大模型推理能力

Learning to Sample in Variable Neighborhood Search Algorithm for Urban Cable Routing Optimization

城市电缆路由优化的可变邻域搜索算法中的采样学习

Wei Liu, Rui Wang, Chenhui Lin, Kaiwen Li, Wenhua Li, Tao Zhang

专题命中 规划推理 ：planning(abstract)

AI总结 针对城市电缆路由优化这一大规模双层组合优化问题，提出学习辅助可变邻域搜索（L-VNS）算法，该算法集成四个关键组件，经实验验证其相比其他方法有优越性，能有效降低建设成本，且具有有效性和鲁棒性。

Comments Accepted by Swarm and Evolutionary Computation

Journal ref Swarm and Evolutionary Computation; Volume 106, June 2026, 102432

Strategizing at Speed: A Learned Model Predictive Game for Multi-Agent Drone Racing

高速策略化：多无人机竞速的学习型模型预测博弈

Andrei-Carlo Papuc, Lasse Peters, Sihao Sun, Laura Ferranti, Javier Alonso-Mora

机构 * Department of Cognitive Robotics, Delft University of Technology（认知机器人学系，代尔夫特理工大学） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 针对多无人机竞速中策略深度与计算延迟的权衡问题，提出一种学习型模型预测博弈（LMPG）方法，通过摊销模型预测博弈计算来降低延迟，在仿真和硬件实验中优于模型预测博弈和模型预测控制。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 8, pp. 9056-9063, Aug. 2026

Evaluating Uncertainty and Quality of Visual Language Action-enabled Robots

评估具有视觉语言动作能力的机器人的不确定性和质量

Pablo Valle, Chengjie Lu, Shaukat Ali, Aitor Arrieta

机构 * Mondragon University（蒙dragon大学） ； Simula Research Laboratory（Simula研究实验室） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 研究针对具有视觉语言动作能力的机器人，采用八个不确定性指标和五个质量指标，通过大规模实证研究评估其有效性，发现部分指标与人类评估有相关性且能区分任务执行质量，挑战了仅依赖成功率的评估做法。

From Traditional Automation to Embodied Wireless Intelligence: Vision-Language-Action Empowered Physics-Aware Communication Networks

从传统自动化到具身无线智能：视觉-语言-动作赋能的物理感知通信网络

Genze Jiang, Kezhi Wang, Xiaomin Chen, Yizhou Huang

专题命中 规划推理 ：reasoning(abstract)

AI总结 提出具身智能基站（eBS）范式，采用视觉-语言-动作（VLA）流水线，使基站具备环境感知、因果物理推理和物理感知动作生成能力，实现从规则自动化到具身智能的转变。

Comments submitted for possible jounal publication

The atomic structure of work: a micro-action instrument reveals two-pole AI occupational exposure and its decade-scale polar inversion

稳定几何，反转两极：AI职业替代性的双极结构及其十年尺度反转

Shuyao Gao, Minghao Huang

专题命中 规划推理 ：planning(abstract)

AI总结 通过多智能体LLM流水线将O*NET活动分解为微动作，发现职业替代性呈双极结构（物理操作与规划设计为两极），且过去十年间两极高低顺序已反转。

Comments v2: major revision, retitled (v1: "Stable Geometry, Reversing Poles"). Adds an independent blind three-annotator validation study (construct kappa = 0.90; encoder-vs-human kappa = 0.63), a vintage-matched O*NET 18.1 reprojection, a demographic overlay, and recalibrated claims throughout. 27 pages; Supplementary Information (29 pages) in ancillary files. Dataset: doi:10.5281/zenodo.21395792

Wan-Dancer: A Hierarchical Framework for Minute-scale Coherent Music-to-Dance Generation

万舞者：一种用于分钟级连贯音乐到舞蹈生成的分层框架

Mingyang Huang, Peng Zhang, Li Hu, Guangyuan Wang, Ruoshi Zhang, Yi Lu, Gang Cheng, Bang Zhang

机构 * Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 针对从音乐生成舞蹈视频的挑战，提出万舞者分层框架，解耦过程为全局关键帧规划和局部时间细化，利用音乐上下文确保连贯，通过动态帧率自适应等创新，突破时长限制，在多舞蹈类型上表现出色，达新的技术水平。

Comments project: https://humanaigc.github.io/wan-dancer-project/, code: https://github.com/Wan-Video/Wan-Dancer, modelscope: https://www.modelscope.cn/models/Wan-AI/Wan-Dancer-14B, huggingface: https://huggingface.co/Wan-AI/Wan2.2-Animate-14B

MindDrive: A Vision-Language-Action Model for Autonomous Driving via Online Reinforcement Learning

