大模型推理能力

Agentic Neuro-Symbolic Planning and Commissioning for Human-in-the-Loop Industrial Robotics with Digital Twins

面向人机协同工业机器人的智能神经符号规划与调试：基于数字孪生

Zhihao Liu, Victor Nan Fernandez-Ayala, Tianyu Wang, Qiang Qin, Xi Vincent Wang, Dimos V. Dimarogonas, Lihui Wang

机构 * Royal Institute of Technology (KTH)（皇家理工学院（KTH）） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 提出一种结合LLM语言理解与确定性验证执行的神经符号框架，采用SDI架构和两级恢复机制，在数字孪生中验证后执行，显著提升任务成功率。

SkillWrapper: Generative Predicate Invention for Task-level Robot Planning

SkillWrapper：任务级机器人规划的生成性谓词发明

Ziyi Yang, Benned Hedegaard, Ahmed Jaafar, Yichen Wei, Skye Thompson, Shreyas S. Raman, Haotian Fu, Stefanie Tellex, George Konidaris, David Paulius, Naman Shah

机构 * Brown University（布朗大学） ； Allen Institute for AI（人工智能研究院） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 本文提出SkillWrapper方法，通过生成性谓词发明学习符号化表示，使机器人能够基于抽象推理完成长周期任务规划。

VeriDrive: Verifiable Counterfactual Supervision for Cost-Efficient Vision-Language Planning

VeriDrive: 可验证的反事实监督用于成本高效的视觉-语言规划

Zikai Zhang, Hubert P. H. Shum, Toby P. Breckon

机构 * Department of Computer Science, Durham University（杜伦大学计算机科学系） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 提出VeriDrive框架，通过结构化感知-评估-修正链生成可验证的反事实监督，降低视觉-语言驾驶规划的数据构建成本，并在nuScenes数据集上验证其有效性。

TRUE: A Trustworthy Unified Explanation Framework for Large Language Model Reasoning

TRUE：一种用于大语言模型推理的可信统一解释框架

Yujiao Yang

机构 * Dalian University of Technology（大连理工大学） 纠错

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

AI总结 提出TRUE框架，通过可执行推理验证、可行域DAG建模和因果故障模式分析，为LLM推理提供实例级、局部结构级和类别级的多层次可验证解释。

Dynamic Thinking-Token Selection for Efficient Reasoning in Large Reasoning Models

动态思维-令牌选择用于大型推理模型中的高效推理

Zhenyuan Guo, Tong Chen, Wenlong Meng, Chen Gong, Xin Yu, Chengkun Wei, Wenzhi Chen

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 本研究提出动态思维-令牌选择方法，通过分析推理轨迹发现只有部分关键令牌影响最终答案，从而优化大型推理模型的效率。

A Machine-to-Machine Knowledge-Guided LLM Agent for Generalizable Radiotherapy Treatment Planning

一种机器到机器知识引导的LLM智能体用于泛化放射治疗计划

Md Mainul Abrar, Xun Jia, Yujie Chi

机构 * National Institutes of Health (NIH)（国家卫生研究院） ； Department of Physics, The University of Texas at Arlington（德克萨斯理工大学阿灵顿分校物理系） ； Department of Radiation Oncology and Molecular Radiation Sciences, Johns Hopkins University（约翰霍普金斯大学放射肿瘤学与分子放射科学系） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 提出一种机器到机器知识引导的大语言模型框架，通过深度强化学习发现的治疗计划参数分布知识迁移至LLM智能体，实现无需人工干预的自主迭代规划，在多种病例中显著提升规划质量和泛化能力。

Comments 10 pages, 6 figures

LongTraceRL: Learning Long-Context Reasoning from Search Agent Trajectories with Rubric Rewards

LongTraceRL: 基于评分奖励从搜索智能体轨迹中学习长上下文推理

Nianyi Lin, Jiajie Zhang, Lei Hou, Juanzi Li

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 提出LongTraceRL框架，通过知识图谱随机游走生成多跳问题并利用搜索智能体轨迹构建分层干扰物，结合基于实体链的评分奖励进行过程监督，提升大语言模型在长上下文推理中的表现。

