AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
GraphWalker: 患者类比与信息增益结合用于大型语言模型的临床推理
机构 * School of Computer Science, Peking University, Beijing, China（北京大学计算机学院，北京，中国） ； National Engineering Research Center for Software Engineering, Peking University, Beijing, China（软件工程国家工程研究中心，北京大学，北京，中国）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 提出GraphWalker框架，通过联合数据驱动和模型驱动视角、发现患者队列以及采用懒惰贪心搜索，从电子健康记录中检索患者案例进行类比推理，无需参数更新即可提升临床推理性能。
大语言模型中在扩展搜索空间上的逐步优化类推理
机构 * University of Cambridge（剑桥大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出OPT*任务族，通过可验证奖励训练和搜索引导策略，提升LLM在扩展搜索空间中的逐步优化推理能力。
模拟、推理、决策：基于科学推理的LLM驱动模拟决策
机构 * Computer Science and Engineering University of Michigan（计算机科学与工程大学密歇根大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出MechSim框架，通过神经符号推理使LLM能够推理科学模拟器的机制和假设，提升决策透明度和可靠性。
信念感知的VLM模型用于类人推理
机构 * Mechanical Engineering Department, Clemson University（克莱姆森大学机械工程系）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出一种信念感知的视觉语言模型框架，通过检索式记忆和强化学习近似信念，提升长时程意图推理能力，在HD-EPIC等数据集上优于零样本基线。
Comments Accepted for publication at the IEEE International Conference on Robot and Human Interactive Communication (RO-MAN 2026). 6 pages, 3 figures, 1 table
面向搜索增强型大语言模型推理的自适应信息控制
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出基于信息效用的自适应控制框架DeepControl，通过控制检索的广度与分辨率，提升搜索增强推理的性能与训练稳定性。
Comments Work in progress
在线风险受限的自主车辆动态环境中的运动规划
机构 * MIT Computer Science and Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出了一种在线风险受限的运动规划方法，通过结合意图识别算法和POMDP求解器，生成安全高效的路径规划方案，尤其在无保护左转和变道等复杂环境中表现更优。
Comments Accepted at ICAPS'19. 10 pages, 6 figures, 1 table
多智能体轨迹规划的消息传递算法
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出基于改进交替方向乘子法的新型算法，用于计算多智能体的无碰撞全局轨迹，具有自然并行化和易整合不同成本函数的优点。
Comments In Advances in Neural Information Processing Systems (NIPS), 2013. Demo video available at http://www.youtube.com/watch?v=yuGCkVT8Bew
LLM演化模式生成器用于最优经典规划
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 提出首个通过LLM驱动的进化程序合成学习可容许启发式函数的方法，用于最优经典规划，结合饱和成本分区保证A*搜索的最优性。
CAREAgent: 具有结构化推理和工具集成的临床智能体用于医嘱生成
机构 * East China University of Science and Technology, Shanghai, China（东华大学上海科学技术学院） ； Zhongshan Hospital, Fudan University, Shanghai, China（复旦大学中山医院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出CAREAgent，通过两阶段推理数据构建和监督微调与强化学习，生成细粒度临床医嘱，在ClinicalBench上F1提升5.05%。
MindZero：零标注的在线心智推理学习
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出MindZero框架，通过自监督强化学习训练多模态大语言模型，实现高效鲁棒的在线心智推理，无需显式心智状态标注。
Comments ICML 2026. Website: https://scai.cs.jhu.edu/MindZero
SPARC: 通过注意力智能体通信实现空间感知路径规划
机构 * Nanyang Technological University（南洋理工大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 提出关系增强多头注意力（RMHA）机制，通过嵌入曼哈顿距离到注意力权重计算，优先处理空间邻近机器人的消息，在40x40网格上从8机器人零样本泛化到128机器人时，在30%障碍密度下实现约75%成功率，超越基线25个百分点以上。
Comments The manuscript is being withdrawn at the request of the first author for the purpose of revising content and re-uploading a revised version with updated data/figures/text . The revised manuscript will be resubmitted to arXiv promptly with the same author list and research theme