MindDrive: 一种通过在线强化学习实现自动驾驶的视觉-语言-动作模型

Haoyu Fu, Diankun Zhang, Zongchuang Zhao, Jianfeng Cui, Hongwei Xie, Bing Wang, Guang Chen, Hangjun Ye, Dingkang Liang, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米电动车） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 MindDrive通过在线强化学习实现自动驾驶中的视觉-语言-动作模型，结合决策专家和动作专家，提升复杂场景下的驾驶决策与探索效率。

Comments Accepted by ECCV 2026; Project Page: https://xiaomi-mlab.github.io/MindDrive/

(A)I Sees What You Don't: Exploiting New Attack Surfaces in Third-Party Mobile Agents

(AI)看见你看不见的：利用第三方移动代理中的新攻击面

Zidong Zhang, Zhentao Xie, Wenrui Diao, Jianliang Wu

专题命中 规划推理 ：reasoning(abstract)

AI总结 本文识别了第三方移动代理在屏幕感知和通道滥用方面的两种新攻击面，并设计了七种具体攻击，证明恶意应用可在无权限下劫持代理行为。

Resilient Decentralized Ergodic Coverage for Scalable Multi-Robot Systems in Unknown Time-Varying Environments

去中心化随机覆盖控制在未知时间变化环境中

Maria G. Mendoza, Victoria Marie Tuck, Chinmay Maheshwari, Shankar Sastry

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出一种去中心化多智能体覆盖框架，用于在未知且时间变化的环境中实现自适应覆盖。通过马尔可夫链转移模型和高斯过程，智能体根据动态重要性地图调整轨迹，提高环境适应性和探索效率。

Comments 8 pages, 6 figures

Bridging Individual and Collective Realism in LLM-Based Human Mobility Simulation via Mobility Scaling-Law Guidance

通过共享数据中的移动度量引导基于LLM的人群移动模拟

Hua Yan, Heng Tan, Yu Yang

专题命中 规划推理 ：planning(abstract)

AI总结 M2LSimu通过共享数据中的移动度量引导多提示调整，有效提升基于LLM的人群移动模拟的群体协调与真实性

Bespoke-Card: Why Tune When You Can Generate? Synthesizing Workload-Specific Cardinality Estimators

Bespoke-Card：为何调优而非生成？合成工作负载特定的基数估计器

Johannes Wehrstein, Anton Winter, Timo Eckmann, Carsten Binnig

专题命中 规划推理 ：planning(abstract)

AI总结 提出Bespoke-Card系统，通过智能体驱动合成工作负载特定的基数估计器，利用结构化q-error反馈和课程学习等策略，在JOB上降低33%总运行时间和41%中位数q-error。

Comments Accepted for AIDB@VLDB'26 (Boston)

SanDRA: Safe Large-Language-Model-Based Decision Making for Automated Vehicles Using Reachability Analysis

SanDRA：基于可达性分析的自动驾驶车辆安全大语言模型决策

Yuanfei Lin, Sebastian Illing, Matthias Althoff

机构 * Department of Computer Engineering, Technical University of Munich（计算机工程系，慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 针对大语言模型用于自动驾驶决策时安全性无法保证的问题，提出SanDRA框架，先描述驾驶场景促使模型生成排序动作，转化为时序逻辑公式并结合可达性分析消除不安全动作，经实验验证能提供安全合规驾驶动作，代码和实验设置公开。

Comments @2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Journal ref T-ITS, 2026

JustAct: A Framework for Auditable Multi-Agent Systems Regulated by Inter-Organisational Policies

JustAct：一个由组织间政策监管的可审计多智能体系统框架

Christopher A. Esterhuyse, Tim Müller, L. Thomas van Binsbergen

专题命中 规划推理 ：reasoning(abstract)

AI总结 研究跨越组织边界的开放多智能体系统中行动受复杂政策监管的问题，提出JustAct框架，智能体可凭动态政策信息证明行动合理，通过特定语言和系统的实例及案例研究展示评估该框架。

DAG-Based QoS-Aware Dynamic Task Placement for Networked Multi-Stage Control Pipelines

基于DAG的QoS感知动态任务放置用于网络化多阶段控制流水线

Thien Tran, Jonathan Kua, Thuong Hoang, Minh Tran, Yuemin Ding, Jiong Jin

机构 * Deakin University, Australia（德坎大学，澳大利亚） ； RMIT University, Vietnam（皇家墨尔本理工大学，越南） ； University of Navarra, Spain（纳瓦拉大学，西班牙） ； Swinburne University of Technology, Australia（斯威本科技大学，澳大利亚） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出一种基于DAG的QoS感知动态任务放置框架，用于网络化机器人中的感知-感知-规划-控制流水线，通过动态任务放置优化计算、通信延迟和任务放置集，解决传统静态边缘卸载和单阶段模型的不足。

