planning

The paper presents CGAP, a neuro-symbolic framework that compiles tool catalogs into a PDDL model and uses a classical planner with LLM-based goal parsing to guarantee executable multi-tool plans, outperforming standard tool-calling agents by up to 28.9 points on four benchmarks.

A 135-page survey paper organizing agentic reasoning for large language models along three layers—foundational, self-evolving, and collective multi-agent reasoning—spanning in-context and post-training optimization with real-world applications and open challenges.

The paper introduces SDI (Sibling Disagreement in Imagination), a method that unifies exploration and planning in world-model-based RL by using the actor's own rollout variability as a shared reference to decide when a planned action should replace the learned policy, outperforming baselines on Meta-World, Adroit, and DM-Control.

M-Plan is a closed-loop multi-agent system framework that integrates long-term and short-term memory with global-local and past-current guidance to improve LLM agents' planning on long-horizon multi-turn tasks, outperforming baselines on ALFWorld, Webshop, and PDDL.

This paper proposes a post-hoc latent projection method for latent world model planning that prunes noisy latent directions by fitting the state dynamics matrix and restricting the ℓ2 planning cost to the least-uncertain subspace, reporting up to +54.7 points success-rate gains on 2D navigation tasks like TwoRoom and PointMaze.

CausGround 提出一种非参数化的因果交互 grounding 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 MLLM 在 VirtualHome、RoboCasa 等基准上的具身规划成功率（如 24.9% 提升至 53.3%）。

ConfigWM introduces configurable perception for world models, using task descriptions to steer visual embeddings into task-specific state spaces that filter out irrelevant distractions, achieving 22.3% better planning success over the strongest baseline in noisy environments.

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）策略上加入持久化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 agent harness 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）实现高效计划修复；在 Natural Plan 上无任务训练时修复成功率约为自回归模型的两倍，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。