大模型推理能力

POLARIS: Typed Planning and Governed Execution for Agentic AI in Back-Office Automation

POLARIS：面向后台自动化代理AI的类型化规划与受控执行

Zahra Moslemi, Keerthi Koneru, Yen-Ting Lee, Sheethal Kumar, Ramesh Radhakrishnan

机构 * University of California, Irvine（加州大学尔湾分校） ； Center for Advanced AI, Accenture（Accenture高级人工智能中心） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 POLARIS通过类型化规划和受控执行框架，提升后台自动化中代理AI的政策一致性与可预测性，实现高精度任务处理与审计追踪。

Comments Workshop on Agentic AI Benchmarks and Applications for Enterprise Tasks: AAAI 2026

SparseOccVLA: Bridging Occupancy and Vision-Language Models via Sparse Queries for Unified 4D Scene Understanding and Planning

SparseOccVLA: 通过稀疏查询弥合占用与视觉语言模型之间的鸿沟，实现统一的4D场景理解和规划

Chenxu Dang, Jie Wang, Guang Li, Zhiwen Hou, Zihan You, Hangjun Ye, Jie Ma, Long Chen, Yan Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米电动车） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） 纠错

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

AI总结 SparseOccVLA通过稀疏查询整合视觉语言模型与语义占用，实现统一的4D场景理解和规划，提升自动驾驶性能。

AgriAgent: Contract-Driven Planning and Capability-Aware Tool Orchestration in Real-World Agriculture

AgriAgent：面向现实农业的合同驱动规划与能力感知工具编排

Bo Yang, Yu Zhang, Yunkui Chen, Lanfei Feng, Xiao Xu, Nueraili Aierken, Shijian Li

机构 * State Key Laboratory of Brain–Machine Intelligence（脑机智能国家重点实验室） ； College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学） 纠错

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

AI总结 AgriAgent通过合同驱动规划和能力感知工具编排，提升现实农业中复杂任务的执行成功率和鲁棒性。

Beyond Entangled Planning: Task-Decoupled Planning for Long-Horizon Agents

超越纠缠规划：面向长时间 horizon 的任务解耦规划

Yunfan Li, Bingbing Xu, Xueyun Tian, Xiucheng Xu, Huawei Shen

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS（人工智能安全国家重点实验室、计算技术研究所、中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出任务解耦规划（TDP）方法，通过将任务分解为子目标图，减少长horizon智能体的规划误差传播，提升鲁棒性和效率。

Cost-Awareness in Tree-Search LLM Planning: A Systematic Study

树搜索LLM规划中的成本意识：系统研究

Zihao Zhang, Hui Wei, Kenan Jiang, Shijia Pan, Shu Kai, Fei Liu

机构 * Emory University（埃默里大学） ； University of California, Merced（加州大学默塞德分校） 纠错

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

AI总结 本文研究了树搜索LLM规划器在资源受限下的成本意识问题，发现现有方法难以找到最优计划，双向搜索表现最佳，MCTS在短时间任务中最优，表明需新算法而非单纯增加计算量。

Integrating Symbolic RL Planning into a BDI-based Autonomous UAV Framework: System Integration and SIL Validation

将符号RL规划整合到基于BDI的自主无人机框架中：系统集成与SIL验证

Sangwoo Jeon, Juchul Shin, YeonJe Cho, Gyeong-Tae Kim, Seongwoo Kim

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

AI总结 本研究提出AMAD-SRL框架，整合符号RL与BDI方法，通过SIL验证提升无人机任务效率75%。

Comments This submission has been withdrawn by the authors due to institutional and contractual requirements related to security and export-control review

Simulating Multi-Stakeholder Decision-Making with Generative Agents in Urban Planning

用生成代理模拟城市规划中的多利益相关者决策

Jin Gao, Hanyong Xu, Luc Dao

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本研究通过多生成代理系统模拟城市规划中的多利益相关者决策，探讨人口因素对集体决策的影响，并提升决策的公平性和效率。

Journal ref Advances in Transdisciplinary Engineering, Vol. 76, pp. 40-49, IOS Press, 2026

AMAP Agentic Planning Technical Report

AMAP 代理规划技术报告

AMAP AI Agent Team, Yulan Hu, Xiangwen Zhang, Sheng Ouyang, Hao Yi, Lu Xu, Qinglin Lang, Lide Tan, Xiang Cheng, Tianchen Ye, Zhicong Li, Ge Chen, Wenjin Yang, Zheng Pan, Shaopan Xiong, Siran Yang, Ju Huang, Yan Zhang, Jiamang Wang, Yong Liu, Yinfeng Huang, Ning Wang, Tucheng Lin, Xin Li, Ning Guo

