大模型推理能力

Why Diffusion Language Models Struggle with Truly Parallel (Non-Autoregressive) Decoding?

为何扩散语言模型在真正并行（非自回归）解码中表现不佳？

Pengxiang Li, Dilxat Muhtar, Tianlong Chen, Lu Yin, Shiwei Liu

机构 * The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学） ； ELLIS Institute Tübingen, Tübingen, Germany（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（智能系统马克斯·普朗克研究所） ； Tübingen AI Center, Tübingen, Germany（图宾根人工智能中心） ； University of Surrey, Guildford, United Kingdom（萨里大学） ； The University of North Carolina at Chapel Hill, Chapel Hill, NC, USA（北卡罗来纳大学教堂山分校） 纠错

专题命中 数学推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；math reasoning(abstract)

AI总结 本文提出NAP方法，通过数据驱动策略改进扩散语言模型的非自回归并行解码性能。

Recycling Failures: Salvaging Exploration in RLVR via Fine-Grained Off-Policy Guidance

回收失败：通过细粒度反策略指导在RLVR中恢复探索

Yanwei Ren, Haotian Zhang, Likang Xiao, Xikai Zhang, Jiaxing Huang, Jiayan Qiu, Baosheng Yu, Quan Chen, Liu Liu

机构 * School of Artificial Intelligence, Beihang University, Beijing, China（北京航空航天大学人工智能学院） ； Hangzhou International Innovation Institute, Beihang University, Hangzhou, China（北京航空航天大学杭州国际创新研究院） ； University of Leicester, Leicester, United Kingdom（莱斯特大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； The Hong Kong Polytechnic University, Hong Kong SAR, China（香港理工大学） 纠错

专题命中 数学推理 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 SCOPE通过细粒度反策略指导在RLVR中恢复探索，提高轨迹多样性13.5%，在数学推理和分布外推理任务中取得新突破。

On the Generalization of SFT: A Reinforcement Learning Perspective with Reward Rectification

在SFT的泛化上：从强化学习视角的奖励校正

Yongliang Wu, Yizhou Zhou, Zhou Ziheng, Yingzhe Peng, Xinyu Ye, Xinting Hu, Wenbo Zhu, Lu Qi, Ming-Hsuan Yang, Xu Yang

机构 * Southeast University（东南大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； University of California, Berkeley（加州大学伯克利分校） ； Wuhan University（武汉大学） ； University of California, Merced（加州大学默塞德分校） 纠错

专题命中 数学推理 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.LG

AI总结 本文提出动态微调方法，通过奖励校正提升SFT的泛化能力，在多个任务中表现优于传统SFT。

Comments ICLR 2026

Humans and LLMs Diverge on Probabilistic Inferences

人类与大语言模型在概率推断上存在分歧

Gaurav Kamath, Sreenath Madathil, Sebastian Schuster, Marie-Catherine de Marneffe, Siva Reddy

机构 * McGill University（麦吉尔大学） ； Mila – Quebec AI Institute（魁北克人工智能研究所） ； University of Vienna（维也纳大学） ； FNRS – UCLouvain（佛罗伦萨-鲁汶大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本文通过ProbCOPA数据集研究人类与大语言模型在概率推断上的差异，发现模型在非确定性推理上表现不足，揭示了人类与LLM在推理模式上的根本差异。

ParamMem: Augmenting Language Agents with Parametric Reflective Memory

ParamMem: 通过参数化反思记忆增强语言代理

Tianjun Yao, Yongqiang Chen, Yujia Zheng, Pan Li, Zhiqiang Shen, Kun Zhang

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG

AI总结 ParamMem通过参数化记忆模块提升语言代理的反思多样性，实现更高效的推理和跨任务迁移能力。

Comments 20 pages

Toward Guarantees for Clinical Reasoning in Vision Language Models via Formal Verification

通过形式验证为视觉语言模型中的临床推理提供保证

Vikash Singh, Debargha Ganguly, Haotian Yu, Chengwei Zhou, Prerna Singh, Brandon Lee, Vipin Chaudhary, Gourav Datta

