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。
通过消息序列图实现LLM代理的可证明协调
机构 * Université Paris-Saclay, CNRS, ENS Paris-Saclay, LMF, Gif-sur-Yvette, France（巴黎萨克雷大学、法国国家科学研究中心、巴黎萨克雷高等师范学院、LMF、法国吉夫-sur-耶vette） ； Institut Universitaire de France, Paris, France（法国国家科学院、巴黎，法国）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出基于消息序列图的领域特定语言，用于规范LLM代理协调，解决死锁和消息类型不匹配等问题，通过语法引导投影生成无死锁的局部代理程序，并展示如何在LLM非确定性基础上建立协调属性。
Comments 42 pages; accepted at ISoLA 2026
用于摊销贝叶斯推理的神经架构：统计基础与实证评估
机构 * Department of Mathematics and Statistics, Indian Institute of Technology Kanpur（数学与统计学系，印度理工学院坎浦尔分校） ； Marshall School of Business, University of Southern California（马歇尔商学院，南加州大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 探讨用于摊销贝叶斯推理的神经架构，从统计角度分析前馈网络等架构如何支持摊销推理，通过模拟研究评估其在不同场景下的表现，展现其优势与局限。
Comments 32 pages, 8 figures, 3 tables
AgenticData：一种用于异构数据的智能数据分析系统
机构 * Department of Computer Science, Tsinghua University（清华大学计算机科学系）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 针对现有非结构化数据分析系统依赖专家且成本高、耗时久的问题，AgenticData通过反馈驱动规划技术及多智能体协作策略，将自然语言查询转换为语义计划并优化执行，经测试在多个基准测试中准确率超现有方法。
用于安全且符合道德的自动驾驶车辆的人在回路机器学习：原理、挑战与机遇
机构 * IEEE
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 本文针对自动驾驶车辆面临的挑战，对人在回路机器学习进行教程式综述，涵盖课程学习、人在回路强化学习、人在回路大语言模型、主动学习等方法及道德原则，以推动安全且符合道德的自动驾驶发展。
Comments 19 pages, 4 figures
STEP：通过时间和教育轨迹建模进行职业路径推荐
机构 * AIDA-IDLab, Ghent University（AIDA-ID实验室，根特大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 研究利用大语言模型从简历获取职业轨迹数据，提出STEP职业路径推荐系统，通过集成时间衰减GRU、FiLM及注意力序列池化预测下一份工作，引入ROUTE改进职业表示，在多数据集评估中优于基准，还公开了数据集和代码。
冲突情境下心智理论的人工智能因果模型
机构 * Institute for Creative Technologies, University of Southern California（南加州大学创意技术研究所）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出结构因果模型，将心智理论视为由情境和主体条件激活的机制，通过三条因果路径决定何时进行心智化，提升AI社会推理的准确性和效率。
从奖励黑客激活到智能体风险状态：LLM智能体中的上下文校准机制监控
机构 * University of Cambridge（剑桥大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本研究通过分析ReAct风格智能体在Gameable ALFWorld和WebShop环境中的奖励黑客行为，提出结合激活状态、熵和决策上下文的上下文校准监控方法，以更准确评估智能体风险。
Catalyst-Agent：基于LLM Agent的自主异质催化剂筛选
机构 * Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA 15213, USA（卡内基梅隆大学机械工程系，匹兹堡，PA 15213，USA） ； Department of Chemical and Biomolecular Engineering, University of Nebraska--Lincoln, Lincoln, NE 68588, USA（内布拉斯加大学林肯分校化学与生物分子工程系，林肯，NE 68588，USA）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 提出Catalyst-Agent，一种基于MCP服务器和LLM的AI代理，通过OPTIMADE API探索材料数据库、利用UMA模型计算吸附能，实现闭环自主催化剂筛选，在ORR、NRR和CO2RR反应中成功率达33-41%。
LongMedBench：用于长期临床决策的医疗智能体基准测试
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； Transvascular Implantation Devices Research Institute（血管内植入装置研究所）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 介绍基于EHR的LongMedBench基准，用于长期临床决策。构建含多患者多事件数据集，提出评估分类法。实验表明大语言模型在隐式时间推理有挑战，RAG和智能体记忆系统对信息检索有帮助，决策任务性能依赖模型即时上下文。
Comments Submitted manuscript prior to peer review in MICCAI 2026
FARS：一个大规模部署的全自动研究系统
机构 * Analemma ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； University College Dublin（都柏林大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； ByteDance（字节跳动） ； ShanghaiTech University（上海科技大学） ； University of Warwick（华威大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； Tencent（腾讯） ； The University of Hong Kong（香港大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nex-AGI Team（Nex-AGI团队）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出FARS系统，通过分阶段智能体协作自动生成研究项目，在67个AI/ML主题上产出166篇论文，经282份评审验证其可产出有价值成果，同时暴露实验范围窄、方法局限和诚信问题。
