工智能的超轻量级GNSS干扰分类器
机构 * National Key Laboratory of Wireless Communications, University of Electronic Science and Technology of China（无线通信国家重点实验室，电子科学与技术大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 GAC-KAN是一种面向生成式人工智能的超轻量级GNSS干扰分类器，通过物理引导仿真和轻量级网络设计，在保证高精度的同时显著降低参数量，适用于边缘设备的安全防护。
利用生成式AI实现人类理解：解释性AI作为新范式的核心要求与设计原则
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出解释性AI作为新范式，通过生成式AI能力帮助人类理解和决策，定义五个核心维度和十条设计原则。
基于RF调制的自适应通信提升多智能体机器人探索
机构 * University of Colorado Boulder（科罗拉多大学波尔德分校）
专题命中 规划推理 ：planning(abstract)
AI总结 本文提出了一种自适应射频传输算法，通过动态调节传输位置提升多智能体机器人在通信受限环境中的探索效率，实验显示其在距离和时间上均优于现有方法。
AC-MASAC：一种用于异构无人机群协调的注意力课程学习框架
机构 * Guangdong University of Technology（广东工业大学）
专题命中 规划推理 ：planning(abstract)
AI总结 本文提出AC-MASAC框架，通过角色感知注意力机制和结构化课程策略，解决异构无人机群协同路径规划中的稀疏奖励和灾难性遗忘问题，提升成功率和任务完成效率。
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