大模型推理能力

GFLAN: Generative Functional Layouts

GFLAN：生成功能布局

Mohamed Abouagour, Eleftherios Garyfallidis

机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

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

AI总结 GFLAN通过两阶段分解生成功能布局，结合拓扑规划与几何实现，提升建筑生成的准确性与合理性。

Comments 21 pages, 15 figures

CoopReflect: Towards Natural Language Communication for Cooperative Autonomous Driving via Multi-Agent Learning

CoopReflect：通过多智能体学习实现协同自动驾驶的自然语言通信

Jiaxun Cui, Chen Tang, Jarrett Holtz, Janice Nguyen, Alessandro G. Allievi, Hang Qiu, Peter Stone

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Robert Bosch LLC（罗伯特·博世有限公司） ； University of California, Riverside（加州大学河滨分校） ； Sony AI（索尼人工智能） 纠错

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

AI总结 研究探索自然语言用于车对车通信的潜力，开发基于大语言模型的驾驶智能体，引入CoopReflect多智能体学习框架，通过试错等为智能体配备相关知识，实验表明其能生成更优消息，实现跨场景泛化并降低决策延迟。

Journal ref Proc. 25th Int. Conf. Autonomous Agents and Multiagent Systems (AAMAS), 744-752 (2026)

From Mind to Machine: The Rise of Manus AI as a Fully Autonomous Digital Agent

从心智到机器：Manus AI作为完全自主数字代理的崛起

Minjie Shen, Yanshu Li, Lulu Chen, Zhichao Fan, Yanhang Li, Qikai Yang, Haochen Yang

机构 * Department of Electrical and Computer Engineering, Virginia Tech（弗吉尼亚理工学院电气与计算机工程系） ； Department of Computer Science, Brown University（布朗大学计算机科学系） ； Department of Computer Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Khoury College of Computer Sciences, Northeastern University（东北大学科里尔计算机科学学院） 纠错

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

AI总结 Manus AI是一款通用人工智能代理，结合大语言模型的推理与规划能力，执行复杂任务并产生实际成果，本文全面介绍了其技术架构、跨行业应用及未来潜力。

AdaHome: An Adaptive Smart Home Assistant using Local Small Language Models

AdaHome：一种使用本地小语言模型的自适应智能家居助手

Eu Jin Lim, Zhaoxing Li, Sebastian Stein

机构 * University of Southampton（南安普顿大学） 纠错

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

AI总结 研究旨在解决智能家居助手问题，提出AdaHome，通过意图感知规划框架、草稿链策略及偏好适应机制，在本地小语言模型上实现高效决策与个性化，实验显示其在命令准确性、延迟及多轮场景中有良好表现。

Evidence-Grounded AI for Musculoskeletal Care

用于肌肉骨骼护理的基于证据的人工智能

Wenjie Li, Yujie Zhang, Fanrui Zhang, Haoran Sun, Renhao Yang, Junjun He, Weiran Huang, Yuanfeng Ji, Chenrun Wang, Kailing Wang, Hongcheng Gao, Kaipeng Zhang, Hanyu Wang, Angela Lin Wang, Xingqi He, Yilin Huang, Shiyi Yao, Lilong Wang, Yankai Jiang, Yirong Chen, Chenglong Ma, Jiyao Liu, Ming Hu, Gen Li, Yidong Xu, Chengyu Zhuang, Jiawei Liu, Yin Zhang, Lequan Yu, Lu Chen, Yinpeng Dong, Lei Liu, Carlos Gutierrez Sanroman, Yu Qiao, Weijie Ma, Xiaosong Wang, Lei Wang

机构 * Ruijin Hospital, College of Health Science and Technology, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院，健康科学技术学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（中国科学技术大学脑启发智能感知与认知教育部重点实验室） ； School of Basic Medical Sciences, Intelligent Medicine Institute, Fudan University（复旦大学基础医学院智能医学研究院） ； Department of Radiation Oncology, Stanford University School of Medicine（斯坦福大学医学院放射肿瘤学系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； College of AI, Tsinghua University（清华大学人工智能学院） 纠错

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

AI总结 研究针对肌肉骨骼护理中证据分散问题，提出基于大语言模型的OrthoPilot系统，整合多源数据进行持续管理。该系统在诊断推理等方面超越专家，优于其他智能系统，还提升了管理成功率和病床病例数等，推动临床人工智能实现纵向管理。

Comments All co-authors have now consented to the submission and approved the authorship