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

AI总结 STAgent是一种专门用于时空理解的代理大语言模型，通过稳定工具环境、分层数据筛选和级联训练配方，有效解决复杂任务并保持通用能力。

A Chain-of-Thought Approach to Semantic Query Categorization in e-Commerce Taxonomies

基于链式思维的电子商务分类语义查询分类方法

Jetlir Duraj, Ishita Khan, Kilian Merkelbach, Mehran Elyasi

机构 * eBay Inc, USA（eBay公司） ； eBay Inc, Germany（eBay公司） 纠错

专题命中 规划推理 ：chain-of-thought(title,abstract)；CoT(abstract)；分类 cs.CL

AI总结 本文提出基于链式思维的电子商务查询分类方法，结合树搜索与LLM语义评分，提升分类准确性和扩展性。

Comments 9 pages, accepted at SIGIR eCom 2025

Journal ref Proceedings of the SIGIR eCom 2025 Workshop, CEUR-WS.org, Vol-4123

Multi-hop Reasoning via Early Knowledge Alignment

通过早期知识对齐实现多跳推理

Yuxin Wang, Shicheng Fang, Bo Wang, Qi Luo, Xuanjing Huang, Yining Zheng, Xipeng Qiu

机构 * Computer Science, Fudan University（复旦大学计算机科学系） ； Institute of Modern Languages and Linguistics, Fudan University（复旦大学现代语言与语言学研究所） ； Shanghai SII（上海SII） 纠错

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

AI总结 EKA通过早期知识对齐提升多跳推理效率，增强检索精度和系统性能。

Comments 16 pages

CoAgent: Collaborative Planning and Consistency Agent for Coherent Video Generation

CoAgent：协作规划与一致性代理用于连贯视频生成

Qinglin Zeng, Kaitong Cai, Ruiqi Chen, Qinhan Lv, Keze Wang

机构 * Sun Yat-sen University（中山大学） 纠错

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

AI总结 CoAgent通过协作框架提升视频生成的连贯性与一致性，采用计划-合成-验证流程优化长视频的叙事质量与视觉一致性。

Intelligent Human-Machine Partnership for Manufacturing: Enhancing Warehouse Planning through Simulation-Driven Knowledge Graphs and LLM Collaboration

智能人机协作制造：通过仿真驱动的知识图谱与大语言模型协作提升仓库规划

Himabindu Thogaru, Saisubramaniam Gopalakrishnan, Zishan Ahmad, Anirudh Deodhar

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

AI总结 本研究提出通过仿真驱动的知识图谱与大语言模型协作，提升制造业仓库规划的智能化水平，实现人机高效协作以优化运营决策。

Comments 13 pages, 2 figures, accepted for oral presentation at AAAI Human Machine Collaboration Workshop 2026

Synthelite: Chemist-aligned and feasibility-aware synthesis planning with LLMs

Synthelite: 基于LLM的化学家对齐且可行性感知的合成规划

Nguyen Xuan-Vu, Daniel Armstrong, Milena Wehrbach, Andres M Bran, Zlatko Jončev, Philippe Schwaller

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校） ； National Centre of Competence in Research (NCCR) Catalysis（瑞士国家催化研究中心） ； B12 Labs（B12实验室） 纠错

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

AI总结 Synthelite 基于LLM实现化学家对齐且可行性感知的合成规划，通过自然语言提示允许专家干预，成功率达95%。

MCTS-EP: Empowering Embodied Planning with Online Preference Optimization

MCTS-EP：通过在线偏好优化增强具身规划

Hang Xu, Zang Yu, Yehui Tang, Pengbo Hu, Yuhao Tang, Hao Dong

机构 * School of Management, Fudan University, Shanghai, China（复旦大学管理学院） ； Independent Researcher（独立研究者） ； CFCS, School of Computer Science, Peking University, Beijing, China（计算机科学系，北京大学） ； PKU-AgiBot Lab, Peking University, Beijing, China（北京大学） 纠错

