任务规划 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 任务规划 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 三维生成 1 WorldClaw：智能体驱动的大规模 3D 开放世界生成 08-07 三维重建 1 Lucida：可组合真实到模拟场景建模框架 09-02 上下文学习 3 超出预训练支持的指令与组合任务上下文学习 10-19 SimpleICL：简化机器人情境学习的操控方案 10-18 机器人上下文学习：方法与应用综述 10-01 世界模型 18 LaLa-World：以自然语言动作扩展潜在世界模型 10-24 Ropedia W0：利用人类经验扩展跨具身运动操作世界模型 10-22 千诀发布跨本体预测式世界模型 Polibrain 10-22 PhysiCalWorld：世界模型的上下文物理校准 10-22 事件而非像素：世界模型的回报误差诊断 10-22 基于 LLM 外生世界建模的动态调度 10-22 PAWM：用陷阱预判世界模型引导黑盒 LLM 智能体 10-22 G-JEPA：时序上下文感知的潜空间物理 grounding 10-22 ProWAM：通过渐进式视觉规划建模世界动作 10-08 InternW0-Δ：基于 2 万小时开放数据的世界动作模型 09-29 ModAR：模态自回归世界-动作模型 09-17 Motus 2发布：世界模型驱动灵巧操作自进化 09-13 GE-Act 2.0：机器人操作世界-动作模型的预训练与规模扩展 09-10 H3-World：以语言指令实现交互式世界控制 09-03 通用决策大模型 Decitron：开放世界推演与求解闭环 09-03 面向网页智能体的判别式世界模型 09-03 PEVA：基于全身动作条件的第一视角视频预测世界模型 07-02 让小说角色“活”起来：复旦 BookWorld 打造沉浸式小说世界模拟系统 06-25 产业动态分析 1 AI 决策模型 Jev 走红，TypeSafe AI 估值达 75 亿美元 10-10 价值估计 1 VAST：自适应时间尺度的离线价值缝合 10-25 元智能体编排 1 Eureka：面向科学发现的任务条件元代理编排 08-20 具身基础模型 5 RynnUnify：统一具身理解、视觉规划与机器人控制的 16B 模型 10-27 UniWALM：统一世界-动作-语言模型用于具身机器人控制 10-21 GPT-6-Astra 通过触觉反馈执行接触密集型机器人操作 10-21 Grounded Action Model：以 3D 对齐构建机器人基础模型 09-23 Qwen-Drive-1.0：自动驾驶视觉语言基础模型 09-03 具身导航 1 Embodied-Navigator：定位、思考、记忆与对齐的高效具身导航 08-20 具身智能评估 1 EBench评测前沿智能体：从直接控制到策略调用 10-27 具身规划 26 HiSTEVE 1.0：面向开放世界游戏的分层 VLA 智能体 10-27 多模态具身智能体：从计算机操作到机器人操作的统一能力视角 10-22 前沿 AI 模型在 LIBERO-10 机器人操作任务上的评测 10-22 SP-HLM：稀疏姿态驱动的人形机器人运动生成与全身控制 10-22 ScaleNav：互联网视频预训练的语言条件局部导航 10-21 ACT3D：学会在 3D 世界中思考与主动探索 10-20 SuperNav：面向任意任务与场景的通用智能体导航系统 10-18 SimpleICL：简化情境内机器人操控学习 10-10 SuperNav：面向任意场景与任务的智能体导航系统 10-10 RoboAware：从反事实结果学习具身技能协调 10-10 SafeInferCom：验证器引导的机器人安全推理时计算 10-10 PanoVLN：高效全景视觉语言导航 10-01 VCN-Bench：基于既往视频经验的空间导航推理基准 09-30 GPT-6 Astra自主构建3D仿真并训练机器人策略 09-28 编码智能体求解广义任务与运动规划 09-26 RoboDawn：将视觉语言模型智能迁移至机器人控制 09-23 VA-Bench：评测具身空间智能的感知—推理—行动闭环 09-19 SafeHarness：面向安全机器人操作的障碍感知编程智能体 09-18 DeliveryGym：面向长程具身规划的自适应课程强化学习环境 09-18 MAGMA-GEN：通过反事实重执行生成可靠恢复监督 09-18 连接学习式视觉感知与符号信念空间规划 09-16 MaP-WAM：以记忆为计划的世界—动作建模 