机构 * Case Western Reserve University（凯斯西储大学） 纠错

专题命中 代码与定理证明 ：reasoning(title,abstract)；verifier(abstract)；分类 cs.CL、cs.AI

AI总结 通过形式验证框架，为视觉语言模型的临床推理提供保证，验证诊断主张的数学推导性，提升生成临床助手的正确性和精度。

The Auton Agentic AI Framework

自主AI框架

Sheng Cao, Zhao Chang, Chang Li, Hannan Li, Liyao Fu, Ji Tang

专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI

AI总结 Auton框架通过分离认知蓝图与运行时引擎，实现自主代理系统的标准化创建、执行和治理，采用增强POMDP模型和三级自我进化框架提升安全性与效率。

Less is More: Lean yet Powerful Vision-Language Model for Autonomous Driving

少即是多：一种高效而强大的视觉-语言模型用于自动驾驶

Sheng Yang, Tong Zhan, Guancheng Chen, Yanfeng Lu, Jian Wang

机构 * School of Data Science, Fudan University Shanghai, China（复旦大学数据科学学院） ； Institute of Automation, Chinese Academy of Sciences Beijing, China（中国科学院自动化研究所） 纠错

专题命中 代码与定理证明 ：planning(abstract)；分类 cs.AI

AI总结 本研究提出Max-V1模型，通过端到端视觉-语言方法实现高效自动驾驶，取得nuScenes数据集上的显著性能提升。

CSyMR: Benchmarking Compositional Music Information Retrieval in Symbolic Music Reasoning

CSyMR：在符号音乐推理中进行组合音乐信息检索的基准测试

Boyang Wang, Yash Vishe, Xin Xu, Zachary Novack, Xunyi Jiang, Julian McAuley, Junda Wu

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 CSyMR-Bench通过工具增强的检索和推理框架，在符号音乐推理中实现组合音乐信息检索的准确率提升。

ReasonX: Declarative Reasoning on Explanations

ReasonX: 基于表达式的声明性推理

Laura State, Salvatore Ruggieri, Franco Turini

机构 * University of Pisa（比萨大学） ； Scuola Normale Superiore（正常大学） ； Alexander von Humboldt Institute for Internet and Society（亚历山大·冯·洪堡互联网与社会研究所） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.LG

AI总结 ReasonX是一种基于线性约束理论的声明性解释工具，通过混合整数线性规划实现对决策树的多层抽象推理，提供交互式解释并优于现有XAI方法。

ConstraintBench: Benchmarking LLM Constraint Reasoning on Direct Optimization

ConstraintBench: 对直接优化的LLM约束推理进行基准测试

Joseph Tso, Preston Schmittou, Quan Huynh, Jibran Hutchins

机构 * Haladir Research Team（Haladir研究团队） 纠错

专题命中 逻辑推理 ：reasoning(title)；verifier(abstract)；分类 cs.AI

AI总结 ConstraintBench评估LLM在约束优化任务中的直接推理能力，发现可行性是主要瓶颈，最佳模型仅达65%可行性，但可行解接近最优解。

Comments Preprint. 10 pages, 1 figure, 6 tables. Benchmark and evaluation code will be publicly released

Unlocking Cognitive Capabilities and Analyzing the Perception-Logic Trade-off

解锁认知能力并分析感知-逻辑权衡

Longyin Zhang, Shuo Sun, Yingxu He, Won Cheng Yi Lewis, Muhammad Huzaifah Bin Md Shahrin, Hardik Bhupendra Sailor, Heng Meng Jeremy Wong, Tarun Kumar Vangani, Yi Ma, Qiongqiong Wang, Minh Duc Pham, Ridong Jiang, Jingtao Li, Jingyi Liao, Zhuohan Liu, Yanfeng Lu, Manas Gupta, Ai Ti Aw

