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。
用于可靠企业级文本到SQL的有界语义规划与确定性编译
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 提出语义路径编译（SPC）系统，在ACME保险基准测试中，其文本到SQL任务正确率达97.4%，显著优于基线系统，且鲁棒性更强。
Comments 10 sections, 2 figures, 6 tables. Preprint. Code and research artifacts are described in the manuscript
InFactPlanner：可持续地理分布式大语言模型（LLM）数据中心规划
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 InFactPlanner是用于LLM推理的可持续地理分布式数据中心部署假设分析的决策支持框架，可通过多维度建模分析得出可持续性与延迟最优选择存在差异等结论。
Comments Author copy of paper published at 34th International Symposium on the Modeling, Analysis, and Simulation of Computer and Telecommunication System (MASCOTS2026)
MMArch：基于建筑证据的多模态推理基准测试
专题命中 规划推理 ：reasoning(title)；分类 cs.AI
AI总结 研究针对多模态大语言模型（MLLM）在工程多模态推理基准上的表现，构建MMArch基准，发现现有MLLM与人类专家存在差距，为相关研究提供评估基准。
基于深度强化学习的车辆路径问题——工业中卡车规划的案例研究
机构 * Bosch Center for Artificial Intelligence（博世人工智能中心） ； School of Electronic Information and Electrical Engineering（电子信息与电气工程学院） ； School of Computer Science, Macau University of Science and Technology（澳门科技大学计算机学院）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文以工业卡车规划为案例，针对三个物流场景，提出基于深度强化学习的车辆路径优化方法，其优化后路径总成本较基线降低10%以上，还提出可将该算法推广至更多VRP变体。
面向航天器集群碰撞感知轨迹规划的神经算子学习
机构 * Purdue University（普渡大学） ； Manifold Research Group（流形研究组）
专题命中 规划推理 ：planning(title)；分类 cs.LG
AI总结 该研究提出排列等变神经算子，结合自监督物理目标与对抗威胁训练，实现航天器集群轨迹规划，可零样本泛化到大规模集群，精度接近最优控制求解器，性能优于无碎片感知基线。
Comments 27 pages, 6 figures, 6 tables. Submitted to Nature Machine Intelligence. Video abstract included as ancillary file
ConnectED：面向越南教学课程规划与学生学习的课程对齐AI系统
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 该研究提出以人为本的AI系统ConnectED，基于VietEduQwen构建，支持越南教育完整教学生命周期，经评估其准确率优于基准模型，可缩短教师备课时间且获师生高满意度。
检索前先思考：多模态检索增强生成的智能体规划
机构 * Bosch AI Research Center（博世人工智能研究中心） ； University of Notre Dame（圣母大学） ； Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 研究多模态检索增强生成问题，提出MM-R2框架，通过建模检索内容和位置在检索前推理，构建意图基础检索状态，在结构化知识图谱检索，还构建相关数据集并采用两阶段后训练策略，实验证明其在答案准确性等方面表现出色。
基于多智能体深度强化学习的车道变换决策模型：用于混合交通中协同规划
机构 * University of Virginia（弗吉尼亚大学） ； Link Lab（链接实验室） ； Department of Systems and Information Engineering（系统与信息工程系） ； Department of Computer Science（计算机科学系）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文提出基于多智能体深度强化学习的车道变换决策模型，通过整合CNN-QMIX框架提升CAVs在混合交通中的协同编队效率，实验显示其在提升协同编队率方面表现优异。
Comments Under review at IEEE Transactions on Intelligent Transportation Systems
PlanE：基于抽取式大语言模型的数据、调优和推理的元规划
机构 * Ant Group（蚂蚁集团） ； School of Information Science and Engineering, East China University of Science and Technology（华东理工大学信息科学与工程学院）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 针对大语言模型特定任务能力提升中数据标注成本高及缺乏优化方法的问题，提出PlanE框架，含数据分解等，引入DTI规划器，实验验证了该框架及规划器在不同场景下的有效性和通用性。
AnovaX：一个具有大语言模型规划、类型化执行器和自适应恢复功能的本地多智能体语音助手
机构 * BITS Pilani（贝拉理工学院皮拉尼分校）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 研究桌面语音助手局限，提出AnovaX本地多智能体语音助手，通过Python进程连接多组件，含规划器、安全层等，各工具对应专用智能体类，有递归元智能体及自适应恢复循环，还介绍配套服务器功能，展示其独特优势。
AI交易的阿尔法奇点：通过智能体间自我进化实现涌现性市场推理
专题命中 规划推理 ：reasoning(title)；分类 cs.AI
AI总结 提出密封联合搜索（SJS）框架，通过信息流结构条件防止过拟合，并基于Agora系统在CSI 1000上实现夏普比率+1.87，验证了评分函数与搜索联合优化的有效性。
RetailBench: 在真实零售环境中评估LLM代理的长期推理与连贯决策能力
机构 * Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学）
专题命中 规划推理 ：reasoning(title)；分类 cs.AI
AI总结 提出RetailBench基准，模拟单店超市运营，评估LLM代理在长期决策中的表现，发现多数模型无法持续生存，与最优策略差距显著。