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

AI总结 MCTS-EP通过结合大语言模型与蒙特卡洛树搜索，实现具身智能体的在线偏好优化，提升多模态任务的性能表现。

TriFlow: A Progressive Multi-Agent Framework for Intelligent Trip Planning

TriFlow：一种渐进式多智能体框架用于智能行程规划

Yuxing Chen, Basem Suleiman, Qifan Chen

机构 * The University of Sydney（悉尼大学） ； University of New South Wales（新南威尔士大学） 纠错

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

AI总结 TriFlow通过检索、规划和治理三阶段流程，实现了在严格约束下高效生成个性化行程的智能规划框架。

Comments 4 pages, 3 figures

TP-RAG: Benchmarking Retrieval-Augmented Large Language Model Agents for Spatiotemporal-Aware Travel Planning

TP-RAG：用于时空感知旅行规划的检索增强型大语言模型代理基准测试

Hang Ni, Fan Liu, Xinyu Ma, Lixin Su, Shuaiqiang Wang, Dawei Yin, Hui Xiong, Hao Liu

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

AI总结 TP-RAG提出了一种用于时空感知旅行规划的检索增强型大语言模型基准测试，通过整合参考轨迹提升旅行计划的空间效率和兴趣点合理性，采用EvoRAG框架实现更高效的时空合规性。

Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing

Mind to Hand: Purposeful Robotic Control via Embodied Reasoning

Mind to Hand: 通过具身推理实现目的性机器人控制

Peijun Tang, Shangjin Xie, Binyan Sun, Baifu Huang, Kuncheng Luo, Haotian Yang, Weiqi Jin, Jianan Wang

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

AI总结 Lumo-1通过具身推理实现目的性机器人控制，结合视觉语言动作模型提升机器人推理与动作协调能力。

Comments 49 pages, 25 figures

Soft Inductive Bias Approach via Explicit Reasoning Perspectives in Inappropriate Utterance Detection Using Large Language Models

通过显式推理视角的软归纳偏见方法用于大型语言模型中的不当言论检测

Ju-Young Kim, Ji-Hong Park, Se-Yeon Lee, Sujin Park, Gun-Woo Kim

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

AI总结 本研究提出一种通过显式推理视角的软归纳偏见方法，用于提升大型语言模型在不当言论检测中的准确性和一致性。

Comments in Korean language, Published in the Proceedings of the 37th Annual Conference on Human and Language Technology, 2025, pp. 714-719. (English translation assisted by GPT)

Journal ref Proceedings of the 37th Annual Conference on Human and Language Technology, 2025, pp. 714-719

Information-Dense Reasoning for Efficient and Auditable Security Alert Triage

信息密集推理用于高效且可审计的安全警报分拣

Guangze Zhao, Yongzheng Zhang, Changbo Tian, Dan Xie, Hongri Liu, Bailing Wang

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； CHANG AN communication technology Co., Ltd.（CHANG AN通信技术有限公司） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology (Weihai) Qingdao Research Institute（哈尔滨工业大学（威海）青岛研究院） ； Shandong Key Laboratory of Industrial Network Security（山东省工业网络信息安全重点实验室） 纠错

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

AI总结 AIDR通过混合云边框架和信息密度优化，实现高效且可审计的安全警报分拣，减少40.6%的延迟并提升准确性。

Enhancing Clinical Note Generation with ICD-10, Clinical Ontology Knowledge Graphs, and Chain-of-Thought Prompting Using GPT-4

利用ICD-10、临床本体知识图谱和链式推理提示法提升临床笔记生成

Ivan Makohon, Mohamad Najafi, Jian Wu, Mathias Brochhausen, Yaohang Li

机构 * Computer Science, Old Dominion University（旧 Dominion 大学计算机科学系） ； Biomedical Informatics, University of Arkansas for Medical Sciences（阿肯色医学科学大学生物医学信息学系） 纠错

专题命中 规划推理 ：chain-of-thought(title,abstract)；CoT(abstract)；分类 cs.CL

AI总结 本研究利用ICD-10、临床本体知识图谱和链式推理提示法提升临床笔记生成质量，通过GPT-4在六个临床案例中验证了方法的有效性。

Obstruction reasoning for robotic grasping

机器人抓取中的障碍物推理

Runyu Jiao, Matteo Bortolon, Francesco Giuliari, Alice Fasoli, Sergio Povoli, Guofeng Mei, Yiming Wang, Fabio Poiesi

机构 * Fondazione Bruno Kessler（布鲁诺·科塞勒基金会） ； University of Trento（特伦托大学） 纠错

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

AI总结 UNOGrasp通过视觉-语言模型提升机器人抓取中障碍物推理能力，结合监督与强化学习微调，实现更高效的路径规划和抓取性能。

MADRA: Multi-Agent Debate for Risk-Aware Embodied Planning

MADRA：多智能体辩论用于风险感知的具身规划

Junjian Wang, Lidan Zhao, Xi Sheryl Zhang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； University of Chinese Academy of Sciences, Nanjing（中国科学院大学南京校区） 纠错

