DiSCTT: Consensus-Guided Self-Curriculum for Efficient Test-Time Adaptation in Reasoning
DiSCTT: 基于共识的自我课程学习用于推理中的高效测试时适应
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 DiSCTT通过动态分配测试时优化策略，提升推理模型在异质问题上的适应效率与稳定性。
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 数学推理 7 篇
Bidirectional Curriculum Generation: A Multi-Agent Framework for Data-Efficient Mathematical Reasoning
双向课程生成：一种用于数据高效数学推理的多智能体框架
机构 * Zhejiang University（浙江大学） ； University of Macau（澳门大学） ； Peking University（北京大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Wuhan University（武汉大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出双向课程生成框架，通过多智能体系统动态生成数据以提升数学推理效率，优化学习轨迹并减少训练样本需求。
Large Language Models are Contrastive Reasoners
大型语言模型是对比推理器
机构 * Sun Yat-sen University Shenzhen, China（中山大学深圳校区）
专题命中 数学推理 ：reasoning(abstract)；CoT(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出对比提示方法，通过简单提示提升大型语言模型的推理能力，在算术和常识推理任务中优于零样本和少样本方法。
Journal ref Expert Systems With Applications 301 (2026) 130407
Baseline Performance of AI Tools in Classifying Cognitive Demand of Mathematical Tasks
AI工具在分类数学任务认知需求中的基准性能
专题命中 数学推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究评估了AI工具在分类数学任务认知需求的准确性，发现通用工具与教育专用工具均存在显著误差，需改进提示工程和工具开发。
Comments 30 pages, 2 tables, 5 appendices
Learn Hard Problems During RL with Reference Guided Fine-tuning
在强化学习中学习难题问题：基于参考的微调
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 ReGFT通过利用人类参考解决方案合成积极轨迹，提升RL在数学推理中的性能和训练效率。
Comments 15 pages, 5 figures
CoRPO: Adding a Correctness Bias to GRPO Improves Generalization
CoRPO：在GRPO中添加正确性偏差以提高泛化能力
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 CoRPO通过引入正确性偏差改进GRPO，提升模型在跨领域任务中的泛化能力与推理稳定性。
Beyond Scattered Acceptance: Fast and Coherent Inference for DLMs via Longest Stable Prefixes
超越零散接受：通过最长稳定前缀实现DLMs的快速且一致推理
机构 * Alibaba Group（阿里巴巴集团） ； Tsinghua University（清华大学）
专题命中 数学推理 ：reasoning(abstract)
AI总结 通过最长稳定前缀调度器，提升DLMs推理速度3.4倍，同时保持输出质量。
Comments Accepted at ICLR 2026
2. 代码与定理证明 3 篇
Towards Trustworthy Legal AI through LLM Agents and Formal Reasoning
通过LLM代理和形式推理实现可信的法律AI
机构 * National University of Singapore（国立新加坡大学） ； Griffith University（格里菲斯大学）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.AI
AI总结 L4L通过LLM代理与形式推理实现法律AI的可信性，通过四个阶段确保法律推理的逻辑性和可验证性。
The Convergence of Schema-Guided Dialogue Systems and the Model Context Protocol
模式引导对话系统与模型上下文协议的收敛
机构 * SBB-IT
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文通过分析模式引导对话系统与模型上下文协议的收敛，提出五条模式设计原则，揭示了SGD与MCP的内在联系及软件3.0中的关键监督机制。
Comments 18 sections, 4 figures, 7 tables, 40 references. Original research presenting: (1) formal framework mapping Schema-Guided Dialogue principles to Model Context Protocol concepts, (2) five foundational design principles for LLM-native schema authoring, (3) architectural patterns for secure, scalable agent orchestration. Research supported by SBB (Swiss Federal Railways)
Assessing the Impact of Code Changes on the Fault Localizability of Large Language Models
评估代码更改对大型语言模型故障定位性的影响
机构 * Carnegie Mellon University, USA（卡内基梅隆大学，美国）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过端到端评估框架评估LLM在故障定位中的鲁棒性，发现SPMs导致78%的LLM失败于之前定位的故障，表明LLM推理依赖于语法而非语义。
Comments This paper is currently Under Review. It consists of 12 pages, 11 Figures, and 5 Tables
3. 逻辑推理 7 篇
Enhancing multimodal analogical reasoning with Logic Augmented Generation
通过逻辑增强生成增强多模态类比推理
机构 * University of Bologna（博洛尼亚大学） ； ISTC-CNR（意大利国家研究 council 信息与系统技术研究中心）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出逻辑增强生成框架，通过结合语义知识图谱和提示启发法，提升多模态类比推理能力，在隐喻检测和理解任务中优于基线和人类表现。
Continuous Chain of Thought Enables Parallel Exploration and Reasoning
连续思维链实现并行探索与推理
机构 * University of Michigan - Ann Arbor（密歇根大学安娜堡分校） ； Google Research NYC（谷歌纽约研究）
专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；logical reasoning(abstract)；分类 cs.LG
AI总结 本文提出CoT2连续思维链方法，通过并行探索与推理提升模型性能，解决组合子集和问题并优化推理效率。