On-Device Robotic Planning: Eliminating Inference Redundancy for Efficient Decision-Making

设备端机器人规划：消除推理冗余以实现高效决策

Joonhee Lee, Hyunseung Shin, Hyunmi Kim, Pei Zhang, Jeonggil Ko

机构 * School of Integrated Technology, College of Computing, Yonsei University（延世大学整合技术学院，计算学院） ； Department of Hyperscale AI SoC Research Section, ETRI（ETRI超大规模AI SoC研究部） ； EECS - Electrical and Computer Engineering, University of Michigan（密歇根大学电气与计算机工程学院） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 提出REIS框架，通过场景门控、KV引导的affordance路由和审慎推理减少推理冗余，在保持语义适应性的同时加速机器人控制。

Comments 19 pages

Reasoning with Sampling: Cutting at Decision Points

基于采样的推理：在决策点进行裁剪

Felix Zhou, Anay Mehrotra, Quanquan C. Liu

机构 * Yale University（耶鲁大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出Entropy-Cut Metropolis-Hastings算法，利用基础模型的下一词元熵作为代理识别关键决策点并重新采样，从而高效地从幂分布中采样以增强推理能力，在多个基准上超越基线和RL训练模型。

Does The Way You Plan Matter? An Empirical Study of Planning Representations for LLM Web Agents

计划方式重要吗？LLM网络代理计划表示的实证研究

Alejandra Zambrano, Sara Vera Marjanovic, Imene Kerboua, Xing Han Lù, Leila Kosseim

机构 * Concordia University（康科德大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； University of Copenhagen（哥本哈根大学） ； Universite Claude Bernard Lyon（克莱尔蒙特-伯恩大学） ； McGill University（麦吉尔大学） 纠错

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

AI总结 本研究提出PlanAhead框架，通过自动难度分类和四种计划表示（顺序子目标、叙述、伪代码、检查清单）的对比实验，发现计划表示形式和生成计划的LLM显著影响网络代理的鲁棒性和任务成功率。

Comments Extended version of paper submitted to EMNLP, waiting for acceptance

CogPortrait: Fine-Grained Eye-Region Control in Portrait Animation via Hierarchical Agent Planning

CogPortrait: 通过分层智能体规划实现肖像动画中的细粒度眼部区域控制

He Feng, Yongjia Ma, Donglin Di, Lei Fan, Tonghua Su

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； 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)；chain-of-thought(abstract)

AI总结 提出CogPortrait两阶段框架，利用多模态大语言模型智能体从高层标签生成关键点，再通过DiT视频生成骨干合成动画，实现细粒度眼部控制，并引入EMH基准评估。

LiPUP-MA: A Residential Experience-centric Multi-Agent Framework for Living-in-the-loop Participatory Urban Planning

LiPUP-MA：一种以居住体验为中心的循环参与式城市多智能体规划框架

Hang Ni, Yuzhi Wang, Yizhi Song, Hao Liu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出LiPUP-MA多智能体框架，通过模拟居住生活与体验驱动的计划修订循环，利用基于图的经验库和空间约束技能增强规划器，解决参与式城市规划中经验落地与反馈空间化问题。

PlanRAG-Audio: Planning and Retrieval Augmented Generation for Long-form Audio Understanding

PlanRAG-Audio：面向长音频理解的规划与检索增强生成

Masao Someki, Chien-yu Huang, Siddhant Arora, Samuele Cornell, Markus Müller, Nathan Susanj, Rupak V Swaminathan, Grant P Strimel, Jing Liu, Shinji Watanabe

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 提出PlanRAG-Audio框架，通过规划查询所需模态和时间跨度并仅检索相关信息，实现长音频的高效推理，提升准确率并稳定性能。

Comments Accepted to Findings of ACL 2026

MoBayes: A Modular Bayesian Framework for Separating Reasoning from Language in Conversational Clinical Decision Support