Comments The submission of this paper was a mistake. This is the second version of arXiv:2603.16453, so it should have replaced the original 2603 version through a replacement submission, rather than being published as a new paper
先派侦察兵：提示注入防御中自适应检测器分配的预推理方法
机构 * UC San Diego（加州大学圣迭戈分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 规划推理 ：reasoning(title)；分类 cs.LG
AI总结 针对提示注入检测器异构且不可靠的问题，提出SCOUT框架，通过预测每个检测器对每个样本的可靠性和延迟，动态分配检测器，实现安全性与效率的权衡。
Comments We propose SCOUT, a detector allocation framework that predicts each detector's accuracy and latency on a given input before running it, letting operators control the safety-utility trade-off with a single threshold and route to an LLM judge only when needed
REAL: 一种增强推理的图框架用于LLM的长期记忆管理
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Kuaishou Technology（快手科技） ； Center for Data Science, Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院数据科学中心）
专题命中 规划推理 ：reasoning(title)；分类 cs.CL
AI总结 提出REAL框架，通过构建时序和置信度感知的有向属性图，采用非破坏性更新和混合束搜索检索，解决LLM长期记忆中的关系缺失、事实覆盖和查询被动问题，平均性能提升22.72%。
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 规划推理 ：reasoning(title)；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
一种具有推理能力的随机可验证自主控制架构
专题命中 规划推理 ：reasoning(title)；分类 cs.AI
AI总结 本文提出一种具有推理能力的随机可验证自主控制架构LISA，通过将系统抽象为DTMC和MDP模型，实现代理与环境的概率验证，提升设计与运行时的验证效率。
Comments Accepted at IEEE Conf. Decision and Control, 2016
交通系统管理与运营中的大语言模型：从文本推理到多模态决策支持
机构 * Bourns College of Engineering, Center for Environmental Research and Technology, University of California at Riverside, CA, USA（伯恩斯工程学院，环境研究与技术中心，加州大学河滨分校，美国，加利福尼亚州河滨）
专题命中 规划推理 ：reasoning(title)；分类 cs.AI
AI总结 本文综述了大语言模型（LLM）和多模态大语言模型（MM-LLM）在交通系统管理与运营（TSMO）中的应用，涵盖运营与服务、移动性与车队服务、数据建模与决策支持三大领域，并指出了数据异构性、实时推理、可解释性等挑战及未来方向。
Comments Preprint version
可溯源知识图谱推理助力钢铁行业工业VOCs的LLM辅助决策支持
机构 * Hunan Key Laboratory of Carbon Neutrality and Intelligent Energy, School of New Energy and Environment, Hunan University of Technology and Business（湖南碳中和与智能能源重点实验室，新能环境学院，湖南科技商务大学） ； Aerospace Kaitian Environmental Technology Co., Ltd.（航天凯天环境科技有限公司） ； School of Energy Science and Engineering, Central South University（能源科学与工程学院，中南大学）
专题命中 规划推理 ：reasoning(title)；分类 cs.AI
AI总结 针对钢铁行业VOCs治理知识分散、通用大模型易产生幻觉的问题，提出基于知识图谱增强的多智能体问答系统Chat-ISV，通过拓扑优化、多智能体路由和源回溯检索实现高可靠性决策支持。
LWM-CDE：无线数据推理与可迁移性的表示空间
机构 * School of Electrical, Computer and Energy Engineering, Arizona State University（电气、计算机与能源工程学院，亚利桑那州立大学） ； InterDigital, Inc.（InterDigital公司）
专题命中 规划推理 ：reasoning(title)；分类 cs.LG
AI总结 提出基于预训练无线基础模型特征空间的数据集相似性框架LWM-CDE，通过对比学习和几何形状损失微调数据集嵌入，构建距离可靠指示可迁移性的结构化流形，在无线基准测试中比现有指标更高效且与经验迁移性能相关性更强。
Comments The model and relevant scripts are available on the WILab Hugging Face page: https://huggingface.co/wi-lab
Steins;Gate Drive: 基于结构化未来语义安全仲裁的延迟解耦LLM规划
机构 * Institute for Wireless Communication and Navigation（无线通信与导航研究所） ； RPTU University Kaiserslautern-Landau（凯撒斯劳滕-兰道大学） ； German Research Center for Artificial Intelligence（德国人工智能研究中心）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文提出SteinsGateDrive架构，通过延迟解耦规划与运行时架构，在保持安全边界的同时，将有效延迟从+3.07秒减少到-0.01秒，提升了自动驾驶的规划效率。
Comments 10 pages, 2 figures, 5 tables, submitted to IEEE transaction of intelligent vehicles
在不确定领域中扩展感知意识规划
机构 * Technical University of Denmark（丹麦技术大学）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文研究了在不确定领域中扩展感知意识规划的方法，通过子符号技术扩展可决定OOP片段的解决方法，包括传感器选择问题和位置可观察性问题，并通过分解POMDPs识别合理的观察函数，从而提高性能。