09-13 DriveZero：超越人类示范的端到端自动驾驶 09-10 RoboSPA：面向复杂空间与长程任务的 VLA 评测基准 09-07 神经符号具身智能体：视觉探索与约束规划 08-18 Embodied Planner-R1：通过强化学习释放 LLM 的具身任务规划能力 07-01 分层推理 1 HRM：无需预训练或 CoT 数据的分层推理模型 07-01 动作推理 1 Chain-of-Action：通过轨迹自回归实现动作推理的模仿学习新范式 07-18 协同规划 1 集体反事实规划：表征约束下的协调、同意与验证 08-19 协同驾驶 1 G-MARK：基于知识图谱的协同驾驶多智能体推理 08-21 博弈评测 2 Brood War Bench：19个大模型实时对战《星际争霸》 09-23 Game Arena：以游戏评估 AI 的复杂推理与规划能力 08-07 原型推理 1 ProtoReasoning：以推理原型提升大模型跨领域泛化能力 06-23 反馈规划 4 WeaveData：自批判与自演化规划的多模态数据分析系统 09-30 SE-LLM-OCP：自进化大模型引导的狭窄空间最优控制泊车 09-22 KRCL：借鉴人类运动学习反馈的双向闭环规划机制 12-31 按需激活反馈接收的正向规划机制 12-31 可信执行 1 豆包工作上线目标与计划模式，支持验收返工和执行前确认 09-23 可信推理 2 自引导 LLM 推理诊断车辆路径问题中的错误 10-18 FLARE：基于逻辑辅助搜索的可信推理与探索方法 12-31 图像编辑 1 DARS：面向指令图像编辑的双层信用分配强化学习 08-21 基站部署 1 多智能体离策略深度强化学习优化智慧校园覆盖 08-20 多智能体协作框架 4 局部工作、全局进展：AI 智能体协作的收敛理论 10-21 HTN-Orchestrate：基于层次任务网络的多智能体编排框架 10-18 面向去中心化多智能体系统的责任中心协调机制 RCM 10-18 DAGent：面向深度研究智能体的先评估后生长规划 10-01 多智能体系统 10 4个Gemini智能体自主协作通关《我的世界》 10-18 系统化多智能体视觉与语言导航：MAVLN 基准与 TRISS 方法 10-18 TMCS：工具驱动的多智能体组合化学推理框架 09-30 Agent 集群 Scaling Law：分队探索优于盲目扩群 09-29 COMPASS：用空间 Transformer 控制大规模机器人智能体集群 09-24 ORCH：组织原则赋能具身多智能体集体智能 09-11 多智能体强化学习驱动的野火响应无人机自主探索 09-10 Manager Loop：GPT-6 多智能体一周搭建虚拟曼哈顿 09-09 多智能体正在“燃烧”Token：Anthropic 公开研究系统构建经验 06-14 从辩论到均衡：基于贝叶斯纳什均衡的信念驱动多智能体 LLM 推理 06-12 多模态学习 1 视频与音频生成驱动的零样本力感知机器人操作 09-17 多模态推理 1 DirCast：单一流式视频语言模型实时完成电竞导播与解说 10-27 多模态搜索 1 MMSearch-R1：激励大型多模态模型自主搜索 06-26 奖励模型评测 1 Agent-RewardBench：面向现实世界多模态智能体的统一奖励建模基准 06-27 学术搜索 1 百度“伐谋”自演化智能体：56分钟破解亿级特征组合搜索 08-14 实验设计 1 MDA：大模型与贝叶斯推断协同设计关键实验 08-15 工具调用 1 RECAST：通过自适应证据路由计算正确上下文 10-08 并行推理 1 将自回归 LLM 控制编译为策略精确的并行推理 10-23 并行路径规划 1 群组去中心化规划实现并行终身多智能体寻路 08-19 扩散模型 1 二元离散扩散：面向逻辑与规划的候选集扩散 10-21 技术趋势分析 2 Jev vs Decitron：两种决策AI范式对比 09-24 智能体的自主决策与递归自我改进 12-31 技能优化 3 编码智能体的自适应技能粒度：运行时路由与宏到微恢复 10-23 智能体先验引导的策略学习 10-08 GraphSkillEvo：图结构智能体技能的进化优化 09-21 技能演化 1 RoboRSI：复杂现实环境中的稳定高效可复用机器人自演化 10-09 指标对齐 1 潜在世界模型的决策指标对齐与 MPC 规划诊断 08-21 推理扩展 1 五年前的“开放式推理”设想预见 OpenAI o1、o3 路线 08-15 推理效率 2 VLA-Rolling：自适应复用动作尾部以加速具身控制 10-22 Jev-Mobile：移动 