InqEduAgent：具有高斯过程增强的自适应人工智能学习伙伴
机构 * Guangdong Institute of Smart Education（广东智能教育研究院） ； Jinan University（暨南大学） ； School of Journalism and Communication（新闻与传播学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 研究针对探究式教育中学习伙伴分配问题，提出InqEduAgent框架，集成高斯过程增强匹配机制，能基于先验知识模式选自适应伙伴，实验证明其性能优越，推进了人机协作学习及相关领域发展。
Comments Accepted by the 2026 8th Asia Conference on Machine Learning and Computing (ACMLC 2026)
通过概率性偏误校正增强人工智能和动力学亚季预测
机构 * Harvard College（哈佛学院） ； University of Toronto（多伦多大学） ； Instituto de Matemática Pura e Aplicada（数学与应用数学研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Atmospheric and Environmental Research（大气与环境研究） ； Microsoft Corporation（微软公司） ； Rhiza Research（Rhiza研究） ； Microsoft Research New England（微软新英格兰研究院） ； European Centre for Medium-Range Weather Forecasts（欧洲中期天气预报中心）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 本文提出概率性偏误校正方法，通过学习历史概率预测来减少系统性误差，显著提升亚季预测能力，应用于ECMWF模型后，AI预测系统技能翻倍，操作性去偏模型在91%压力、92%温度和98%降水目标上表现更优。
超越嵌入：用于二进制代码相似性的可解释特征提取
机构 * Defence Research and Development Canada（加拿大国防研究与发展署） ； McGill University（麦吉尔大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究二进制代码相似性检测问题，利用基于语言模型的智能体对汇编代码结构化推理分析生成可解释特征，无需匹配训练，在跨架构和跨优化任务中召回率表现良好，结合嵌入优于现有技术，实现准确性、可扩展性和可解释性共存。
Comments 15 pages, 8 figures
大语言模型的快速、慢速和工具增强思维：综述
机构 * School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China（上海交通大学机械工程学院） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai 200240, China（上海交通大学计算机科学学院） ； Huawei Technologies Co., Ltd., Beijing 100084, China（华为技术有限公司） ； Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong, Hong Kong 999077, China（香港中文大学系统工程与工程管理系） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong 999077, China（香港中文大学计算机科学与工程系） ； Huawei Hong Kong Research Center, Hong Kong 999077, China（华为香港研究中心）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 综述大语言模型推理进展，基于认知心理学提出LLM推理策略分类法，沿快速/慢速、内部/外部两个知识边界分类，系统调查相关工作并依关键因素归类方法，指出其面临的挑战与未来方向。
Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-51673-0}
SutureFormer: 通过像素空间中的目标引导离线强化学习学习手术轨迹
机构 * University of Macau（澳门大学） ； The Chinese PLA General Hospital（中国人民解放军总医院） ； Duke University（杜克大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出SutureFormer，一种基于目标引导的离线强化学习框架，通过稀疏标注到密集奖励信号的插值，有效学习手术针轨迹预测，减少平均位移误差58.6%。
对百万智能体系统涌现的归因
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Tongji University（同济大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一种归因方法，用于在百万级智能体系统中归因宏观现象，该方法在速度和理论基础上均优于现有方法，并证明了全规模归因对非线性宏观指标的必要性。
MLS-Bench：对构建更好AI的AI系统的全面且严格评估
机构 * UC Berkeley（伯克利大学） ； Princeton University（普林斯顿大学） ； Tsinghua University（清华大学） ； University of Washington（华盛顿大学） ； Purdue University（Purdue 大学） ； Harvard University（哈佛大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Shanghai Jiao Tong University（上海交通大学） ； UC San Diego（圣地亚哥大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出MLS-Bench基准，包含12个领域140个任务，评估AI系统能否发明通用且可扩展的机器学习方法，发现当前智能体在方法发明上仍远逊于人类，瓶颈在于科学洞察而非单纯搜索或计算。
CLARITY：用于通过在潜在空间中建模情境感知疾病轨迹来指导治疗决策的医学世界模型
机构 * Institute of Artificial Intelligence, University of Central Florida（中佛罗里达大学人工智能研究所）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 CLARITY通过在潜在空间中建模时间间隔和患者特定数据，预测疾病演变轨迹，生成个性化治疗方案，并在医学领域实现最先进的治疗规划性能。
Comments Accepted to ECCV 2026
智能体人工智能-RAN：实现意图驱动、可解释和自我进化的开放式RAN智能
