AI Papers Daily

#LLM Planning

4 篇

EvoRec: A Unified Self-Evolving Agentic Recommender with Dynamic Reflection Trees

EvoRec：统一自进化智能体推荐与动态反思树

🧭 Agentic 推荐 · 反思树自进化 ★ 深度解读

Kuaishou

提出统一 agentic 推荐框架，通过动态反思树定位失败并生成可复用修复策略，实现无参数更新的自进化推荐

📌 工作参考价值（4 点）

• 离散化 Agent 决策空间：Planning Agent 只从 {0.1,...,0.9} 中选择检索预算比例和融合权重，而不是任意连续值。这既降低 LLM 输出不确定性，又便于在线校验和回退，适合直接迁移到需要稳定性的广告/推荐系统。
• 可验证的反思树 + 工作记忆：失败被定位到 ERROR-NEED / ERROR-PLAN / ERROR-MEMORY 三类，修复策略必须通过 replay 验证后才进入 working memory，避免错误经验污染后续决策。业务上可借鉴这一闭环：只对高意图用户（有搜索/咨询行为）做反思，控制成本并提升反馈质量。
• 近线生成、在线竞争架构：LLM 推理完全离线，预计算需求、计划和 query 向量，候选人异步发布到 Kafka，与现有召回通道并列进入统一排序。用户侧与物品侧独立刷新，索引更新后无需重跑 LLM。这种架构可让 Agent 决策不阻塞实时请求，适合工业落地。
• 策略抽象为“调参指令”而非具体 item：修复策略只规定调整方向、条件和大致的数值范围（如提高 Need Satisfaction 预算），不推荐具体物品，避免退化为记忆个别反馈，能跨用户复用。推荐系统做反思时宜采用这种参数化修复，而非实例级记忆。

Agent | 2026-11-01 | cs.IR | score 10/10

Agentic RecommendationDynamic Reflection TreeSelf-Evolving RecommenderLLM PlanningIndustrial A-B Test

Coding Agents with an Obstacle-Aware Harness for Safe Robot Manipulation

面向安全机器人操作的障碍感知编码智能体约束框架

🧭 编码智能体的安全约束规划

USC · UCF · UCSB

提出 SafeHarness，通过障碍感知路径规划与接触执行显著提升编码智能体的任务成功率和避碰率

📌 工作参考价值（4 点）

• 约束优先级显式化：在 prompt 里写“不要撞障碍物”不够，需把安全约束拆成结构化步骤。电商 Agent 中“不违规”“不超预算”等约束可借鉴：先规划、验证约束、必要时重新规划，再执行。
• 阶段分解定位失败：将任务拆成 route phase 和 contact-rich moment，分别定位不满足约束的环节。推荐/广告 Agent 可对“选品→出价→文案”分段做约束检查，避免只在最终输出把关。
• 用结构化中间表示消解歧义：将物体表示成 bounding boxes、路径写成 waypoints，减少 LLM 对场景的自由裁量。对应到业务可用结构化 schema（如候选 query 列表 + 规则标签）让 Agent 做约束内选择。
• 验证-重规划闭环：选择路径后先 verify，不可行就 replan，而非一步到位。适合用在需要多步决策的推荐 Agent 流程，比如先选候选集再过滤违规项，失败后回退重选。

Agent | 2026-09-17 | cs.CL | score 6/10

Coding AgentsRobot ManipulationSafetyObstacle AvoidanceLLM PlanningHarness

GAVEL: Graph World Models for Verified and Efficient Long-Horizon LLM Task Planning

GAVEL：用于验证与高效长程 LLM 任务规划的图世界模型

🧭 Agent 长程规划验证与修复

用显式图世界模型验证并修复 LLM 长程规划，将单任务成功率从 41.2% 提升至 91.8%

📌 工作参考价值（4 点）

• 为 Agent 工作流构建显式状态图模型（对象关系、动作前置条件/效果），在执行 LLM 生成的业务步骤前做符号化执行验证，拦截不可行操作，减少线上执行失败。
• 将规划错误分成两类：可由世界模型直接推导修复的缺陷（如缺失前置条件、约束违反）和需要语义推理的错误，只把后者回给 LLM，降低高成本模型调用频率。
• 用概率信念状态表示不确定信息（如库存、用户状态），在多步骤任务中动态重排剩余子任务以最小化期望成本，适用于多目标营销流程或客服工单调度。
• 用紧凑 LLM（如 Qwen3-8B）搭配显式世界模型即可显著提升长程任务成功率，适合边缘部署或成本敏感的业务场景。

Agent | 2026-09-15 | HF Daily | score 7/10

LLM PlanningGraph World ModelVerificationRepairEmbodied AgentLong-horizon

SIMMER: Benchmarking Latent Failures in LLM Executable Planning with a World Model

SIMMER：基于世界模型的LLM可执行规划潜在失败基准测试

🧭 Agent 规划可靠性评估 · 潜在失败检测 ★ 深度解读

The Pennsylvania State University

提出符号化厨房世界模型与状态机执行器，系统评估并缓解LLM智能体规划中的潜在与不可逆失败。

📌 工作参考价值（4 点）

• 借鉴“潜在失败”概念，在多步决策流程（如促销路径规划、智能客服对话策略）中引入隐性错误检测，避免最终目标被无声破坏。
• 使用符号化状态机执行器 + 世界模型进行离线仿真，可精确审计计划中的状态传播（如库存变化、用户意图漂移）导致的不可逆错误。
• 采用反事实前瞻模拟（Counterfactual Foresight），让模型在生成每一步时主动预测并修正潜在的隐性危害，显著提升规划安全性。
• 在序列推荐或 Agent 交互中，不应只检查即时前置条件，需定义后执行审计规则，捕捉全局安全违规（如资源耗尽、死锁）。

Agent | 2026-06-12 | cs.CL | score 8/10

LLM PlanningLatent FailuresWorld ModelAgent EvaluationSafety