Comments 5 pages, 1 figure, 1 table, 1 algorithm, accepted paper on the 24th IEEE International Conference on Industrial Informatics (INDIN), 26-29 July, 2026, Melbourne, Australia

PowerDAG: Supervisory Agentic AI System for Automating Distribution Grid Analysis

PowerDAG：用于自动化配电网络分析的可靠代理AI系统

Emmanuel O. Badmus, Amritanshu Pandey

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出PowerDAG，一种用于自动化复杂配电网络分析的代理AI系统，通过自适应检索和即时监督机制提升可靠性，实验显示其在未见查询上表现优异，优于现有基线方法。

Conflict-Based Search for Multi-Agent Path Finding with Elevators

基于冲突搜索的带电梯多智能体路径规划

Haitong He, Xuemian Wu, Shizhe Zhao, Zhongqiang Ren

机构 * Global College, Shanghai Jiao Tong University, China（上海交通大学全球学院） ； Harbin Institute of Technology, China（哈尔滨工业大学） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 研究带电梯多智能体路径规划（MAPF-E）问题，核心方法是冲突搜索，主要贡献为找到多智能体从起点到不同楼层目标点的无冲突路径，考虑电梯使用及规划中复杂交互。

Atlas is Your Perfect Context: One-Shot Customization for Generalizable Foundational Medical Image Segmentation

图谱是理想上下文：用于可泛化基础医学图像分割的一次性定制

Ziyu Zhang, Yi Yu, Simeng Zhu, Ahmed Aly, Yunhe Gao, Ning Gu, Yuan Xue

机构 * Nanjing University（南京大学） ； The Ohio State University（俄亥俄州立大学） ； Stanford University（斯坦福大学） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 研究医学图像中解剖结构分割问题，提出图谱引导框架AtlasSegFM，通过图谱查询配准生成提示，用冻结基础模型细化分割，经自适应融合模块结合图谱先验与模型输入及预测，实现一次性定制。

Comments ECCV 2026

On the Complementarity of Shared Electric Mobility and Renewable Energy Communities

共享电动出行与可再生能源社区的互补性

Noé Diffels, Julien Allard, Bertrand Cornélusse, Zacharie De Grève

专题命中 规划推理 ：planning(abstract)

AI总结 研究共享出行提供商与能源社区在电力系统中的互补性。通过混合整数二次规划问题联合优化二者灵活性使用，分析经济收益及电网电价、双向充电对配电网影响，案例显示协调可降成本、减轻变电站压力。

Electricity Demand and Grid Impacts of AI Data Centers: Challenges and Prospects

人工智能数据中心的电力需求与电网影响：挑战与前景

Xin Chen, Xiaoyang Wang, Ana Colacelli, Matt Lee, Le Xie

专题命中 规划推理 ：planning(abstract)

AI总结 探讨人工智能数据中心电力需求增长给电网带来的挑战。通过综述其基础设施、用电特性及模式，分析不同时间尺度面临的挑战，并从电网、数据中心和终端用户角度讨论应对方案，推动两者协同发展。

Agentic Services Computing

智能服务计算

Shuiguang Deng, Hailiang Zhao, Ziqi Wang, Wenzhuo Qian, Xiang Ao, Guanjie Cheng, Jianwei Yin, Albert Y. Zomaya, Schahram Dustdar

专题命中 规划推理 ：reasoning(abstract)

AI总结 探讨服务计算范式转变带来的新问题，基于现有研究基础，引入智能服务计算，扩展服务计算范畴，为未来服务生态系统奠定以服务为中心的基础，实现对自治代理的系统管理。

Dynamic analysis enhances issue resolution

动态分析增强问题解决

Mingwei Liu, Zihao Wang, Zhenxi Chen, Zheng Pei, Yanlin Wang, Zibin Zheng

专题命中 规划推理 ：reasoning(abstract)

AI总结 本文提出DAIRA框架，通过动态分析提升代码缺陷修复效率，实现高准确率和低资源消耗。

ForeSea: AI Forensic Search with Multi-modal Queries for Video Surveillance

ForeSea：面向视频监控的多模态查询AI取证搜索

Hyojin Park, Yi Li, Janghoon Cho, Sungha Choi, Jungsoo Lee, Taotao Jing, Shuai Zhang, Munawar Hayat, Dashan Gao, Ning Bi, Fatih Porikli

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 针对监控视频中多模态查询与时间定位难题，提出ForeSea系统，采用三阶段即插即用流程，结合跟踪、多模态嵌入和视频LLM，在ForeSeaQA基准上准确率提升3.1%，时间IoU提升10.1%。

Comments ECCV2026

The Illusion of Agentic Complexity in README.md Generation: Evaluating Single-Agent vs. Multi-Agent RAG Systems

