planning

该论文提出了 CGAP，这是一种神经符号框架，可将工具目录编译为 PDDL 模型，并结合经典规划器与基于大语言模型的目标解析，保证生成可执行的多工具计划。在四项基准测试中，其表现比标准工具调用智能体最高提升了 28.9 个百分点。

这篇 135 页的调研论文将大型语言模型的智能体推理划分为三个层次——基础推理、自我进化推理和集体多智能体推理——涵盖上下文内与训练后优化，并讨论了实际应用与开放挑战。

论文提出了 SDI（Sibling Disagreement in Imagination，想象中的同源分歧）方法，通过利用 actor 自身 rollout 的变异性作为共享参考，决定何时用规划动作替代学习到的策略，从而在基于世界模型的强化学习中统一了探索与规划，并在 Meta-World、Adroit 和 DM-Control 上超越了基线方法。

M-Plan 是一个闭环多智能体系统框架，融合长期记忆与短期记忆，并结合全局-局部及过去-当前的双重引导，以提升 LLM 智能体在长时程多轮任务中的规划能力，在 ALFWorld、Webshop 和 PDDL 上超越了基线方法。

本文提出了一种用于潜空间世界模型规划的后验潜表征投影方法：通过拟合状态动力学矩阵来剪除噪声潜方向，并将ℓ2规划代价限制在不确定性最低的子空间中，在TwoRoom和PointMaze等二维导航任务上取得了最高达+54.7个百分点的成功率提升。

CausGround 提出一种非参数化的因果交互锚定框架，从交互经验中提炼可复用的动作前置条件与效果，无需重训模型即可提升多模态大语言模型在 VirtualHome、RoboCasa 等基准上的具身规划成功率（如从 24.9% 提升至 53.3%）。

ConfigWM 为世界模型引入了可配置感知，利用任务描述引导视觉嵌入映射到特定任务的状态空间，从而过滤无关干扰，在噪声环境中的规划成功率比最强基线提高了 22.3%。

该论文通过隐藏的PDDL形式语义对LLM智能体的规划能力进行了严格验证，发现最佳配置离线可解78%的任务但在线仅40%，且复杂提示策略在无明显收益的情况下多消耗5至22倍token，质疑了现有LLM智能体规划能力的声明。

论文提出事件推理系统（ERS），将推理状态显式表示为事件图，通过低层可复用规则与可递归组合的高层控制规则构建可解释、可修订的推理路径，在结构化事件图上实现长依赖链、零无关操作与高效的动态子目标控制。

研究人员提出 AnyGoal，一个基于目标偏移任务变体的世界模型基准与开源库，用于评估世界模型能否将熟悉的状态与动作重新组合成有效动力学。实验发现现有世界模型家族在这些重组场景下普遍失效，揭示了动力学泛化与规划性能之间的关键差距。

SHRED 是一个通过大规模异构自博弈（车辆、行人、骑行者）从随机初始化联合训练的框架，无需人类驾驶演示或日志轨迹回放，即可学习真实且交互性强的交通行为。在 Waymo Open Sim Agents Challenge 和 InterPlan 基准上，SHRED 优于依赖演示的自博弈方法和基线规划器。

CarryOn 提出一个双循环框架，在冻结的视觉-语言-动作（VLA）策略之上加入持久化的个性化规划与执行监督，显著降低安全违规率并提升故障恢复成功率。

Matt Pocock 讨论为 /grill-me 技能添加 GRILL.md 配置文件，让用户能自定义规划阶段的审查重点（如安全性、模块策略）以及逐项或整体提问的方式。

SenseNova-RoboRSI 研究展示了通过智能体系统设计（而非更换更强的基础模型）来提升机器人性能的方法，在模型权重不变的情况下，RoboDojo 平均分从 28.97 提升至 56.83，并结合递归自我改进（RSI）循环优化智能体运行框架配置。

PANINI-DR提出了一种多智能体深度研究框架，通过生成式语义工作区分离协调、研究与验证职责，在BrowseComp-Plus等三个基准上取得最佳平均性能，BrowseComp-Plus准确率达73.3%，领先次优系统16.0个百分点。

TaReD 提出一种工具感知的递归分解方法，通过按功能关系将工具组织成能力层级，让智能体按需发现工具并将复杂长时程任务递归分解为子任务树，实验显示端到端任务成功率最高提升 40 个百分点。

该论文提出通过学习索引策略（indexical policies）形式的搜索控制，使规划搜索在多项式空间内完成，代价是时间仅随选择深度指数增长；结合语言模型的反例引导学习循环，在IPC 2023学习赛道等基准上解决了1,709/1,890个测试任务，优于LAMA、BFWS和Levitron。

提出 Plan-and-Patch 框架，利用扩散语言模型生成结构化计划，并通过局部修补（保留前后缀、重新生成受影响区域）实现高效的计划修复；在 Natural Plan 基准上，无需任务训练即可达到约为自回归模型两倍的修复成功率，并将计划生成延迟降低 39-46%。

LeWAM 提出一种端到端的 JEPA 控制框架，通过联合训练下一隐状态预测与动作流匹配目标，并对隐状态施加各向异性高斯约束，使单一模型同时支持直接策略执行与高效规划，在接触丰富任务和长程任务上将成功率从 28.6% 提升至 89.7% 和从 10.9% 提升至 46.2%，规划速度提升 32.3 倍。

Memento 3 让冻结的 LLM 智能体通过自然语言规则簿与代码编译循环，实现基于模型的递归自我改进，在 ARC-AGI-3 上清空全部 25 个公开游戏关卡并达到 100.0 的平均 RHAE。