Comments ICLR 2026
Interleaved Tool-Call Reasoning for Protein Function Understanding
交错工具调用推理用于蛋白质功能理解
机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Institute of Artificial Intelligence, Soochow University（苏州大学人工智能研究院） ； Changping Laboratory（昌平实验室） ； School of Software Engineering, USTC（中国科学技术大学软件学院）
专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI
AI总结 PFUA通过整合领域特定工具和可验证中间证据，提高了蛋白质功能预测的性能，平均提升达103%。
Distilling Formal Logic into Neural Spaces: A Kernel Alignment Approach for Signal Temporal Logic
将形式逻辑蒸馏到神经空间中：一种用于信号时间逻辑的核对齐方法
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出了一种通过核对齐方法将形式逻辑蒸馏到神经空间中，用于信号时间逻辑的高效神经符号推理框架。
Escaping the Hydrolysis Trap: An Agentic Workflow for Inverse Design of Durable Photocatalytic Covalent Organic Frameworks
摆脱水解陷阱：一种基于代理的工作流用于耐用光催化共价有机框架的逆向设计
机构 * Luxembourg Institute of Science and Technology (LIST)（卢森堡科学与技术研究院） ； Department of Physics and Materials Science, University of Luxembourg（卢森堡大学物理与材料科学系）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 Ara通过结合LLM和化学知识，高效发现满足多标准的耐用光催化COFs，显著优于随机搜索和贝叶斯优化。
HiFlow: Hierarchical Feedback-Driven Optimization for Constrained Long-Form Text Generation
HiFlow：用于受约束长文本生成的分层反馈驱动优化
专题命中 逻辑推理 ：planning(abstract)；分类 cs.CL
AI总结 HiFlow通过分层反馈驱动优化框架，解决长文本生成中受约束的优化问题，提升生成质量与约束满足能力。
Ask, Reason, Assist: Robot Collaboration via Natural Language and Temporal Logic
提问、推理、协助：通过自然语言和时序逻辑实现机器人协作
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 本文提出了一种基于自然语言和时序逻辑的机器人协作协议，通过LLM实现冲突检测与帮助请求，利用MILP优化选择最优助人，有效提升协作效率。
Comments arXiv admin note: substantial text overlap with arXiv:2505.13376
4. 规划推理 21 篇
EmboTeam: Grounding LLM Reasoning into Reactive Behavior Trees via PDDL for Embodied Multi-Robot Collaboration
EmboTeam: 通过PDDL将LLM推理接地为反应式行为树以实现具身多机器人协作
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 EmboTeam通过PDDL将LLM推理转化为反应式行为树，提升多机器人协作任务的成功率和目标回忆率
When Do Tools and Planning Help Large Language Models Think? A Cost- and Latency-Aware Benchmark
当工具和规划如何帮助大语言模型思考？一个成本和延迟感知的基准测试
机构 * College of Engineering（工程学院） ； University of Michigan-Dearborn（密歇根大学-迪尔伯恩分校）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 研究通过对比不同配置评估工具和规划对大语言模型性能的影响，发现工具增强能显著提升准确性但增加延迟，而复杂工具协调易导致模型退化。
Kinodynamic Task and Motion Planning using VLM-guided and Interleaved Sampling
基于VLM引导和交错采样的运动动力学任务与动作规划
机构 * Department of Computer Science and Engineering（计算机科学与工程系）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 本文提出一种基于VLM引导和交错采样的运动动力学任务与动作规划方法，通过混合状态树联合决策任务和运动，提升规划效率和成功率。
Direct Contact-Tolerant Motion Planning With Vision Language Models
直接接触容忍的运动规划与视觉语言模型
机构 * State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC), University of Macau（物联网智能城市国家重点实验室，澳门大学） ； Shenzhen Institutes of Advanced Technology (SIAT), Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Department of Electrical and Computer Engineering, The University of Hong Kong（香港大学电子与计算机工程系）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 本文提出直接接触容忍运动规划方法，利用视觉语言模型实现接触感知导航，提升机器人在拥挤环境中的鲁棒性和效率。
LBM: Hierarchical Large Auto-Bidding Model via Reasoning and Acting
LBM：通过推理与行动构建的分层大自动竞价模型
机构 * Nanyang Technological University（南洋理工大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出LBM模型，通过分层推理与行动机制，结合双嵌入和GQPO技术，提升自动竞价策略的性能和泛化能力。
HiMAP-Travel: Hierarchical Multi-Agent Planning for Long-Horizon Constrained Travel
HiMAP-Travel: 基于长时域约束旅行的分层多智能体规划
机构 * Department of XXX, University of YYY, Location, Country（YYY大学XXX系） ； School of ZZZ, Institute of WWW, Location, Country（WWW研究所ZZZ学院） ； Singapore Management University（新加坡管理大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.AI
AI总结 HiMAP-Travel通过分层多智能体框架提升长时域约束旅行规划效率，实现更高通过率和更低延迟。
Comments 33 pages, v1
U-Parking: Distributed UWB-Assisted Autonomous Parking System with Robust Localization and Intelligent Planning
U-Parking：基于UWB的分布式自主泊车系统，具备稳健定位与智能规划
