Multi-Sourced, Multi-Agent Evidence Retrieval for Fact-Checking
多源多智能体证据检索用于事实核查
机构 * The University of Melbourne（墨尔本大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 WKGFC通过多智能体证据检索和知识图谱增强，提升事实核查的准确性和鲁棒性。
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 规划推理 11120 篇
Emergence of Spatial Representation in an Actor-Critic Agent with Hippocampus-Inspired Sequence Generator
具有海马体启发序列生成器的Actor-Critic智能体中空间表示的出现
机构 * Faculty of Biology & Bernstein Center Freiburg & BrainLinks-BrainTools Center University of Freiburg（生物学系及弗赖堡伯尔尼中心、BrainLinks-BrainTools中心、弗赖堡大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 该研究通过海马体启发的序列生成器和Actor-Critic学习者，揭示稀疏输入与序列生成动态的协同作用，为导航任务中的强化学习提供新的归纳偏置。
Comments Accepted at ICLR 2026
COMRES-VLM: Coordinated Multi-Robot Exploration and Search using Vision Language Models
COMRES-VLM: 基于视觉语言模型的多机器人协同探索与搜索
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 COMRES-VLM通过视觉语言模型实现多机器人系统的协同探索与搜索，提升探索效率和目标物体搜索性能。
General search techniques without common knowledge for imperfect-information games, and application to superhuman Fog of War chess
无共同知识的通用搜索技术用于不完全信息游戏，及其在超级人类雾战国际象棋中的应用
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 Obscuro是首个在雾战国际象棋中实现超人类表现的AI，通过改进不完全信息游戏的搜索技术，实现了强大的推理能力和显著的性能优势。
Bi-level RL-Heuristic Optimization for Real-world Winter Road Maintenance
双层强化学习启发式优化用于现实世界冬季道路维护
机构 * School of Science, Loughborough University, UK（洛辛厄姆大学科学学院） ； Department of Engineering, University of Cambridge, UK（剑桥大学工程系） ； National Highways, 199 Wharfside St, Birmingham B1 1RN, UK（国家公路局）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本研究提出双层强化学习优化方法，用于高效解决现实世界冬季道路维护中的大规模路由问题，实现资源优化与排放降低。
SAGE-LLM: Towards Safe and Generalizable LLM Controller with Fuzzy-CBF Verification and Graph-Structured Knowledge Retrieval for UAV Decision
SAGE-LLM：面向安全且可泛化的LLM控制器，结合模糊-CBF验证和图结构知识检索用于无人机决策
机构 * School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University, Xi’an 710072, China（人工智能学院、光学与电子学（iOPEN）、西北工业大学，西安 710072，中国） ； Institute of Artificial Intelligence (TeleAI), China Telecom, China（人工智能研究所（TeleAI）、中国电信，中国）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 SAGE-LLM通过模糊-CBF验证和图结构知识检索，提升无人机决策的安全性和泛化能力，无需在线训练即可在复杂环境中保持性能。
Search More, Think Less: Rethinking Long-Horizon Agentic Search for Efficiency and Generalization
搜索更多，思考更少：重新思考长周期代理搜索以提高效率和泛化能力
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出SMTL框架，通过并行证据获取提升长周期代理搜索的效率与泛化能力，在多个基准测试中取得优异成绩。
Comments 12 pages, 5 figures
fEDM+: A Risk-Based Fuzzy Ethical Decision Making Framework with Principle-Level Explainability and Pluralistic Validation
fEDM+: 基于风险的模糊伦理决策框架及其原则级可解释性与多元验证
机构 * Dept. of Informatics, University of Bari ``Aldo Moro'', Bari, Italy（信息学院，巴里阿尔多·莫罗大学） ； Centro Interdipartimentale di Logica e Applicazioni (CILA), University of Bari ``Aldo Moro'', Bari, Italy（逻辑与应用跨部门中心（CILA），巴里阿尔多·莫罗大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 fEDM+通过引入可解释性模块和多元验证框架，提升伦理决策的可解释性和鲁棒性，适用于伦理敏感AI系统的监督与治理。
Comments correcting captions of figures 7 and 8 and some other minor errors
Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning
Paper2Code: 从科学论文自动生成机器学习代码
机构 * KAIST（韩国科学技术院） ； LG AI Research（LG人工智能研究所）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 Paper2Code通过多代理LLM框架自动生成机器学习论文的高质量代码实现，有效提升代码生成效率和准确性。
Comments ICLR 2026