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

AI总结 MADRA通过多智能体辩论和分层认知框架，在安全性和效率上超越现有方法，实现高安全任务拒绝率和低误拒率。

Safe and Economical UAV Trajectory Planning in Low-Altitude Airspace: A Hybrid DRL-LLM Approach with Compliance Awareness

低空经济环境下安全且经济的无人机轨迹规划：一种融合DRL与LLM的混合方法与合规意识

Yanwei Gong, Junchao Fan, Ruichen Zhang, Dusit Niyato, Yingying Yao, Xiaolin Chang

机构 * Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, P.R. China（北京智能交通安全与隐私北京市重点实验室，北京交通大学，中国） ； School of Computer Science and Engineering, Nanyang Technological University, Singapore（计算机科学与工程学院，南洋理工大学，新加坡） 纠错

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

AI总结 本文提出一种融合深度强化学习与大型语言模型的无人机轨迹规划方法，以实现安全、合规且经济的路径规划。

BPMN to PDDL: Translating Business Workflows for AI Planning

BPMN到PDDL：为AI规划翻译业务流程

Jasper Nie, Christian Muise, Victoria Armstrong

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

AI总结 本研究提出将BPMN 2.0转换为PDDL的框架，支持核心业务流程构造，并通过非确定性规划器生成和评估执行轨迹，为AI规划提供基础。

Comments 8 pages, 3 figures. Code and generated PDDL outputs available at https://github.com/QuMuLab/bpmn-to-pddl-translation

Plan-X: Instruct Video Generation via Semantic Planning

Plan-X: 通过语义规划指导视频生成

Lun Huang, You Xie, Hongyi Xu, Tianpei Gu, Chenxu Zhang, Guoxian Song, Zenan Li, Xiaochen Zhao, Linjie Luo, Guillermo Sapiro

机构 * Duke University（杜克大学） ； Princeton University（普林斯顿大学） ； ByteDance Intelligent Creation（字节跳动智能创作） ； Apple（苹果公司） 纠错

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

AI总结 Plan-X通过语义规划框架减少视频生成中的视觉幻觉，实现与多模态上下文一致的精细指令对齐生成。

Comments The project page is at https://byteaigc.github.io/Plan-X

AURA: Adaptive Unified Reasoning and Automation with LLM-Guided MARL for NextG Cellular Networks

AURA: 一种基于LLM引导的多智能体强化学习的自适应统一推理与自动化方法用于NextG蜂窝网络

Narjes Nourzad, Mingyu Zong, Bhaskar Krishnamachari

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

AI总结 AURA结合LLM推理与MARL适应性，通过信任机制平衡局部学习与外部输入，提升NextG网络的实时管理和动态流量处理能力。

Beyond Generative AI: World Models for Clinical Prediction, Counterfactuals, and Planning

超越生成式AI：用于临床预测、反事实和规划的世界模型

Mohammad Areeb Qazi, Maryam Nadeem, Mohammad Yaqub

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（莫莫德·本·扎伊德人工智能大学） 纠错

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

AI总结 本文探讨了世界模型在医疗领域中的应用，旨在通过预测动态、反事实评估和规划提升临床决策的可靠性。

Comments 2 Figures, 1 Table

Confidence-Guided Stepwise Model Routing for Cost-Efficient Reasoning

基于置信度的分步模型路由用于高效推理

Sangmook Lee, Dohyung Kim, Hyukhun Koh, Nakyeong Yang, Kyomin Jung

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

AI总结 STEER通过利用模型内部置信度实现高效的模型路由，减少推理成本并提升准确性。

Comments 7 pages, 5 figures

SMRC: Aligning Large Language Models with Student Reasoning for Mathematical Error Correction

Biaojie Zeng, Min Zhang, Juan Zhou, Fengrui Liu, Ruiyang Huang, Xin Lin

机构 * East China Normal University（华东师范大学） ； East Chine Normal University（华东师范大学） ； Southeast University（东南大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；self-correction(abstract)；分类 cs.CL

Comments 13 pages, 3 figures

Cognitive Maps in Language Models: A Mechanistic Analysis of Spatial Planning

Caroline Baumgartner, Eleanor Spens, Neil Burgess, Petru Manescu

机构 * University College London（伦敦大学学院） ； University of Oxford（牛津大学） 纠错

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