面向双臂操作的语义-几何任务表示：从人类示范到机器人动作规划
机构 * Interactive Robot Perception & Learning (PEARL) Lab, Computer Science Dept., TU Darmstadt, Germany（图腾大学达姆施塔特分校计算机科学系交互机器人感知与学习实验室） ； Hessian.AI, Darmstadt, Germany（黑森人工智能公司） ； Robotics Institute Germany (RIG)（德国机器人研究所） ； Interactive AI Algorithms & Cognitive Models for Human-AI Interaction (IKIDA), Computer Science Dept., TU Darmstadt, Germany（人机交互的交互人工智能算法与认知模型（IKIDA），图腾大学达姆施塔特分校计算机科学系） ； Center for Cognitive Science, TU Darmstadt, Germany（图腾大学达姆施塔特分校认知科学中心）
专题命中 规划推理 ：planning(title)；reasoning(abstract)；分类 cs.LG
AI总结 提出一种语义-几何图任务表示，通过消息传递神经网络编码器和Transformer解码器联合编码对象身份、语义关系和运动历史，实现从人类示范中学习结构化任务表示，并支持跨实体迁移和双臂操作规划。
Comments 9 pages, 7 figures, preprint
DAG-Plan：生成有向无环依赖图用于双臂协作规划
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences (CASIA)（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院（CASIA）） ； School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)（中国科学院大学人工智能学院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，北京大学计算机科学学院） ； Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； OpenGVLab, Shanghai AI Laboratory（上海人工智能实验室，OpenGVLab）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 提出DAG-Plan框架，首次使用有向无环图作为双臂协调的核心表示，通过一次LLM解析生成结构化DAG，实现自适应并行执行，在双臂厨房基准测试中成功率提升48%，执行效率提升84.1%。
Comments ICRA 2026
LinTree: 通过显式结构化搜索历史提升LLM推理能力
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对LLM推理中隐式搜索树导致性能不佳的问题，提出LinTree方法，通过添加父指针显式表示线性化树结构，在Blocks World、网格导航和Sokoban任务中提升了任务性能和搜索效率。
Comments 16 pages, 3 figures
环境AI监管的全球格局：从推理成本到绿色AI权利
机构 * European University Viadrina（欧洲维德林大学） ； Sustainable AI Group（可持续AI小组）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文通过实证证据、全球监管地图和政策建议，揭示了生成式AI日益增长的环境成本，并提出模型级透明度、用户选择权和国际协调的三管齐下应对方案。
Comments 23 pages, 1 table, preprint
基于学习的运动规划综述：迈向数据驱动的最优控制方法
机构 * College of Transportation Key Laboratory of Road and Traffic Engineering of the Ministry of Education（交通运输学院 道路交通工程教育部重点实验室） ； Institute for Advanced Study（先进研究院） ； Tongji University（同济大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文系统综述了数据驱动最优控制范式，通过融合最优控制的理论保证与机器学习的自适应能力，为自动驾驶运动规划提供了三维实现路线图，并指出了四个未来研究方向。
Comments 44 pages, 14 figures
通过智能体工具规划进行分子先导优化
机构 * University of Michigan（密歇根大学） ； University of California, Davis（加州大学戴维斯分校） ； Michigan State University（密歇根州立大学）
专题命中 规划推理 ：planning(title)；reasoning(abstract)；分类 cs.LG
AI总结 提出TRACE，一种轨迹感知的LLM推理智能体，将先导优化建模为序列决策问题，通过工具选择实现结构约束下的前瞻性分子优化，在ADMET任务中优于基线。
Comments 12 pages
基于LLM生成启发式的层次任务网络规划
机构 * University of Aberdeen, UK（爱丁堡大学（英国）） ； PUCRS, Brazil（巴西普埃布拉联邦大学） ； University of Oxford, UK（牛津大学（英国）） ； Saarland University, Germany（萨尔大学（德国）） ； Universidade Federal do Rio Grande do Sul, Brazil（巴西里约格兰德 do 南大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 研究利用大语言模型为层次任务网络规划生成搜索启发式，通过Pytrich规划器在六个基准领域评估，结果表明LLM生成的启发式在覆盖度上接近最优HTN规划器，并在83%的共享问题上显著减少搜索开销。
Comments 9 pages, 3 figures; submitted to NeurIPS 2026
通过推理模型实现意图对齐的自主航天器制导
机构 * Stanford University（斯坦福大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出一种通过行为序列和航点约束将高层推理与安全轨迹优化相结合的意图对齐航天器制导框架，在近距离操作场景中实现了超过90%的SCP收敛率，并比启发式决策高出1.5倍的满足顶级意图优先性能标准的轨迹生成率。