机构 * Jiangnan University（江南大学） ； Zhuhai Fudan Innovation Institute（珠海复旦创新研究院） ； Tsinghua University（清华大学） ； Brunel University of London（布鲁内尔大学） ； Shanghai Jiao Tong University（上海交通大学） ； Southeast University（东南大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.LG
AI总结 U-Parking通过整合大语言模型辅助规划、稳健定位与轨迹跟踪，实现具有挑战性的室内环境中的可靠自动化泊车。
Comments This paper has been accepted by infocom. The source code has been released at: https://github.com/qiongwu86/U-Parking
GIANT - Global Path Integration and Attentive Graph Networks for Multi-Agent Trajectory Planning
GIANT - 全局路径整合与注意力图网络用于多智能体轨迹规划
机构 * Artificial Intelligence in Robotics Laboratory (AiR Lab), Department of Electrical and Computer Engineering, Aarhus University（人工智能机器人实验室（AiR实验室），电气与计算机工程系，奥胡斯大学） ； Foundation Models for Artificial Intelligence group, Department of Information and Communication Engineering, Tokyo University（人工智能基础模型组，信息与通信工程系，东京大学） ； Automatic Control Group, Department of Electrical Engineering and Information Technology, Paderborn University（自动控制组，电气工程与信息科技系，波德恩大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 GIANT通过结合全局路径规划与注意力图网络，提升多智能体在复杂动态环境中的避障与导航性能。
Comments Published in: 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
FluenceFormer: Transformer-Driven Multi-Beam Fluence Map Regression for Radiotherapy Planning
FluenceFormer：基于Transformer的多束荧光图回归用于放疗规划
机构 * Wayne State University（韦恩州立大学） ； Henry Ford Health（亨利福特医疗）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 FluenceFormer 是一种基于 Transformer 的多束荧光图回归方法，通过两阶段设计和物理约束损失提升放疗计划的结构保真度和能量精度。
Comments Accepted at Medical Imaging with Deep Learning (MIDL-2026)
Conflict-Based Search as a Protocol: A Multi-Agent Motion Planning Protocol for Heterogeneous Agents, Solvers, and Independent Tasks
基于冲突的搜索作为协议：一种多智能体运动规划协议用于异构智能体、求解器和独立任务
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tongji University（同济大学） ； UC Berkeley（伯克利大学）
专题命中 规划推理 ：planning(title,abstract)
AI总结 本文提出了一种基于冲突的搜索协议，用于异构智能体的多智能体运动规划，利用多种单智能体规划算法实现无碰撞路径规划。
Comments Published at ICRA 2026, Project webpage: https://rishi-v.github.io/CBS-Protocol/
GAIDE: Graph-based Attention Masking for Spatial- and Embodiment-aware Motion Planning
基于图的注意力掩码的时空和具身感知运动规划
机构 * J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University, College Station, TX 77843, USA（J. Mike Walker ’66 机械工程系，德克萨斯A&M大学，College Station, TX 77843, USA） ； Zachry Department of Civil and Environmental Engineering, Texas A&M University, College Station, TX 77843 USA（Zachry 市政与环境工程系，德克萨斯A&M大学，College Station, TX 77843 USA）
专题命中 规划推理 ：planning(title,abstract)
AI总结 GAIDE是一种基于图的神经指导采样器，通过结合空间结构和机械臂的具身性提升运动规划的效率和成功率。
RL-Based Coverage Path Planning for Deformable Objects on 3D Surfaces
基于强化学习的可变形物体3D表面覆盖路径规划
机构 * School of Computer Science and Technology, University of Science and Technology of China（计算机科学与技术学院，中国科学技术大学） ； Xiaomi Robotics Lab（小米机器人实验室）
专题命中 规划推理 ：planning(title)
AI总结 本文提出基于强化学习的覆盖路径规划方法，利用谐波UV映射和SGCNN处理可变形物体的触觉反馈，通过模拟器训练机器人高效完成表面擦拭任务。
Comments 8 pages, 8 figures. Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA)
PerfGuard: A Performance-Aware Agent for Visual Content Generation
PerfGuard: 一种面向视觉内容生成的性能感知代理
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications, China（北京邮电大学人工智能学院） ； Beijing Digital Native Digital City Research Center, China（北京数字原生数字城市研究中心） ； School of Computer Science and Engineering, Beihang University, China（北航计算机科学与工程学院） ； SketchX, CVSSP, University of Surrey, United Kingdom（SketchX、CVSSP、英国萨里大学） ； Chenxi Shuzhi (Beijing) Technology Co., Ltd, China（北京晨曦智数科技有限公司）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 PerfGuard通过性能感知机制提升视觉内容生成任务中工具选择的准确性与执行可靠性。
Comments This paper has been accepted by ICLR 2026. The original paper link is: https://openreview.net/pdf?id=tdN42GTv4S The code repository link is: https://github.com/FelixChan9527/PerfGuard