机构 * Institute for Infocomm Research (I 2 R), A*STAR, Singapore（信息与通信研究 institute（I 2 R），A*STAR，新加坡） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 MERaLiON2-Omni（Alpha）通过解耦感知与推理能力，针对东南亚地区提出多语言全方位感知模型，揭示感知与逻辑之间的效率-稳定性权衡问题。

Open Rubric System: Scaling Reinforcement Learning with Pairwise Adaptive Rubric

开放评分系统：通过成对自适应评分表扩展强化学习

Ruipeng Jia, Yunyi Yang, Yuxin Wu, Yongbo Gai, Siyuan Tao, Mengyu Zhou, Jianhe Lin, Xiaoxi Jiang, Guanjun Jiang

机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴文勤大模型应用团队） ； Beijing University Of Posts and Telecommunications（北京邮电大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL

AI总结 开放评分系统通过成对自适应评分表和可验证评分表实现强化学习的稳健对齐，提升开放性任务的辨别力和可验证性。

Hierarchical Action Learning for Weakly-Supervised Action Segmentation

分层动作学习用于弱监督动作分割

Junxian Huang, Ruichu Cai, Hao Zhu, Juntao Fang, Boyan Xu, Weilin Chen, Zijian Li, Shenghua Gao

机构 * Guangdong University of Technology（广东技术大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Hong Kong（香港大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 HAL模型通过分层因果数据生成和稀疏转换约束，提升弱监督动作分割的识别能力。

Journal ref CVPR2026

From Statics to Dynamics: Physics-Aware Image Editing with Latent Transition Priors

从静态到动态：基于物理的图像编辑与潜在过渡先验

Liangbing Zhao, Le Zhuo, Sayak Paul, Hongsheng Li, Mohamed Elhoseiny

机构 * CUHK MMLab（香港中文大学多模态实验室） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出PhysicEdit，通过引入物理状态过渡和大规模数据集，提升图像编辑的物理真实性和知识引导能力，达到开源方法的新水平。

Comments All code, checkpoints, and datasets are available at https://liangbingzhao.github.io/statics2dynamics/

LE-NeuS: Latency-Efficient Neuro-Symbolic Video Understanding via Adaptive Temporal Verification

LE-NeuS: 通过自适应时间验证实现低延迟的神经符号视频理解

Shawn Liang, Sahil Shah, Chengwei Zhou, SP Sharan, Harsh Goel, Arnab Sanyal, Sandeep Chinchali, Gourav Datta

机构 * Case Western Reserve University（凯斯西储大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 LE-NeuS通过自适应时间验证优化，实现低延迟的神经符号视频理解，在保持高准确率的同时大幅减少推理延迟。

Comments Under review

ColaVLA: Leveraging Cognitive Latent Reasoning for Hierarchical Parallel Trajectory Planning in Autonomous Driving

ColaVLA: 借助认知潜在推理实现自动驾驶中的分层并行轨迹规划

Qihang Peng, Xuesong Chen, Chenye Yang, Shaoshuai Shi, Hongsheng Li

机构 * Tsinghua University（清华大学） ； CUHK MMLab（香港中文大学MMLab） ； Voyager Research, Didi Chuxing（Voyager Research，滴滴出行） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；chain-of-thought(abstract)

AI总结 ColaVLA通过统一视觉-语言-动作框架，解决自动驾驶中轨迹规划的效率与准确性问题，实现高效、安全的多尺度轨迹生成。

Comments CVPR2026(Main Conference). Project page: https://pqh22.github.io/projects/ColaVLA/index.html

PseudoAct: Leveraging Pseudocode Synthesis for Flexible Planning and Action Control in Large Language Model Agents

PseudoAct: 通过伪代码合成实现大型语言模型代理的灵活规划与动作控制

Yihan, Wen, Xin Chen

机构 * Department of Electrical and Computer Engineering, Texas A&M University（电气与计算机工程系，德克萨斯A&M大学） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI

AI总结 PseudoAct通过伪代码合成实现LLM代理的灵活规划与动作控制，提升长时决策效率。

ArgLLM-App: An Interactive System for Argumentative Reasoning with Large Language Models

ArgLLM-App：基于大语言模型的论证推理交互系统

Adam Dejl, Deniz Gorur, Francesca Toni

机构 * Imperial College London（伦敦帝国学院） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 ArgLLM-App是一个基于大语言模型的论证推理交互系统，通过可视化解释和用户交互实现决策的可解释性和可挑战性。

Comments AAMAS 2026 Demonstration Track

IntentCUA: Learning Intent-level Representations for Skill Abstraction and Multi-Agent Planning in Computer-Use Agents

IntentCUA: 学习意图级表示以实现技能抽象和多智能体规划在计算机使用代理中

Seoyoung Lee, Seobin Yoon, Seongbeen Lee, Yoojung Chun, Dayoung Park, Doyeon Kim, Joo Yong Sim

机构 * Sookmyung Women's University（首尔女子大学） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 IntentCUA通过意图级表示和多智能体协作提升桌面自动化效率与稳定性。

Comments 12 pages, 9 figures, AAMAS 2026

MITS: Enhanced Tree Search Reasoning for LLMs via Pointwise Mutual Information

MITS: 通过点互信息增强大语言模型的树搜索推理

Jiaxi Li, Yucheng Shi, Xiao Huang, Jin Lu, Ninghao Liu

机构 * University of Georgia（佐治亚大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 MITS通过点互信息引导树搜索推理，提升大语言模型的推理性能和效率。

Comments 18 pages

BEV-VLM: Trajectory Planning via Unified BEV Abstraction

BEV-VLM：通过统一的鸟瞰抽象进行轨迹规划

Guancheng Chen, Sheng Yang, Tong Zhan, Jian Wang

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 BEV-VLM通过统一的BEV抽象与VLMs实现高精度轨迹规划，实验显示其在准确性上比现有方法提升53.1%并实现无碰撞。

Multi-Agent Causal Reasoning for Suicide Ideation Detection Through Online Conversations

多智能体因果推理用于通过在线对话检测自杀念头

Jun Li, Xiangmeng Wang, Haoyang Li, Yifei Yan, Shijie Zhang, Hong Va Leong, Ling Feng, Nancy Xiaonan Yu, Qing Li

机构 * The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 本文提出多智能体因果推理框架，通过扩展用户互动和减轻隐藏偏见来提高在线对话中自杀念头检测的准确性。

VISTA: Knowledge-Driven Vessel Trajectory Imputation with Repair Provenance

VISTA: 基于知识的船舶轨迹补全与修复溯源

Hengyu Liu, Tianyi Li, Haoyu Wang, Kristian Torp, Tiancheng Zhang, Yushuai Li, Christian S. Jensen

机构 * Department of Computer Science, Aalborg University, Denmark（计算机科学系，奥胡斯大学，丹麦） ； School of Computer Science and Engineering, Northeastern University, Shenyang, China（计算机科学与工程学院，东北大学，沈阳，中国） 纠错

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI

AI总结 VISTA通过基于知识的可解释方法实现船舶轨迹补全，生成修复溯源以提升下游决策的可信度和效率。

Comments 24 pages, 14 figures, 4 algorithms, 8 tables. Code available at https://github.com/hyLiu1994/VISTA

RF-Agent: Automated Reward Function Design via Language Agent Tree Search

RF-Agent: 通过语言代理树搜索实现自动奖励函数设计

Ning Gao, Xiuhui Zhang, Xingyu Jiang, Mukang You, Mohan Zhang, Yue Deng

机构 * Beihang University（北航大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 RF-Agent通过语言代理树搜索实现自动奖励函数设计，利用蒙特卡洛树搜索和LLMs的上下文推理能力，提升低层控制任务的奖励函数设计效率和效果。

Comments 39 pages, 9 tables, 11 figures, Project page see https://github.com/deng-ai-lab/RF-Agent