Comments Accepted for Computer Vision and Pattern Recognition Conference (CVPR) 2026, AI4Space Workshop (4-page Short paper). 9 pages, 3 figures (including supplementary materials)
TRACER: 基于内部强化信用与轮次级遗憾匹配的多LLM协作推理
机构 * Fudan University（复旦大学） ； Zhongguancun Academy（中关村学院） ； Academy for Advanced Interdisciplinary Studies, Peking University（北京大学先进交叉学科研究院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出TRACER框架，通过控制器-遗憾层和生成-信用层分别学习发言时机与内容，解决多智能体强化学习中的稀疏奖励、搭便车和固定协议振荡问题，实现数学收敛的协作推理。
Comments 25 pages, 3 figures
基于LLM的直观灵活能力规划辅助系统
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 提出一种混合辅助系统，将基于能力的形式化SMT规划与LLM自然语言交互层结合，通过人机协同实现规划解释与知识模型自适应，提升工业自动化中能力规划的可访问性和灵活性。
弥合推理模型在信息不足情况下的检测到弃权差距
机构 * Fudan University（复旦大学） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对推理模型在信息不足时无法有效弃权的问题，提出Judge-Then-Solve（JTS）轨迹级推理控制框架，通过可回答性判断和强化学习训练，显著提升可靠弃权率并减少不必要的推理。
管理虚拟实验室规划中LLM生成程序性知识的不确定性
机构 * School of Science and Technology, Hellenic Open University（希腊开放大学科学与技术学院）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 针对LLM生成实验程序存在的不确定性，提出一个原型框架，通过结构化领域表示和不确定的状态转移样本提取候选程序规则，转化为显式约束并修复不确定步骤，以提升虚拟实验室规划的可靠性。
神经启发式逆向学习用于规划与控制
机构 * NeuroMentum AI IMBIT, University of Freiburg, Germany（NeuroMentum AI IMBIT，弗赖堡大学，德国）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 提出一种神经启发式框架Inverter，通过逆向学习（IL）结合前向/逆向内部模型、开环多步运动指令和层次化动作组织，在规划与控制任务中实现高效推理，平均性能提升24.2%且计算时间降低一到两个数量级。
Comments Version 2, minor fix in online version of the abstract, pdf unchanged
解码机器学习决策：面向大规模排序系统的智能体推理框架
机构 * Meta
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出GEARS框架，通过智能体技能封装排序专家知识，将排序优化转化为自主发现过程，实现高层意图驱动的系统调控并保证生产可靠性。
Comments 12 pages, 5 figures
混合深度搜索器：可扩展的并行与顺序搜索推理
机构 * Seoul National University（首尔国立大学） ； LG AI Research（LG AI研究） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Seoul（首尔大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出混合搜索策略HybridDeepSearcher，通过并行查询扩展与显式证据聚合结合顺序推理，在多个基准上显著提升性能并实现测试时搜索扩展。
Comments Accepted to ICLR 2026
SAM：面向长程推理智能体的状态自适应记忆
机构 * GSAI, Renmin University of China（GSAI，中国人民大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出状态自适应记忆框架SAM，通过紧凑记忆线索和原始轨迹页面实现意图驱动的信息重建，无需重新训练基础模型，在多个基准上超越强基线。
IdleSpec: 通过投机规划利用空闲时间用于LLM代理
机构 * KAIST（韩国科学技术院） ； Amazon AGI（亚马逊人工智慧实验室） ； Together AI
专题命中 规划推理 ：planning(title)；reasoning(abstract)；分类 cs.AI
AI总结 本文提出IdleSpec，一种利用空闲时间提升LLM代理性能的方法，通过在空闲期间生成计划候选并减少延迟开销，从而在多种代理场景中显著提高性能。
ArborKV: 一种面向树状推理的KV缓存管理方法
机构 * University of Science（科学大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出ArborKV，一种结构感知的KV缓存管理方法，通过轻量级值估计器和树状分配策略，实现纯token提取式淘汰与惰性再水合，从而在保持高精度的同时减少KV内存使用，使在固定硬件预算下能支持更大规模的树状推理搜索。
ClinSeekAgent: 自动化多模态证据检索以实现代理临床推理
机构 * UC Santa Cruz（加州大学圣克ruz分校）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出ClinSeekAgent，一种自动化代理框架，用于动态多模态证据检索，旨在从异构来源主动检索、迭代规划和综合多模态证据，从而提升临床决策支持。
Comments 24 pages, 9 figures; Project Page: https://ucsc-vlaa.github.io/ClinSeekAgent/
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