README.md生成中的代理复杂性幻觉：评估单代理与多代理RAG系统

Abu Saleh, Tesfay Welegebreal Tesfay, Phuong T. Nguyen, Juri Di Rocco, Muhammad Umar Zeshan, Davide Di Ruscio

专题命中 规划推理 ：planning(abstract)

AI总结 通过对比单代理、多代理和开发者引导规划三种RAG架构生成GitHub仓库README文件，发现单代理管道在词汇质量相当的情况下，令牌消耗降低86%、速度提升一倍，而多代理系统结构一致性达98%但存在规划瓶颈，开发者引导规划获得最佳文档质量。

Comments The paper has been peer-reviewed and accepted to the 42nd International Conference on Software Maintenance and Evolution (ICSME 2026)

AI-Driven Stabilization in Power Grids through Controlling Line Admittances

通过控制线路导纳实现电网的AI驱动稳定

Sangjoon Park, Hoyun Choi, Yongsun Lee, Seungchan Jo, Jürgen Kurths, B. Kahng

专题命中 规划推理 ：planning(abstract)

AI总结 提出自适应导纳控制器（AAC）算法，通过实时调整导纳调节器位置稳定电网，在真实英国电网上显著降低频率偏差并快速恢复运行，同时降低系统复杂性和成本。

Comments 13 pages, 10 figures

Journal ref Chaos, Solitons & Fractals 210, Part 2, 118672 (2026)

On dynamic multi-agent pathfinding methods: review, simulations and modifications

动态多智能体路径规划方法：综述、仿真与改进

Gabriel Fejziaj, Salama Hassona, Wieslaw Marszalek

机构 * Department of Computer Science, Opole University of Technology（计算机科学系，奥波尔技术大学） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 本文系统研究动态多智能体路径规划（D-MAPF）中的六种代表性算法，并提出一种基于模板的A**算法，通过离线几何路径生成与在线时间适应解耦，在频繁变化和有限感知环境中提高解质量。

Towards Recursive Self-Evolving Agentic Literature Retrieval

迈向自演化代理文献检索

Yuwen Du, Tian Jin, Jing Kang, Xianghe Pang, Jingyi Chai, Tingjia Miao, Fenyi Liu, WenHao Wang, Sikai Yao, Yuzhi Zhang, Siheng Chen

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出PaSaMaster系统，通过迭代意图分析、检索和排序，实现证据支持的文献推荐，解决传统关键词检索和生成式LLM的局限性，提升文献检索的准确性和效率。

Adaptive-Horizon Conflict-Based Search for Closed-Loop Multi-Agent Path Finding

自适应视界冲突搜索用于闭环多智能体路径规划

Jiarui Li, Federico Pecora, Runyu Zhang, Gioele Zardini

机构 * Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Schwarzman College of Computing（施瓦茨曼计算学院） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 提出ACCBS算法，通过动态调整规划视界和重用约束树，在有限计算预算下快速生成高质量可行解，兼具渐近最优性和扰动适应性。

Unifying Search and Recommendation in LLMs via Gradient Multi-Subspace Tuning

通过梯度多子空间调优统一大语言模型中的搜索与推荐

Jujia Zhao, Zihan Wang, Shuaiqun Pan, Suzan Verberne, Zhaochun Ren

专题命中 规划推理 ：reasoning(abstract)

AI总结 针对搜索与推荐统一中全微调计算昂贵、参数高效微调存在梯度冲突和用户意图理解偏移的问题，提出梯度多子空间调优框架，通过多子空间分解和零空间投影缓解冲突并保持通用知识，在基准数据集上超越现有方法。

Comments Accepted by SIGIR 2026

FARM: Foundational Aerial Radio Map for Intelligent Low-Altitude Networking

FARM：面向智能低空网络的基础空中无线电地图

Shijian Gao, Jiahui Liang, Yifeng Yuan, Wenlihan Lu, Guobin Shen, Liuqing Yang

专题命中 规划推理 ：planning(abstract)

AI总结 提出FARM基础模型，利用掩码自编码器和扩散解码器，从高粒度全域数据集中构建高保真空中无线电地图，在水平与垂直维度均优于现有方法，并验证了真实场景的迁移能力。

Cyber Resilience Assessment of Unbalanced Distribution System Restoration under Sparse Load Forecasting Attacks

三相不平衡配电系统恢复在负荷预测稀疏对抗攻击下的网络弹性

Chen Chao, Zixiao Ma, Ziang Zhang

专题命中 规划推理 ：planning(abstract)

AI总结 本文量化对抗性攻击对负荷预测的影响，提出梯度稀疏攻击方法，并建立恢复感知验证框架，揭示系统级故障，为设计网络安全感知的恢复规划提供见解。

Comments 10 pages, 7 figures