GUI 智能体的轻量级执行器 09-26 搜索能力评测 1 TsuGO：以围棋死活题评测大模型推理搜索效率 08-16 敏捷软件开发 1 Scrum 敏捷项目管理方法 12-31 数据科学 1 AutoMind：用于自动化数据科学的自适应知识智能体 06-13 方法选型 1 按项目规模选择软件开发方法 12-31 智能体工作流 1 WebAgents 完成用户指令的三个核心过程 12-31 智能体框架 6 HTN 规划协调多服务器 MCP 工具编排 09-29 GRASP：面向复杂任务的生成、修订与评估式智能体规划 09-26 智能体脚手架如何创造价值：规划信息与发布控制 09-18 HarnessVLN：智能体框架统一免训练具身导航 09-17 智能体式工件创建：系统、评估与设计原则综述 09-01 首个开源多模态 Deep Research 智能体，超越多个闭源方案 12-31 智能体网络 1 Agentic Web：由 AI 智能体驱动的下一代互联网生态 12-31 智能体脚手架 1 Opus 5借助极简Harness在ARC-AGI-3取得96.2%通关率 08-14 智能体自进化 5 EvoAgentX：支持自主进化的多智能体框架 12-31 斯坦福 AgentFlow：智能体在交互中实时进化 10-14 SEAgent：从经验中自主学习的自进化计算机使用代理 08-06 SEA：面向计算机使用的自我进化代理 08-06 MetaAgent：无需参数更新的自我进化智能体范式 06-13 智能体训练 2 借助用户手册适配新软件的计算机使用智能体 10-19 L0：面向通用智能体的可扩展端到端强化学习训练系统 07-01 智能体评测 15 BrickBench：智能体积木设计评测基准 10-09 AgenticBBO-Bench：LLM 智能体黑盒优化基准 10-09 主动式智能体基础与 Proactivity-Gym 评测框架 10-08 DUDA-Bench：多模态数据驱动城市诊断智能体基准 10-08 PDEU-Bench：个性化工具调用智能体规划全生命周期基准 09-30 LongPuzzleBench：长程视觉谜题 GUI 智能体评测 09-30 AgentWorld：评测多智能体长程协作能力 09-29 The Tasteful Agent：衡量与提升长时程任务决策品味 09-24 SPAR：面向 AUV 故障恢复的 LLM 诊断仿真平台 09-18 JarvisGUI：面向跨设备动态任务组合的 GUI 智能体评测 09-10 DroneCATS：评估多模态 LLM 的通用无人机控制能力 09-03 AI Agent 评测基准的“环境—能力”分类框架 12-31 AI Agent 评测的四大演进趋势 12-31 ALE-Bench：编程智能体跻身 NP 难题竞赛前 2% 06-18 TextAtari：使用语言智能体挑战10万步Atari游戏 06-05 概率预测 1 TimePrism：并行生成概率场景的时序预测新范式 09-26 模型发布 2 蚂蚁数科发布决策模型 LingDT-Decision-1.0 10-23 Gemini 2.5 Pro 稳定版全面可用 06-19 测试时优化 1 OpTTA：面向规划的乐观测试时世界模型适应 10-27 深度研究智能体 2 IterSynth：角色解耦的迭代式深度搜索智能体 09-26 深度研究智能体重塑知识发现与问题解决范式 08-07 混合控制 1 LLM 常识推理驱动的自动驾驶多智能体编排 08-21 混合规划 1 融合神经与符号系统的混合规划器 12-31 游戏推理 1 GameHorizon：多时间跨度游戏数据与评测套件 09-22 游戏评测 1 LMGame-Bench：用经典游戏评测大模型感知、记忆与推理能力 07-02 状态管理 1 LongHorizon-Harness：以状态管理提升长程智能体执行 08-07 状态追踪 3 TaskWAM：以任务阶段感知引导世界-动作模型生成预期未来 10-21 BELIEFRAG：面向演化证据的状态感知自适应 RAG 10-01 ConPAct：以状态一致性提升长程智能体规划与执行 10-01 环境合成 1 World State Generator：基于可验证世界状态的智能体规划 09-22 神经符号人工智能 1 “神经-符号”融合规划器显著超越 o1 12-31 科研工作流编排 1 OpenAI 收购 Orchestra Bio，强化药物研发智能体协同 10-22 科研智能体 1 RPM 用研究偏好提升科研智能体算力分配效率 09-02 移动端评测 1 MobilePA-Bench：复杂真实移动任务规划智能体基准 