MoBayes：一种用于对话式临床决策支持中推理与语言分离的模块化贝叶斯框架

Yusuf Kesmen, Fay Elhassan, Jiayi Ma, Julien Stalhandske, Yena Chang, David Sasu, Alexandra Kulinkina, Akhil Arora, Lars Klein, Mary-Anne Hartley

机构 * LiGHT, EPFL（LiGHT，瑞士联邦理工学院） ； University of Bern（伯尔尼大学） ； Aarhus University（奥胡斯大学） 纠错

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

AI总结 提出MoBayes框架，通过将LLM作为语言接口、贝叶斯模块进行概率推理，实现推理与语言分离，在临床决策支持中优于独立前沿LLM医生。

Comments 50 pages including appendix, 13 figures, 22 tables. Preprint

How to Steer Your Multi-Agent System: Human-LLM Collaborative Planning

如何操控你的多智能体系统：人-大语言模型协作规划

Zeyu He, Hannah Kim, Dan Zhang, Estevam Hruschka

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 本文通过定义人-大语言模型协同规划的设计空间（模式、范围、层次），并实现原型AMBIPOM支持过程级监督，结合用户研究和基准测试揭示了混合工作流与权衡，为更透明、可控、有效的人机协同规划提供设计洞见。

Comments ACM Conference on AI and Agentic Systems (CAIS) 2026

NaviAgent: Graph-Driven Bilevel Planning for Scalable Tool Orchestration

NaviAgent: 一种基于图的双层规划用于可扩展的工具编排

Yan Jiang, Hao Zhou, Lizhong GU, Tianlong Li, Ruinan Jin, Wanqi Zhou, Ai Han

机构 * Department of Electrical and Computer Engineering, The Ohio State University, USA（电气与计算机工程系，俄亥俄州立大学，美国） 纠错

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

AI总结 本文提出NaviAgent，一种基于图的双层规划框架，通过解耦任务规划与工具执行，提升大规模工具编排的可扩展性和鲁棒性，实验表明其在任务成功率和实际应用中表现优异。

Comments Accepted to ICML 2026

Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML), 2026

Pseudo-Siamese Network for Planning in Target-Oriented Proactive Dialogues

面向目标的主动对话中规划的伪孪生网络

Xinyue Kang, Maodong Li, Yibin Zheng, Fang Kong

机构 * School of Computer Science and Technology（计算机科学与技术学院） 纠错

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

AI总结 本文提出了一种面向目标的主动对话规划方法，通过FF-BPSN网络实现对话路径规划，提升目标导向型主动对话系统的有效性。

Comments ICASSP2026

CogOmniControl: Reasoning-Driven Controllable Video Generation via Creative Intent Cognition

CogOmniControl: 通过创意意图认知实现推理驱动的可控视频生成

Hongji Yang, Songlian Li, Yucheng Zhou, Xiaotong Zhao, Alan Zhao, Chengzhong Xu, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学SKL-IOTSC、CIS实验室） ； Online-Video BU, Tencent（腾讯在线视频事业部） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)

AI总结 本文提出CogOmniControl框架，通过将可控视频生成分解为创意意图认知和生成两个阶段，利用专门训练的CogVLM生成更专业清晰的输出，并通过强化学习对齐不同条件的控制，最终在两个基准测试中超越现有开源模型。

RECIPE: Procedural Planning via Grounding in Instructional Video

RECIPE: 通过指令视频中的 grounding 实现过程规划

Luigi Seminara, Antonino Furnari, Lorenzo Torresani

机构 * Khoury College of Computer Sciences, Northeastern University, Boston（东北大学北斯托顿学院计算机科学学院） ； Department of Mathematics and Computer Science, University of Catania, Italy（卡塔尼亚大学数学与计算机科学系） 纠错

专题命中 规划推理 ：planning(title,abstract)；verifier(abstract)

AI总结 该研究提出RECIPE方法，通过利用指令视频中的grounding信息来改进过程规划任务，通过利用预计算的文本嵌入实现大规模视频数据的验证，从而提升规划的准确性和鲁棒性。