机构 * G/6GIC, Institute for Communication Systems (ICS), University of Surrey（5G/6G研究所，通信系统研究所（ICS），萨里大学） ； G Research Center, Khalifa University（6G研究中心，卡利法大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 探讨如何将智能体控制器引入开放式RAN，介绍相关架构，对比传统ML/RL xApps，围绕网络切片生命周期等任务分类，引入智能体原语并展示其在多小区O-RAN模拟中提升性能，还讨论了安全等挑战。
Comments 11 pages, 4 figures. Accepted at IEEE Network Magazine
最优智能体选择：用于高效多智能体协作的状态感知路由框架
机构 * Research Center for Social Computing and Information Retrieval（社会计算与信息检索研究中⼼）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对多智能体系统中智能体调度和协调策略的不足，提出状态感知路由框架STRMAC，通过编码交互历史和智能体知识选择合适智能体，并引入自进化数据生成法，实验表明其性能达最优。
通过折扣强化学习高效推理
机构 * Amazon（亚马逊公司） ； University of Alberta（阿尔伯塔大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 针对大型推理模型消耗过多token导致计算成本高的问题，提出使用折扣强化学习（解释为小token成本）惩罚推理token，结合Blackwell最优性分析，在保持准确性的同时缩短推理链。
KernelSight-LM: 一种内核级LLM推理模拟器
机构 * Amazon Web Services（亚马逊网络服务） ； Boston University（波士顿大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出KernelSight-LM，一种细粒度推理模拟器，通过分解服务步骤为屋顶线内核模型、通信模型和主机开销模型，并集成前缀缓存和连续批处理，实现跨GPU代际或少量目标数据下的精确延迟预测，支持硬件/软件协同设计。
EvoMaster：一种用于大规模代理科学的基础进化代理框架
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； SciLand ； DP Technology（DP技术）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 EvoMaster通过持续自我进化机制，使代理能迭代优化假设并积累知识，实现跨学科的高效科学发现，其易用性与性能在多个基准测试中均表现优异。
Comments 44 pages, 3 figures
GUIDE：通过实时网络视频检索和即插即用标注解决GUI代理的领域偏见
机构 * Shanghai Jiao Tong University（上海交通大学） ； State Key Laboratory for General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，北京通用人工智能研究院） ； Beijing Institute of Technology（北京理工大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 GUIDE通过实时网络视频检索和即插即用标注框架，解决GUI代理的领域偏见问题，通过视频语义分析和自动化标注流程提升代理对特定应用的操作流程和UI布局的理解，实验表明其在多代理系统和单模型代理中均能提升性能。
Comments Accepted to ECCV 2026. 30 pages: 15-page main paper followed by supplementary material as an appendix (Sections A-F). Project page: https://sharryXR.github.io/GUIDE/
T-QPM：面向开放世界视觉语言模型的时间分布外检测与域泛化
机构 * San Diego State University（圣地亚哥州立大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出T-QPM框架，通过时间四元模式匹配和轻量级融合权重学习，增强视觉语言模型在动态环境下的分布外检测和协变量偏移鲁棒性。
通过语义探索发现视觉提示
机构 * Sony Group Corporation（索尼集团公司） ； Pohang University of Science and Technology（浦项科技大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出SEVEX算法，通过抽象思想空间和语义反馈自动探索任务级视觉提示，提升LVLM图像感知能力。
Comments Accepted to ECCV 2026, project page: https://jaechang.dev/projects/SEVEX/
Paper2Rebuttal: 一种透明的作者回复辅助多智能体框架
机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出多智能体框架RebuttalAgent，将回复生成重构为以证据为中心的规划任务，通过分解反馈、构建混合上下文和外部搜索模块，提升覆盖度、忠实性和策略连贯性。
Comments Accepted by ACL2026 main conference
分层消息传递策略用于多智能体强化学习
机构 * IDSIA USI-SUPSI, Università della Svizzera italiana（瑞士意大利语区大学IDSIA USI-SUPSI） ； Politecnico di Milano（米兰理工大学） ； EPFL（洛桑联邦理工学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 提出一种结合分层强化学习和消息传递的多智能体策略学习方法，通过分层图结构实现智能体间的协调与规划，并设计基于优势函数的新颖奖励分配方法，在基准测试中取得优于现有技术的性能。
SEA-TS：面向时间序列预测算法自主代码生成的自我进化智能体
机构 * Ecoflow Inc.（Ecoflow公司）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出SEA-TS框架，通过度量优势MCTS、代码审查与运行提示优化、全局可引导推理三大机制，自主迭代生成、验证和优化时间序列预测算法代码，在四个数据集上优于TimeMixer等基线。
一种遵循指南的AI智能体用于零样本靶区自动勾画
机构 * Oncosoft Inc.（Oncosoft公司） ； Department of Radiation Oncology, Samsung Medical Center, Sungkyunkwan University School of Medicine（放射肿瘤科，三星医疗中心，成均馆大学医学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出OncoAgent框架，将文本临床指南转化为三维靶区轮廓，无需训练即可实现零样本勾画，在食管癌病例中达到与监督方法相当的Dice系数，且医生更偏好其指南依从性和临床可接受性。
Comments Accepted to MICCAI 2026
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