Destination-to-Chutes Task Mapping Optimization for Multi-Robot Coordination in Robotic Sorting Systems
多机器人协同中的目的地到传送口任务映射优化
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出基于进化算法和混合整数线性规划的任务映射优化方法，用于提升多机器人分拣系统的吞吐量。
Comments Accepted to IEEE International Symposium on Multi-Robot and Multi-Agent Systems (MRS) 2025
Scaling Lifelong Multi-Agent Path Finding to More Realistic Settings: Research Challenges and Opportunities
将终身多智能体路径寻找扩展到更现实的场景：研究挑战与机遇
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文探讨了将终身多智能体路径寻找扩展到现实场景中的三个研究挑战及未来发展方向。
Comments Accepted to Symposium on Combinatorial Search (SoCS), 2024
ESAA: Event Sourcing for Autonomous Agents in LLM-Based Software Engineering
基于大语言模型的自主代理的事件溯源：ESAA
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 ESAA架构通过事件溯源技术提升自主代理在软件工程中的状态管理和任务执行能力，支持多代理并发调度和异构LLM的协同工作。
Comments 13 pages, 1 figure, 4 tables. Includes 5 technical appendices
FactGuard: Agentic Video Misinformation Detection via Reinforcement Learning
FactGuard：通过强化学习进行代理视频虚假信息检测
机构 * Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； University of Science and Technology Beijing（北京科技大学） ； The University of Queensland, Brisbane, Australia（昆士兰大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 FactGuard通过强化学习和代理框架，提升视频虚假信息检测的鲁棒性和泛化能力。
K-Search: LLM Kernel Generation via Co-Evolving Intrinsic World Model
K-Search: 通过共进化内在世界模型生成LLM内核
机构 * UC Berkeley（加州大学伯克利分校）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 K-Search通过共进化内在世界模型生成LLM内核，显著优于现有进化搜索方法，实现高效内核优化。
DeVisE: Behavioral Testing of Medical Large Language Models
DeVisE：医疗大语言模型的行为测试
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 DeVisE通过受控反事实测试评估医疗大语言模型的行为，揭示其在临床决策中的表现差异。
Comments Camera-ready version published at Findings of the EACL 2026
Code World Models for Parameter Control in Evolutionary Algorithms
用于进化算法参数控制的代码世界模型
机构 * ICN2 -- Catalan Institute of Nanoscience ； Nanotechnology, Barcelona, Spain Artificial Intelligence Research Institute (IIIA-CSIC), Barcelona, Spain Universitat Polit\` e cnica de Catalunya (UPC), Barcelona, Spain
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 本文提出利用代码世界模型进行进化算法参数控制，通过模拟器实现高效突变强度选择，在多个基准测试中表现出色。
SEGB: Self-Evolved Generative Bidding with Local Autoregressive Diffusion
SEGB: 自适应生成性竞价与局部自回归扩散
机构 * Beijing China（中国北京）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 SEGB通过自适应生成性竞价与局部自回归扩散，实现动态市场中的高效竞价策略，显著提升广告效果与商业价值。
Quantifying the Expectation-Realisation Gap for Agentic AI Systems
量化代理AI系统的期望-现实差距
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文量化了代理AI系统在实际应用中与预期之间的差距，揭示了工作流整合、验证负担和测量不匹配等因素的影响，并提出需考虑人类监督成本的规划框架。
Comments 10 pages, no figures; added glossary
Self-Correcting VLA: Online Action Refinement via Sparse World Imagination
自校正视觉-语言-动作模型：通过稀疏世界想象实现在线动作细化
机构 * Tongji University（同济大学） ； University of Technology Sydney（技术悉尼大学） ； University of Electronic Science（电子科学大学） ； Advanced Institute of Big Data（大数据高级研究所）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 SC-VLA通过稀疏世界想象实现自校正，提升机器人操作任务的效率和成功率。
ABM-UDE: Developing Surrogates for Epidemic Agent-Based Models via Scientific Machine Learning
ABM-UDE：通过科学机器学习开发用于流行病代理模型的替代方案
机构 * Monta Vista High School（蒙塔维斯塔高中） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Sandia National Laboratories（桑塔纳国家实验室）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 ABM-UDE通过科学机器学习开发流行病代理模型的替代方案，利用UDEs学习接触率参数化，提升预测精度与可靠性，实现快速、可解释的流行病模拟。