NEWTON: Agentic Planning for Physically Grounded Video Generation

NEWTON：面向物理基础视频生成的代理规划

Yuxiang Feng, Juncheng Wang, Chao Xu, Yijie Qian, Huihan Wang, Wenlong Hou, Yang Liu, Baigui Sun, Yong Liu, Shujun Wang

机构 * Zhejiang University（浙江大学） ； The Hong Kong Polytechnic University（香港理工大学） ； IROOTECH TECHNOLOGY（IROOTECH技术公司） ； Sany Group（三一集团） 纠错

专题命中 规划推理 ：planning(title,abstract)；verifier(abstract)

AI总结 本文提出NEWTON，通过将视频生成从系统输出降级为代理工具箱中的一个动作，利用学习的规划器协调物理感知工具，提高视频生成的物理合理性，从而在VideoPhy-2数据集上显著提升联合准确性。

Comments project page: https://Newton026.github.io/newton

Thinking with Patterns: Breaking the Perceptual Bottleneck in Visual Planning via Pattern Induction

基于模式的思考：通过模式诱导突破视觉规划中的感知瓶颈

Yichang Jian, Boyuan Xiao, Zhenyuan Huang, Yifei Peng, Yao-Xiang Ding

机构 * State Key Lab of CAD& CG（CAD与CG国家重点实验室） 纠错

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

AI总结 本文提出通过模式诱导的方法，利用模式推理和模式诱导策略，使视觉语言模型在视觉规划任务中实现更高效和准确的感知与推理，解决传统模型在复杂输入下的感知瓶颈问题。

DermAgent: A Self-Reflective Agentic System for Dermatological Image Analysis with Multi-Tool Reasoning and Traceable Decision-Making

DermAgent: 一种用于皮肤病图像分析的自反思代理系统，具备多工具推理和可追溯决策制定

Yize Liu, Siyuan Yan, Ming Hu, Lie Ju, Xieji Li, Feilong Tang, Wei Feng, Zongyuan Ge

机构 * AIM for Health Lab, Faculty of Information Technology, Monash University, Melbourne, Australia（健康人工智能实验室，信息科技学院，墨尔本大学，澳大利亚） ； Faculty of Information Technology, Monash University, Melbourne, Australia（信息科技学院，墨尔本大学，澳大利亚） ； University College London, Institute of Ophthalmology, London, United Kingdom（伦敦大学学院，眼科研究所，英国） 纠错

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

AI总结 DermAgent通过多工具协作和反思框架，在皮肤病图像分析中实现可追溯的诊断推理，优于现有模型。

Comments MICCAI2026 early acceptance

TwiSTAR:Think Fast, Think Slow, Then Act,Generative Recommendation with Adaptive Reasoning

TwiSTAR：快速思考，缓慢思考，然后行动，基于语义ID的生成推荐

Shiteng Cao, Kaian Jiang, Yunlong Gong, Zhiheng Li

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

AI总结 本文提出TwiSTAR框架，通过自适应分配推理努力提升推荐准确性与效率，利用语义ID检索、轻量级排序和慢推理模型，结合常识知识增强，减少延迟并优于基线方法。

Comments 16pages,3 figures

CLR-voyance: Reinforcing Open-Ended Reasoning for Inpatient Clinical Decision Support with Outcome-Aware Rubrics

CLR-voyance：通过结果感知的评分表强化住院患者临床决策支持中的开放性推理

Aishik Nagar, Arun-Kumar Kaliya-Perumal, Yu-Hsuan Han, Andrew Sheng-Han Huang, Kristen Kee, Yushi Cao, Yiming Chen, Hongchao Jiang

机构 * ASUS Intelligent Cloud Services (AICS)（ASUS智能云服务（AICS）） ； Rehabilitation Research Institute of Singapore, Nanyang Technological University（新加坡康复研究院，南洋理工大学） ； Department of Family Medicine, Taipei Veterans General Hospital（台北荣民总医院家庭医学部） ； School of Medicine, National Yang Ming Chiao Tung University（国家阳明交通大学医学院） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学 Yong Loo Lin 医学院） 纠错