Reinforcement Learning: From Algorithms To Foundation Models

强化学习：从算法到基础模型

Zihan Ding

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

AI总结 本文从游戏算法和基础模型时代的RL两个视角展开研究，前者聚焦多智能体RL中相关概念的相互作用，后者利用生成和基础模型丰富序列决策，开发多种模型并进行相关研究，呈现RL在复杂序列域的统一视图，突出其连接多方面的作用。

Comments Princeton University PhD Thesis 2026

Empirical Grounding Improves the Realism of LLM Agents Simulating Human Behavior During Disruptions

经验基础提升了在干扰期间模拟人类行为的大语言模型智能体的现实性

Chen Xia, Zexi Kuang, Yuqing Hu

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

AI总结 研究探讨经验基础对提升LLM智能体模拟人类行为现实性的作用，开发基于经验的框架，将多项调查数据嵌入其中，通过实验验证该框架能显著提升模拟效果，使LLM智能体成为更具统计可信度的人口行为模拟器。

SmartRAG: Native Graph-Based RAG for Mobile Device

SmartRAG：用于移动设备的基于原生图的RAG

Zhihan Jiang, Meng Li, Shenghao Liu, Keran Li, Ruiben Zhou, Wei Wang, Xianjun Deng, Shuai Wang, Haipeng Dai

机构 * Nanjing University（南京大学） ； HUST（华中科技大学） ； Southeast University（东南大学） 纠错

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

AI总结 研究针对移动设备部署大语言模型的问题，提出SmartRAG框架，围绕四个模块组织智能助手，核心是可持续学习的EvoNER，知识存于MRGraph，通过混合管道检索，实验表明其在多跳推理性能上有竞争力且能在普通智能手机上运行。

Comments 14 pages, 4 figures

Mini Amusement Parks (MAPs): A Testbed for Modelling Business Decisions

迷你游乐园（MAPs）：一个用于模拟商业决策的测试平台

Stéphane Aroca-Ouellette, Ian Berlot-Attwell, Panagiotis Lymperopoulos, Abhiramon Rajasekharan, Tongqi Zhu, Herin Kang, Kaheer Suleman, Sam Pasupalak

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

AI总结 介绍用于评估智能体决策能力的游乐园模拟器Mini Amusement Parks (MAPs)，统一现实决策多方面挑战，提供人类基线和对先进语言模型智能体的评估，发现人类表现更优并揭示智能体在多方面的弱点，为基准测试适应性决策智能体提供新基础。

Comments 9 pages (main paper)

Benchmarking Agentic Newswriting via Journalistic Workflows

通过新闻工作流程对智能新闻写作进行基准测试

Yen-Che Chien, Kuang-Da Wang, Wei-Yao Wang, Wen-Chih Peng

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Sony Group Corporation（索尼集团） 纠错

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

AI总结 研究智能体在新闻写作工作流程中的表现，引入NEWSAGENT基准，给定写作指令和部分材料，评估智能体搜索、选信息及改草稿能力，发现其检索事实尚可，但规划和叙事整合有困难，为评估智能体能力提供现实测试平台。

Comments Accepted to Findings of ACL 2026

LLM-Powered Agentic AI for 5G/6G Networks: A Tutorial and Survey on Architectures, Protocols, and Standardization

用于5G/6G网络的基于大语言模型的智能体人工智能：架构、协议和标准化教程与综述

Mazene Ameur, Abdelkader Mekrache, Bouziane Brik, Adlen Ksentini

机构 * EURECOM ； University of Sharjah（谢贾学院） 纠错

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

AI总结 研究5G/6G网络中基于大语言模型的智能体人工智能，通过分为两部分的教程与综述，形式化5G和6G相关平面，涵盖智能体系统基础，映射其能力到控制面等，识别自主电信面临的开放挑战。

Comments 35 pages, 4 figures, Under review

GraphDx: A Cost-Aware Knowledge-Enhanced Multi-Agent Framework for Sequential Diagnosis

GraphDx：一种用于顺序诊断的成本感知知识增强多智能体框架

Shaoting Tan, Ning Liu, Yuntao Du, Shuyue Wei, Wu Shuai, Qian Li, Yanyu Xu, Wei Zhang, Lizhen Cui, Haitao Yuan

机构 * Shandong University（山东大学） ； Nankai University（南开大学） ； East China Normal University（华东师范大学） ； National Technological University（国立科技大学） 纠错

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

AI总结 研究针对顺序诊断中平衡诊断准确性与资源成本的问题，提出GraphDx框架。该框架通过构建特殊知识图谱及引入协作智能体实现创新，实验表明其能显著提高诊断成功率并降低测试成本，为自动临床诊断提供有效方案。

Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pages 21721-21736, 2026

ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory

ABot-AgentOS：一个具有终身多模态记忆的通用机器人智能体操作系统

Jiayi Tian, Shiao Liu, Yuting Xu, Jia Lu, Zihao Guan, Honglin Han, Di Yang, Minqi Gu, Yifei Qian, Tianlin Zhang, Yanqing Zhu, Zeqian Ye, Menglin Yang, Fei Wang, Xu Hu, Xiuxian Li, Wei Zhang, Shihui Su, Yiyan Ji, Jingbo Wang, Ziteng Feng, Jiaheng Liu, Zhaoxiang Zhang, Xiaolong Wu, Zixiao Tang, Zhining Gu, Yang Cai, Linbo Zheng, Jingjing Ma, Mingyang Yin, Zedong Chu, Wenbin Tang, Mu Xu

机构 * AMAP CV Lab（AMAP计算机视觉实验室） 纠错

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

AI总结 研究针对长期具身智能体运行需求，提出ABot-AgentOS通用机器人智能体操作系统，引入EmbodiedWorldBench基准，采用通用多模态图记忆及失败驱动自我进化循环，在相关测试中表现良好，证明该系统层可提升具身执行并提供持久记忆。

Comments Code: https://github.com/amap-cvlab/ABot-AgentOS Project page: https://amap-cvlab.github.io/ABot-AgentOS

MCPEvol-Bench: Benchmarking LLM Agent Performance Across Dynamic Evolutions of MCP Servers

MCPEvol-Bench：跨MCP服务器动态演化对大语言模型智能体性能进行基准测试

Huanxi Liu, Kun Hu, Jiaqi Liao, Qiang Wang, Pengfei Qian, YuanZhao Zhai, Dawei Feng, Bo Ding, Huaimin Wang

机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； State Key Laboratory of Complex & Critical Software Environment（复杂关键软件环境国家重点实验室） ； National Key Laboratory of Parallel and Distributed Computing（并行与分布式计算国家重点实验室） 纠错

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

AI总结 研究针对MCP服务器工具接口和功能持续演化致评估有缺陷的问题，引入MCPEvol-Bench基准测试，提出11种变异算子模拟工具演化，对12个先进大语言模型测试，发现前沿模型也难适应，凸显大语言模型驱动工作流程脆弱性，确立评估标准。

Grounded world models in biological organisms and future embodied AI

生物有机体和未来具身人工智能中的基础世界模型

Giovanni Pezzulo, Davide Nuzzi, Marco D'Alessandro, Riccardo Proietti, Roberto Bottini, Paul Cisek

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

AI总结 研究探讨生物有机体中基础世界模型，通过五个神经回路例子揭示当前具身人工智能缺失的特征，如内在动力学作用等，还讨论了生物系统原则对未来具身人工智能的影响。

FairCoder: Probing LLM Bias in High-Stakes Decision Making via Coding Tasks

FairCoder：通过编码任务探究高风险决策中语言模型的偏差

Yongkang Du, Jen-tse Huang, Jieyu Zhao, Lu Lin

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 研究通过FairCoder基准将决策制定设为编码任务，探究LLMs在多领域的偏差，针对现有指标不足提出FairScore指标，经实验揭示了此前未充分探索的偏差模式，凸显LLMs作决策代理的风险并提供评估框架。

Auditable Context-Aware HFMD Forecasting with Structured LLM Agents

基于结构化大语言模型代理的可审计上下文感知手足口病预测

Joongwon Chae, Runming Wang, Chen Xiong, Gong Yunhan, Lian Zhang, Ji Jiansong, Dongmei Yu, Peiwu Qin

机构 * Institute of Biomedicine and Health Engineering, Tsinghua Shenzhen International Graduate School (SIGS), Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院生物医学与健康工程学院） ； The Fifth Affiliated Hospital of Wenzhou Medical University, Lishui 323000, China（温州医科大学第五附属医院） ； Hengqin Laboratory, Zhuhai, China（横琴实验室） ； The First Hospital of Hebei Medical University, Shijiazhuang, China（河北医科大学第一医院） 纠错

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

AI总结 研究针对手足口病预测，提出双代理神经符号框架，由基于大语言模型的事件解释器和预测生成器组成，通过摄取异构信号并结合历史病例数进行预测，在两个数据集评估中实现有竞争力的点准确性、可靠区间及可解释性。