Comments 25 pages, 4 figures
ClearFairy: Capturing Creative Workflows through Decision Structuring, In-Situ Questioning, and Rationale Inference
ClearFairy：通过决策结构化、现场提问和推理推断捕捉创意工作流
机构 * School of Computing, KAIST（韩国科学技术院计算机科学系） ； NAVER AI Lab（NAVER人工智能实验室）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 ClearFairy通过结构化决策、现场提问和推理推断，提升UI设计中决策推理的完整性和可追溯性，显著提高强解释比例。
SparkMe: Adaptive Semi-Structured Interviewing for Qualitative Insight Discovery
SparkMe: 适应性半结构化访谈用于定性洞察发现
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 SparkMe通过多智能体LLM实现适应性半结构化访谈，提升访谈效用并挖掘更丰富的职业特定洞察。
Tool Building as a Path to "Superintelligence"
工具构建作为通往‘超级智能’的路径
机构 * David Koplow（独立研究者） ； Tomer Galanti（独立研究者） ； Tomaso Poggio（独立研究者）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文通过设计基准测试，探讨LLMs在逻辑推理任务中通过工具调用实现超级智能的潜力。
Multi-Round Human-AI Collaboration with User-Specified Requirements
多轮人机协作与用户指定要求
机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出了一种多轮人机协作框架，通过用户指定的规则确保AI不损害人类优势并补充其不足，从而提升决策质量。
A Survey on the Optimization of Large Language Model-based Agents
基于大语言模型代理的优化综述
机构 * Shanghai Institute of Artificial Intelligence for Education, East China Normal University（上海人工智能教育研究院，东华大学） ； School of Computer Science and Technology, East China Normal University（计算机科学与技术学院，东华大学） ； School of Computer Science and Technology, Donghua University（计算机科学与技术学院，东华大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文综述了基于大语言模型的代理优化方法，分类讨论参数驱动与参数无关策略，分析关键技术和挑战，提出未来研究方向。
Comments Published in ACM Computing Surveys, Vol. 58, No. 9, Article 223, July 2026
Journal ref ACM Computing Surveys 58(9), Article 223, July 2026
Towards Efficient Agents: A Co-Design of Inference Architecture and System
迈向高效代理：推理架构与系统的一体化设计
机构 * Huawei（华为）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出AgentInfer框架，通过整合推理架构与系统设计，提升代理的效率与稳定性，减少无效token消耗，实现速度提升。
FedGIN: Federated Learning with Dynamic Global Intensity Non-linear Augmentation for Organ Segmentation using Multi-modal Images
FedGIN: 一种用于多模态图像器官分割的联邦学习动态全局强度非线性增强
机构 * Department of Circulation and Medical Imaging（循证医学与影像学系） ； Norwegian University of Science and Technology（挪威科学技术大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 FedGIN通过动态全局强度非线性增强模块，在不共享原始数据的情况下实现多模态器官分割，提升跨模态泛化能力。
Comments Paper Accepted at MICCAI 2025 DeCaf Workshop Track
Journal ref MICCAI 2025
HeatPrompt: Zero-Shot Vision-Language Modeling of Urban Heat Demand from Satellite Images
HeatPrompt: 从卫星图像进行零样本的城市热需求视觉-语言建模
机构 * Institute for Automation and Applied Informatics (IAI), Karlsruhe Institute of Technology (KIT), Germany（自动化与应用信息研究所（IAI）、卡尔斯鲁厄理工学院（KIT））
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 HeatPrompt通过卫星图像和地理信息数据，利用零样本视觉语言模型估算城市热需求，提升预测精度并支持数据稀缺地区的热规划。
Rules or Weights? Comparing User Understanding of Explainable AI Techniques with the Cognitive XAI-Adaptive Model
规则还是权重？比较用户对可解释AI技术的理解与认知XAI自适应模型
机构 * National University of Singapore（新加坡国立大学） ； Department of Computer Science（计算机科学系）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出CoXAM模型，通过认知框架比较规则与权重两种XAI技术的可解释性，并验证其在决策任务中的有效性。
Towards Information-Optimized Multi-Agent Path Finding: A Hybrid Framework with Reduced Inter-Agent Information Sharing
迈向信息优化的多智能体路径寻找：一种减少智能体间信息共享的混合框架
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出了一种减少智能体间信息共享的混合框架IO-MAPF，通过强化学习和轻量级集中协调器实现高效多智能体路径寻找，在信息受限条件下保持高成功率。
