大模型推理能力

VidGuard-R1: AI-Generated Video Detection and Explanation via Reasoning MLLMs and RL

VidGuard-R1: 通过推理MLLMs和RL进行AI生成视频检测与解释

Kyoungjun Park, Yifan Yang, Juheon Yi, Shicheng Zheng, Yifei Shen, Dongqi Han, Caihua Shan, Muhammad Muaz, Lili Qiu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft Research（微软研究院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.LG

AI总结 VidGuard-R1通过推理MLLMs和强化学习，实现AI生成视频的高准确检测与可解释性分析。

Comments Accepted to ICLR 2026

CONE: Embeddings for Complex Numerical Data Preserving Unit and Variable Semantics

CONE：用于复杂数值数据的嵌入方法，保留单位和变量语义

Gyanendra Shrestha, Anna Pyayt, Michael Gubanov

机构 * Florida State University（佛罗里达州立大学） ； University of South Florida（佛罗里达州立大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 CONE通过复合嵌入方法提升复杂数值数据的语义编码，实现跨领域高精度数值推理。

Grasp Any Region: Towards Precise, Contextual Pixel Understanding for Multimodal LLMs

抓取任意区域：迈向多模态大语言模型的精确、上下文像素理解

Haochen Wang, Yuhao Wang, Tao Zhang, Yikang Zhou, Yanwei Li, Jiacong Wang, Jiani Zheng, Ye Tian, Jiahao Meng, Zilong Huang, Guangcan Mai, Anran Wang, Yunhai Tong, Zhuochen Wang, Xiangtai Li, Zhaoxiang Zhang

机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences (CASIA)（模式识别新实验室、多模态人工智能系统国家重点实验室、自动化研究所、中国科学院（CASIA）） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； Wuhan University（武汉大学） ； ByteDance（字节跳动） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 GAR通过RoI对齐特征重放技术实现多区域精准理解与复杂推理，提升多模态大语言模型的上下文感知能力。

Comments ICLR 2026 Camera Ready Version

EDINET-Bench: Evaluating LLMs on Complex Financial Tasks using Japanese Financial Statements

EDINET-Bench：利用日本财务报表评估大语言模型在复杂财务任务中的表现

Issa Sugiura, Takashi Ishida, Taro Makino, Chieko Tazuke, Takanori Nakagawa, Kosuke Nakago, David Ha

机构 * Sakana AI ； Kyoto University（京都大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 EDINET-Bench通过日本财务报表评估大语言模型在复杂财务任务中的表现，揭示其在会计欺诈检测、盈利预测等任务中仍面临挑战，需更真实的模拟和推理支持。

Comments Accepted to ICLR 2026

Dr. Seg: Revisiting GRPO Training for Visual Large Language Models through Perception-Oriented Design

Dr. Seg: 通过感知导向设计重新审视GRPO训练用于视觉大语言模型

Haoxiang Sun, Tao Wang, Chenwei Tang, Li Yuan, Jiancheng Lv

机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院） ； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 Dr.Seg通过感知导向设计重新审视GRPO训练，提出简单框架提升视觉任务性能

SlideSparse: Fast and Flexible (2N-2):2N Structured Sparsity

SlideSparse: 快速且灵活的(2N-2):2N结构稀疏

Hanyong Shao, Yingbo Hao, Ting Song, Yan Xia, Di Zhang, Shaohan Huang, Xun Wu, Songchen Xu, Le Xu, Li Dong, Zewen Chi, Yi Zou, Furu Wei

机构 * Peking University（北京大学） ； South China University of Technology（南方科技大学） ； Microsoft Research（微软研究院） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG

AI总结 SlideSparse通过滑动窗口分解和激活提升技术，在通用GPU上实现(2N-2):2N结构稀疏的高效加速，提升LLM推理效率的同时保持准确性。

Graph-theoretic Agreement Framework for Multi-agent LLM Systems

图论同意框架用于多智能体大语言模型系统

Muhammad Umar Javed

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出图论框架用于分析多智能体大语言模型中的共识稳定性，通过映射Transformer交叉熵到带符号拉普拉斯矩阵，解决不可观测死锁问题，并验证了共识定理和多项式时间算法。

Comments arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission

BRIDG-ICS: AI-Grounded Knowledge Graphs for Intelligent Threat Analytics in Industry~5.0 Cyber-Physical Systems

BRIDG-ICS：面向工业5.0 CPS的AI驱动知识图谱用于智能威胁分析

Padmeswari Nandiya, Ahmad Mohsin, Ahmed Ibrahim, Iqbal H. Sarker, Helge Janicke

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 BRIDG-ICS通过AI驱动的知识图谱实现工业5.0中网络物理系统的智能威胁分析与韧性评估

Comments 44 Pages, To be published in Springer Cybersecurity Journal