通过大语言模型实现人类样式的规划
机构 * Navy Center for Applied Research in AI, US Naval Research Laboratory（美国海军人工智能应用研究中心）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文研究如何结合自然语言接口与拖放界面，利用大语言模型生成人类风格的动作序列，并与手工指定的动作序列进行比较。
Comments Accepted by the 2025 34th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN)
Ego2World：将第一人称视角烹饪视频编译为可执行世界以支持信念状态规划
机构 * Xi’an Jiaotong University（西安交通大学） ； Nankai University（南开大学） ； National University of Singapore（新加坡国立大学） ； A*STAR
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文提出Ego2World基准，通过编译第一人称视角烹饪视频为可执行符号世界，支持信念状态规划。实验表明，信念维护对任务完成至关重要。
Comments Project page: https://sj-li.com/PROJ/Ego2World/
学习探索：通过探索意识策略优化实现代理推理的扩展
机构 * Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） ； School of Cyber Science and Technology, Sun Yat-sen University Shenzhen Campus, Shenzhen, China（中山大学深圳校区信息科学与技术学院） ； State Key Laboratory of Internet Architecture, Tsinghua University, Beijing, China（清华大学互联网体系结构国家重点实验室）
专题命中 规划推理 ：reasoning(title)；分类 cs.AI
AI总结 本文提出一种探索意识强化学习框架，使LLM代理在不确定性高时主动探索，通过细粒度奖励函数和探索意识分组机制提升任务完成效率。
可扩展多智能体协调的交替目标路径规划
机构 * Hitotsubashi University, Japan（日本立命堂大学） ； National Institute of Advanced Industrial Science and Technology (AIST), Japan（日本国家先进工业科学和技术研究院）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文提出一种迭代优化框架，将目标分配与路径规划解耦，利用高效MAPF求解器实现可扩展的多智能体协同路径规划，有效提升大规模TAPF问题的求解能力。
在数据稀疏条件下预测入学人数：一种用于高等教育规划的零样本时间序列基础模型框架
机构 * School of Mathematical and Computational Sciences（数学与计算科学学院） ； Massey University（梅西大学） ； Albany, New Zealand（新西兰奥克兰）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文探讨零样本时间序列基础模型在数据稀疏情况下对入学人数预测的可行性，通过对比经典方法验证其有效性，并提出可转移的预测协议。
Comments 30 pages, 5 figures, 3 tables
高层多机器人轨迹规划与异常行为检测
机构 * Spanish project PID2024-159284NB-I00 funded by MCIN/AEI/10.13039/501100011033（西班牙项目PID2024-159284NB-I00，由MCIN/AEI/10.13039/501100011033资助） ； ERDF A way of making Europe and by the European Union NextGenerationEU/PRTR（ERDF推动欧洲发展，以及欧洲联盟NextGenerationEU/PRTR） ； DGA T45-23R and T64-23R（DGA T45-23R和T64-23R）
专题命中 规划推理 ：planning(title)；分类 cs.LG
AI总结 本文提出基于Nets-within-Nets框架的多机器人轨迹规划方法，结合Transformer模型检测异常行为，实验表明在识别执行效率低下、核心任务违规和约束适应性异常方面具有高准确率。
Comments 6 pages,3 figures, Iberian Robotics Conference 2025
ProtoCycle：基于反思的工具增强规划用于文本引导的蛋白质设计
机构 * Shanghai Jiao Tong University, School of Mathematical Sciences（上海交通大学数学科学学院） ； DP Technology（DP技术） ； University of Science and Technology of China（中国科学技术大学） ； AI for Science Institute（AI for Science研究院）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文提出ProtoCycle框架，通过LLM驱动的反馈循环和轻量级工具环境，提升文本引导蛋白质设计的序列质量。
Comments 25 pages, 11 figures. Accepted to Findings of ACL 2026
Cornfigurator：任意到任意多模态模型服务的自动化规划
机构 * University of Michigan（密歇根大学） ； University of Southern California（南加州大学） ； Cisco Research（思科研究）
专题命中 规划推理 ：planning(title)；分类 cs.LG
AI总结 Cornfigurator是首个针对通用任意到任意模型推理服务的部署规划器，通过统计评估最大化服务吞吐量，比现有系统和专家调优方案提升1.12至6.32倍。
Comments Open-source at https://github.com/cornserve-ai/cornfigurator
基于语义泛化的世界模型用于规划
机构 * Independent（独立） ； EPFL（瑞士联邦理工学院洛桑） ； Beihang University（北京航空航天大学） ； University of Toronto（多伦多大学） ； NUS（新加坡国立大学）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文提出基于视觉-语言对齐潜在空间的世界模型，用于改进视觉-运动模型控制，实现更广泛的语义泛化能力。
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