Janus-Q: End-to-End Event-Driven Trading via Hierarchical-Gated Reward Modeling

Janus-Q：通过分层门控奖励建模实现端到端的事件驱动交易

Xiang Li, Zikai Wei, Yiyan Qi, Wanyun Zhou, Xiang Liu, Penglei Sun, Jian Guo, Yongqi Zhang, Xiaowen Chu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； International Digital Economy Academy（国际数字经济学院） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 Janus-Q通过分层门控奖励模型实现端到端事件驱动交易，提升金融新闻事件作为主要决策单元，提高交易决策的稳定性和盈利能力。

Bi-level RL-Heuristic Optimization for Real-world Winter Road Maintenance

双层强化学习启发式优化用于现实世界冬季道路维护

Yue Xie, Zizhen Xu, William Beazley, Fumiya Iida

机构 * School of Science, Loughborough University, UK（洛辛厄姆大学科学学院） ； Department of Engineering, University of Cambridge, UK（剑桥大学工程系） ； National Highways, 199 Wharfside St, Birmingham B1 1RN, UK（国家公路局） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 本研究提出双层强化学习优化方法，用于高效解决现实世界冬季道路维护中的大规模路由问题，实现资源优化与排放降低。

SAGE-LLM: Towards Safe and Generalizable LLM Controller with Fuzzy-CBF Verification and Graph-Structured Knowledge Retrieval for UAV Decision

SAGE-LLM：面向安全且可泛化的LLM控制器，结合模糊-CBF验证和图结构知识检索用于无人机决策

Wenzhe Zhao, Yang Zhao, Ganchao Liu, Zhiyu Jiang, Dandan Ma, Zihao Li, Xuelong Li

机构 * School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University, Xi’an 710072, China（人工智能学院、光学与电子学（iOPEN）、西北工业大学，西安 710072，中国） ； Institute of Artificial Intelligence (TeleAI), China Telecom, China（人工智能研究所（TeleAI）、中国电信，中国） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 SAGE-LLM通过模糊-CBF验证和图结构知识检索，提升无人机决策的安全性和泛化能力，无需在线训练即可在复杂环境中保持性能。

Search More, Think Less: Rethinking Long-Horizon Agentic Search for Efficiency and Generalization

搜索更多，思考更少：重新思考长周期代理搜索以提高效率和泛化能力

Qianben Chen, Tianrui Qin, King Zhu, Qiexiang Wang, Chengjun Yu, Shu Xu, Jiaqi Wu, Jiayu Zhang, Xinpeng Liu, Xin Gui, Jingyi Cao, Piaohong Wang, Dingfeng Shi, He Zhu, Tiannan Wang, Yuqing Wang, Maojia Song, Tianyu Zheng, Ge Zhang, Jian Yang, Jiaheng Liu, Minghao Liu, Yuchen Eleanor Jiang, Wangchunshu Zhou

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出SMTL框架，通过并行证据获取提升长周期代理搜索的效率与泛化能力，在多个基准测试中取得优异成绩。

Comments 12 pages, 5 figures

fEDM+: A Risk-Based Fuzzy Ethical Decision Making Framework with Principle-Level Explainability and Pluralistic Validation

fEDM+: 基于风险的模糊伦理决策框架及其原则级可解释性与多元验证

Abeer Dyoub, Francesca A. Lisi

机构 * Dept. of Informatics, University of Bari ``Aldo Moro'', Bari, Italy（信息学院，巴里阿尔多·莫罗大学） ； Centro Interdipartimentale di Logica e Applicazioni (CILA), University of Bari ``Aldo Moro'', Bari, Italy（逻辑与应用跨部门中心（CILA），巴里阿尔多·莫罗大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 fEDM+通过引入可解释性模块和多元验证框架，提升伦理决策的可解释性和鲁棒性，适用于伦理敏感AI系统的监督与治理。

Comments correcting captions of figures 7 and 8 and some other minor errors