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

AI总结 CLR-voyance将住院患者推理建模为POMDP，通过结果感知和临床验证的奖励机制提升决策支持，实现住院患者临床推理的最新进展。

AssemPlanner: A Multi-Agent Based Task Planning Framework for Flexible Assembly System

AssemPlanner：一种面向灵活装配系统的多智能体任务规划框架

Chenhao Zhang, Chaoran Zhang, Zhaobo Xu, Yongbo Yang, Pingfa Feng, Long Zeng

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen 518055, China（清华大学深圳国际研究生院，清华大学，深圳 518055，中国） ； Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China（清华大学机械工程系，清华大学，北京 100084，中国） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 本文提出AssemPlanner，一种多智能体任务规划框架，通过自然语言描述的任务转化为可执行的生产操作序列，解决传统方法配置耗时的问题。

Decompose and Recompose: Reasoning New Skills from Existing Abilities for Cross-Task Robotic Manipulation

分解与重组：从已有能力中推导新技能以实现跨任务机械操作

Xitie Zhang, Aming Wu, Yahong Han

机构 * School of Artificial Intelligence, College of Intelligence and Computing, Tianjin University, China（人工智能学院，智能与计算学院，天津大学，中国） ； School of Computer Science and Information Engineering, Hefei University of Technology, China（计算机科学与信息工程学院，合肥工业大学，中国） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)

AI总结 本文提出Decompose and Recompose框架，通过分解现有任务演示为可解释的技能-动作对，实现跨任务机械操作的零样本泛化。

Comments Accepted by ICML 2026

PORTool: Importance-Aware Policy Optimization with Rewarded Tree for Multi-Tool-Integrated Reasoning

PORTool：基于奖励树的重要性感知策略优化用于多工具集成推理

Feijie Wu, Weiwu Zhu, Yuxiang Zhang, Soumya Chatterjee, Jiarong Zhu, Fan Mo, Rong Luo, Jing Gao

机构 * Apple（苹果公司） ； Purdue University（普渡大学） 纠错

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

AI总结 PORTool通过奖励树实现多工具集成推理中的重要性感知策略优化，提升最终答案准确性并减少工具调用步骤。

Robot Planning and Situation Handling with Active Perception

具备主动感知的机器人规划与情境处理

Austine Oloo, Zainab Altaweel, Yohei Hayamizu, Peiqi Liu, Yan Ding, Saeid Amiri, Hao Yang, Andy Kaminski, Chad Esselink, Chris Paxton, Xiaohan Zhang, Shiqi Zhang

机构 * SUNY Binghamton（纽约州立大学布法罗分校） ； CMU（卡内基梅隆大学） ； Ford Research（福特研究） ； Agility Robotics（敏捷机器人） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 本文提出VAP-TAMP框架，通过主动感知和情境评估提升机器人在动态环境中执行任务的能力，结合场景图进行任务与运动规划，通过仿真和移动机械臂平台验证有效性。

AgenticCache: Cache-Driven Asynchronous Planning for Embodied AI Agents

AgenticCache: 基于缓存的异步规划用于具身AI代理

Hojoon Kim, Yuheng Wu, Thierry Tambe

机构 * Anonymous Institution, Anonymous City, Anonymous Region, Anonymous Country（匿名机构、匿名城市、匿名地区、匿名国家） 纠错

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

AI总结 本文提出AgenticCache框架，利用缓存重用计划以减少LLM调用，提升任务成功率22%并降低延迟与成本。

Comments Accepted at MLSys 2026

A Multi-Agent Framework with Structured Reasoning and Reflective Refinement for Multimodal Empathetic Response Generation

一种具有结构化推理和反思细化的多智能体框架用于多模态共情响应生成

Liping Wang, Cheng Ye, Weidong Chen, Peipei Song, Bo Hu, Zhendong Mao

机构 * School of Information Science and Technology, USTC（信息科学与技术学院，中国科学技术大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)

AI总结 本文提出多智能体框架，通过结构化推理和反思细化提升多模态共情响应生成的准确性与情感感知能力，实验表明优于现有方法。

Comments Submitted to ACM Multimetida 2026