标签
NeSyFS是一个面向部分可观测环境下LLM智能体的神经符号框架，利用知识图谱表示信念状态，结合快慢思考与不确定性感知规划及反思机制，在ALFWorld、Webshop和ScienceWorld上取得了显著效果。
一项针对ARC-AGI-3谜题、比较Claude Opus 5 High与GPT 5.6 Sol Max的分析显示，Opus通过在可见输出中保留详细状态而获胜，而Sol则依赖被丢弃的隐藏推理。
VisualPatchWorld 提出了一种将世界动力学学习为代码的方法，能够从数据中构建可检查和可编辑的模拟器。在导航和操作任务中，它实现了强大的规划成功率。
一份1984年解密的 technical report 详细介绍了 Shakey 机器人（1966-1972年），这是首款能够感知环境、构建内部模型并利用 STRIPS 规划系统自主制定行动方案的移动机器人。
本文引入了一个受控的多轮环境，以系统研究基础模型智能体在预训练、后训练（通过GRPO与在线策略蒸馏）以及集成（通过多教师在线策略蒸馏）阶段的长程规划能力。
Andrew Ng 发布了一份8页的PDF，详细介绍了四个关键的智能代理工作流程：反思、工具使用、规划和多代理协作，强调一个弱模型通过适当的架构可以胜过强模型。
Cursor的研究表明，多模型智能体系统使用前沿模型作为规划者，用更便宜的模型作为执行者，可以将Token成本降低15倍，从而实现更高效的复杂智能体。
Cursor 的新型 Agent 集群设计采用规划器与工作器模型，将任务分解为树状结构，实现了显著的降本增效。在一项用 Rust 从头重写 SQLite 的测试中，新型集群在四小时内达到 80% 通过率，而旧集群则失败了。
Schema是一个框架，使前沿AI模型能够通过编写可执行程序来建模游戏环境、测试预测和规划，从而在ARC-AGI-3基准测试中达到99%的准确率。
李飞飞博士宣布斯坦福大学 BEHAVIOR 挑战赛进入第二年，这是一项针对长周期、复杂日常任务的机器人竞赛，新增了任务、改进了评估方式，并设有 11,000 美元的奖金池。
GATS引入了一种基于图增强的树搜索与分层世界模型（符号型、学习型、生成型），消除了规划过程中的LLM调用，在合成任务和压力测试中实现了100%的成功率，优于LATS和ReAct。
Matt Pocock 发布了 skills 工具的 v1.1 版本，新增了用于规划、规格说明、实现和代码审查的命令。发帖人已经从 superpowers 切换至该工具。
本文综合了2023-2026年间27篇基准测试、分类学和审计论文，形成了一个统一的LLM代理局限性分类体系，识别出六大失败集群，包括工具调用错误、规划失败、长期退化、多代理协调问题、安全性问题以及测量有效性问题。
本文定义具身算子为具身智能流水线中的可复用功能模块，提出一个涵盖五大类别的分类体系，并构建了一个多维基准框架来评估其可部署性和可组合性。
AdaJEPA引入了一种自适应的潜在世界模型，该模型在测试期间通过闭环模型预测控制持续更新，显著提高了分布偏移下的规划成功率。
Micro-JEPA 是一个轻量级的JEPA（联合嵌入预测架构）Python实现，使智能体能够学习环境表征、在潜在空间中预测未来状态，并规划动作以避开障碍物。
建议使用Fable-5作为协调者，Codex作为执行者以节省积分，并附有可组合AI代理技能库的链接，用于自主软件开发。
The tweet thread compares two AI agent development frameworks (Superpowers and Grill with Docs) as best practices from different eras, highlighting how their planning strategies reflect assumptions about agent capabilities for long-range tasks.
Matt Pocock 正在开发一款名为 /wayfinder 的新规划工具，它能帮助识别决策前沿，并建议通过原型设计、研究或"深度探讨"来减少不确定性。