People use fast and flat simulation to reason about new games

人们使用快速且扁平的模拟来对新游戏进行推理

Katherine M. Collins, Cedegao E. Zhang, Lionel Wong, Mauricio Barba da Costa, Graham Todd, Adrian Weller, Samuel J. Cheyette, Thomas L. Griffiths, Joshua B. Tenenbaum

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Princeton University（普林斯顿大学） ； University of Cambridge（剑桥大学） ； Stanford University（斯坦福大学） ； New York University（纽约大学） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

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

AI总结 研究人们对新游戏的推理，通过超千名参与者和121种新棋盘游戏的研究，发现人们玩新游戏或评估时具系统性和适应性理性，用“直观玩家”模型解释，为新问题应对及类人AI系统设计提供见解。

Toward Auditable AI Scientists: A Hypothesis Evolution Protocol for LLM Agents

迈向可审计的人工智能科学家：大语言模型智能体的假设演化协议

Izumi Takahara, Teruyasu Mizoguchi

机构 * Institute of Industrial Science, The University of Tokyo（东京大学产业科学研究所） 纠错

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

AI总结 研究旨在让大语言模型智能体在科学发现中发挥核心作用。提出假设演化协议（HEP），使假设生成等操作可审计。在材料科学任务中，该协议能让智能体运行关键循环，跨问题概括并随模型能力提升更充分利用协议，迈向可审计的人工智能科学家。

Improving Language Agents through BREW: Bootstrapping expeRientially-learned Environmental knoWledge

通过BREW改进语言智能体：引导式经验学习环境知识

Shashank Kirtania, Param Biyani, Priyanshu Gupta, Yasharth Bajpai, Roshni Iyer, Sumit Gulwani, Gustavo Soares

机构 * University of Michigan（密歇根大学） ； Independent（独立研究者） ； Microsoft（微软） ； Apple（苹果公司） 纠错

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

AI总结 研究基于LLM的智能体无法从经验学习的问题，提出BREW框架，通过提炼交互轨迹成知识库、引入EG-MCTS算法及适应事后重标记等方法，在多基准测试中提升任务成功率并减少执行步骤，且知识库具有良好特性。

QAgent: An LLM-based Multi-Agent System for Autonomous OpenQASM programming

QAgent：一种基于大语言模型的用于自主OpenQASM编程的多智能体系统

Zhenxiao Fu, Lei Jiang, Yilun Xu, Gang Huang, Fan Chen

机构 * Zhenxiao Fu1, Lei Jiang1, Yilun Xu2, Gang Huang2, Fan Chen1（作者1、作者2、作者3、作者4、作者5） 纠错

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

AI总结 研究针对OpenQASM编程挑战提出QAgent，它是基于大语言模型的多智能体系统，集成规划、合成和校准工作流程，利用检索增强生成及多智能体推理确保正确性，在多模型评估中表现出色，证明集成对可靠量子程序生成很关键。

Game Theory Driven Multi-Agent Framework Mitigates Language Model Hallucination

博弈论驱动的多智能体框架减轻语言模型幻觉

Runzhe Liu, Biquan Bie, Zihao Wang, Yuchao Ma, Yexin Liu, Xinghai Li, Harry Yang, Wenbo Yang, Jinzhe Cao, Shengyang Tao

机构 * Dalian University of Technology（大连理工大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 研究针对轻量级大语言模型在科学领域应用受限问题，提出基于博弈论的G-Frame多智能体框架，经结构化推理合成语料库训练出OmniChem模型，性能与GPT 4o mini相当且幻觉大幅减少，为科学领域知识发现提供新途径。

Modality Relevance is not Modality Utility: Post-hoc Selective Modality Escalation for Cost-Aware Multimodal RAG

模态相关性并非模态效用：用于成本感知多模态RAG的事后选择性模态升级

Xue Li, Yiming Gai

机构 * Hangzhou International Innovation Institute, Beihang University（杭州国际创新研究院，北京航空航天大学） 纠错

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

AI总结 研究多模态检索增强生成中模态选择决策点问题，提出事后选择性模态升级方法，先低成本从文本和表格回答，再按需支付VLM证据费用，校准路由器决定是否升级，在MultiModalQA上减少视觉调用并缩小与神谕升级率差距，扩展了路由信号层次结构。

AgentGym2: Benchmarking Large Language Model Agents in De-Idealized Real-World Environments