08-26 程序修复 1 PAUSE：首次源码编辑前的无搜索编程智能体引导 10-22 空间音频 1 AMBIT：基于可执行计划与自蒸馏 Transfusion 的空间音频生成编辑 10-29 符号规划 1 PDDLCoder：智能体式 PDDL 生成辅助符号规划 08-18 策略优化 1 学习式前沿选择的智能体逆生物合成框架 09-01 置信度评估 2 基于Z数不确定性的低碳旅游行程规划 10-22 SIGMA：面向自动驾驶决策的仿真闭环快慢推理 10-08 群体探索 1 SwarmResearch：编排 Coding Agents 实现开放式发现 08-14 能力增强 1 GPT-5 幻觉减少，空间推理与规划能力提升 12-31 脚手架优化 1 HGM-Dual：面向长程规划的谱系感知智能体脚手架优化 10-22 脚手架演化 1 JIT-Agent：按任务即时生成并演化智能体 Harness 09-02 自主智能体 1 月之暗面推出 Kimi-Researcher，自主 Agent 在“人类最后一场考试”取得 SOTA 06-23 自动化科学研究 1 MindFlow：由思维超网络驱动的科研创意生成 10-09 自博弈 1 SHRED：无专家示范的异构道路参与者自博弈 10-18 自进化 3 上交大推出机器学习智能体 ML-Master，登顶 OpenAI MLE-bench 07-02 ALITA：以最少预定义和最大自我进化实现可扩展智能体推理 05-27 DeepMind 发布 AlphaEvolve，以进化算法广度探索解空间 05-14 自适应想象 1 RISE：世界动作模型的自适应想象与选择性推演 08-26 航天控制 1 MIT研究：大语言模型自主操控飞船，Llama实现零失败率 07-03 规划差距 1 TraceML：人类与智能体的机器学习开发规划实证分析 08-27 规划评测 1 看似简单的规划问题也具计算挑战：倒计时游戏基准 08-04 规则规划 1 RuleMaze：多模态模型的规则约束视觉空间规划 08-21 视觉导航 1 VLN-R1：基于第一人称视觉的连续具身导航 06-26 视觉推理 2 RoTA-Bench：以交互式投影对齐评估三维空间推理 10-18 MindTopo：基础模型拓扑空间推理与规划评测 09-11 视频剪辑智能体 1 RefineCut：8B模型自我进化实现手机本地视频剪辑 08-30 视频理解 1 微软推出长视频探索智能体 Deep Video Discovery 07-01 视频生成 1 VIS-Ground：基于上下文 Grounding 的视频交互式叙事 10-18 计算机控制 1 Cradle：赋能基础智能体实现通用计算机控制 07-18 评测基准 2 SpatialScout：VLM 智能体主动探索与三维场景建图基准 10-23 VA-Bench：大模型空间理解与具身执行存在明显断层 10-08 语义编译 1 受限语义规划与确定性编译提升企业 Text-to-SQL 可靠性 08-18 谜题生成 1 GenEscape：分层多智能体生成密室逃脱谜题 06-27 过程评测 1 从原子能力到智能体：可解释评测 LLM 数学智能体能力 08-29 进化建模 1 AI可高效建模由进化形成的复杂系统 12-31 逆合成规划 1 表征对齐成为 LLM 逆合成规划瓶颈 09-30 递归调用 1 循环语言模型提升组合式工具调用能力 08-21 逻辑推理 1 清华推出“AI数学家”：可自主调用定理并构建证明思路 06-04 逻辑生成 1 LAG：从笛卡尔视角出发的逻辑增强生成 12-31 长期记忆 7 TrawMem：面向任务角色自适应工作空间的智能体记忆 10-29 面向 GUI 智能体的子目标感知记忆图 10-23 DeltaReplay：移动 GUI 智能体的任务相对记忆复用 10-09 ReCAT：面向机器人操控的结构化循环记忆策略 09-30 JitMem：面向 LLM 智能体的即时任务自适应记忆策展 09-24 Workspace Models：显著性监督驱动的轻量机器人记忆 09-18 MAPLE：融合记忆、语言与演化的动态优化规划智能体 09-11 长程任务执行 3 SGG-ReflAct：子目标引导反思提升长程推理可靠性 09-30 HyperMCTS：超图增强的长程智能体蒙特卡洛树搜索 09-29 OneDayAgent：面向自主智能体的长程执行框架 08-07 长程任务研究综述 1 长程智能体综述：Harness 工程与模型优化协同演化 08-14 需求管理 1 根据需求稳定性选择开发模型 12-31 领域修复 1 开放权重模型实现纯 LLM PDDL 领域修复 08-19