AgentGym2：在去理想化真实世界环境中评测大语言模型智能体

Zhiheng Xi, Dingwen Yang, Jiaqi Liu, Jixuan Huang, Honglin Guo, Baodai Huang, Tinggang Chen, Qi Zhang, Zhonghang Lu, Chenyu Liu, Jiajun Sun, Jiazheng Zhang, Dingwei Zhu, Xin Guo, Junzhe Wang, Zhihao Zhang, Yuming Yang, Junjie Ye, Minghe Gao, Dongrui Liu, Jiaming Ji, Guohao Li, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Shanghaijiaotong University（上海交通大学） ； Peking University（北京大学） 纠错

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

AI总结 针对现有LLM智能体基准过于理想化的问题，提出去理想化评测框架AgentGym2，可全面测查智能体实操能力，实验显示当前SOTA模型仍存在明显性能缺口。

Comments Accepted as a main conference paper at ACL 2026

FORGE: Research-Trajectory Hijacking Attacks on Deep Research Agents

FORGE：对深度研究智能体的研究轨迹劫持攻击

Yue Pan, Ziheng Zhang, Junxiang Lei, Changhao Jia, Qingyi Si, Hongcheng Guo

机构 * Fudan University（复旦大学） ； Huazhong University of Science and Technology（华中科技大学） ； Explore Academy, JD（京东探索研究院） 纠错

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

AI总结 研究针对深度研究智能体，利用其工作流程中的规划层中毒面，提出FORGE两级攻击劫持子任务规划，还引入PRISM指标和Root Query Anchoring防御，展示攻击效果及防御作用。

Comments 20 pages,8 figures,Code available at https://github.com/yvepan/FORGE

Agentic IoT: Architectures, Applications, and Challenges Toward the Internet of Agents

智能物联网：面向智能体互联网的架构、应用及挑战

Rümeysa Hilal Sevinç, Bahaeddin Türkoğlu, İbrahim Kök

机构 * Department of Artificial Intelligence and Data Engineering, Ankara University（人工智能与数据工程系，安卡拉大学） 纠错

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

AI总结 探讨智能物联网，它将自主智能体能力与网络物理系统整合，旨在从以数据为中心的物联网转变为分布式认知智能体生态系统，文中进行了定位、综述、架构框架介绍等

Comments 14 pages, 2 figures, Author's preprint version. The manuscript may be revised based on peer-review feedback and publication requirements

HiMe: Hierarchical Embodied Memory for Long-Horizon Vision-Language-Action Control

HiMe：用于长距离视觉-语言-动作控制的分层具身记忆

Li Ji, Siyin Wang, Pengfang Qian, Xiaopeng Yu, Yihai Tian, Zhaoye Fei, Jingjing Gong, Xipeng Qiu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； East China Normal University（华东师范大学） 纠错

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

AI总结 针对视觉-语言-动作模型处理非马尔可夫任务的不足，提出HiMe分层具身记忆框架，解耦智能为高频执行器等，引入动态知识系统，平衡实时执行与思考规划冲突，提升长距离任务成功率。

Customized Generative AI Agent for Transportation Engineering Practice: A Development and Continued Pre-training Guideline

面向交通工程实践的定制化生成式AI智能体：开发与持续预训练指南

Dianwei Chen, Yuan-Zheng Lei, Zifan Zhang, Yuchen Liu, Xianfeng Yang

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

AI总结 提出基于LoRA框架对六种大语言模型进行持续预训练的方法，以提升其在交通工程领域的专业内容理解与推理能力，Qwen2.5-7B和LLaMA-3.1-8B表现最佳。

Agentic Very Long Video Understanding

智能体超长视频理解

Aniket Rege, Arka Sadhu, Yuliang Li, Kejie Li, Ramya Korlakai Vinayak, Yuning Chai, Yong Jae Lee, Hyo Jin Kim

机构 * Reality Labs Research at Meta（Meta 实验室） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 针对智能眼镜等设备带来的长视频理解需求，以实体场景图为核心构建增强智能体框架EGAgent，实现结构化搜索、推理及跨模态能力，在相关数据集实验中取得较好表现。

Comments 29 pages, 8 figures, 8 tables

TerraBench: Can Agents Reason Over Heterogeneous Earth-System Data?

TerraBench: 智能体能否对异构地球系统数据进行推理？

Dat Tien Nguyen, Thao Nguyen, Fadillah Adamsyah Maani, Huy M. Le, Muhammad Umer Sheikh, Numan Saeed, Muhammad Haris Khan, Salman Khan

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 提出TerraBench基准，基于TerraAgent框架，通过结合大语言模型规划与科学工具，实现跨网格数据、卫星图像、地理空间和模拟器的交互式推理，包含403个任务和24,500个执行步骤。