Before You Hand Over the Wheel: Evaluating LLMs for Security Incident Analysis
在交出轮子之前：评估LLMs用于安全事件分析
专题命中 推理评测 ：reasoning(abstract)
AI总结 本文提出SIABENCH框架，通过构建首个涵盖安全事件分析两大类任务的数据集，并实现自主执行SIA任务的代理，对11种LLM进行基准测试，以评估其在动态安全事件分析中的有效性。
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. 推理评测 25 篇
Spatial4D-Bench: A Versatile 4D Spatial Intelligence Benchmark
Spatial4D-Bench: 一种多功能的4D空间智能基准
机构 * Pan Wang Fundation Model Dept, Huawei（王潘 基础模型部门，华为） ； Yang Liu Noah’s Ark Lab, Huawei（刘阳 神秘 Ark 实验室，华为） ； Guile Wu Noah’s Ark Lab, Huawei（吴古力 神秘 Ark 实验室，华为） ； Eduardo R. Corral-Soto Noah’s Ark Lab, Huawei（埃杜阿多·R·科拉尔-索托 神秘 Ark 实验室，华为） ； Chengjie Huang Noah’s Ark Lab, Huawei（黄成杰 神秘 Ark 实验室，华为） ； Binbin Xu Noah’s Ark Lab, Huawei（徐彬彬 神秘 Ark 实验室，华为） ； Dongfeng Bai Noah’s Ark Lab, Huawei（白东风 神秘 Ark 实验室，华为） ； Xu Yan Fundation Model Dept, Huawei（颜绪 基础模型部门，华为） ； Yuan Ren Noah’s Ark Lab, Huawei（袁仁 神秘 Ark 实验室，华为） ； Xingxin Chen Noah’s Ark Lab, Huawei（陈星心 神秘 Ark 实验室，华为） ； Yizhe Wu Fundation Model Dept, Huawei（吴义哲 基础模型部门，华为） ； Tao Huang Fundation Model Dept, Huawei（黄涛 基础模型部门，华为） ； Wenjun Wan Central Media Technology Institute, Huawei（万文军 中央媒体技术研究院，华为） ； Xin Wu Central Media Technology Institute, Huawei（吴新 中央媒体技术研究院，华为） ； Pei Zhou Central Media Technology Institute, Huawei（周佩 中央媒体技术研究院，华为） ； Xuyang Dai Central Media Technology Institute, Huawei（戴绪阳 中央媒体技术研究院，华为） ； Kangbo Lv Fundation Model Dept, Huawei（吕康博 基础模型部门，华为） ； Hongbo Zhang Fundation Model Dept, Huawei（张宏波 基础模型部门，华为） ； Yosef Fried Fundation Model Dept, Huawei（弗里德·约瑟夫 基础模型部门，华为） ； Aixue Ye Fundation Model Dept, Huawei（叶爱雪 基础模型部门，华为） ； Bailan Feng Fundation Model Dept, Huawei（冯 Bailan 基础模型部门，华为） ； Zhenyu Chen Fundation Model Dept, Huawei（陈振宇 基础模型部门，华为） ； Zhen Li CUHK-Shenzhen（李振 中山大学深圳校区） ； Yingcong Chen HKUST-GZ（陈应聪 香港科技大学-广东） ； Yiyi Liao Zhejiang University（廖亿毅 浙江大学） ； Bingbing Liu Fundation Model Dept, Huawei（刘冰冰 基础模型部门，华为）
专题命中 推理评测 ：reasoning(abstract)
AI总结 Spatial4D-Bench提出了一种多功能的4D空间智能基准，用于评估多模态大语言模型的4D空间推理能力，并揭示其在路线规划、动作识别等任务中的局限性。
Comments Technical Report
OralGPT-Plus: Learning to Use Visual Tools via Reinforcement Learning for Panoramic X-ray Analysis
OralGPT-Plus：通过强化学习学习使用视觉工具进行全景X射线分析
机构 * The Hong Kong University of Science and Technology (GZ)（香港科学与技术大学） ； Faculty of Dentistry, The University of Hong Kong（香港大学牙医学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院）
专题命中 推理评测 ：reasoning(abstract)
AI总结 OralGPT-Plus通过强化学习实现全景X射线分析中的交互式对称推理，提升诊断可靠性。
Comments 34 pages, 24 figures, conference
Journal ref CVPR 2026
ChatShopBuddy: Towards Reliable Conversational Shopping Agents via Reinforcement Learning
ChatShopBuddy：通过强化学习实现可靠的对话购物代理
专题命中 推理评测 ：reasoning(abstract)
AI总结 ChatShopBuddy通过强化学习优化对话购物代理，结合分层奖励建模和动态对比策略优化，提升购物代理的稳定性和效率。
Evaluating LLMs in the Context of a Functional Programming Course: A Comprehensive Study
在函数式编程课程背景下评估LLM：一项全面研究
专题命中 推理评测 ：reasoning(abstract)
AI总结 本文评估了LLM在函数式编程课程中的有效性，通过构建三个基准测试，发现LLM在纠正语法和类型错误及回答基础概念问题方面表现良好，但解决低资源环境下家庭作业问题的能力较弱。
Journal ref The Art, Science, and Engineering of Programming, 2026, Vol. 11, Issue 1, Article 5
Enhancing Tool Calling in LLMs with the International Tool Calling Dataset
通过国际工具调用数据集增强大语言模型的工具调用能力
专题命中 推理评测 ：reasoning(abstract)
AI总结 本文提出国际工具调用数据集ITC，用于提升大语言模型在多语言、多地区工具调用场景中的性能与鲁棒性。
FunnyNodules: A Customizable Medical Dataset Tailored for Evaluating Explainable AI
FunnyNodules: 一种可定制的医学数据集，用于评估可解释AI
机构 * Ulm University Medical Center（乌尔姆大学医学中心） ； XAIRAD - Cooperation for Artificial Intelligence in Experimental Radiology（XAIRAD——实验放射学人工智能合作） ； Department of Diagnostic and Interventional Radiology（诊断与介入放射学系）
专题命中 推理评测 ：reasoning(abstract)
AI总结 FunnyNodules是一种可定制的医学数据集，用于评估可解释AI模型的属性推理能力。
Comments accepted at Medical Imaging with Deep Learning (MIDL) 2026
EarthScape: A Multimodal Dataset for Surficial Geologic Mapping and Earth Surface Analysis
EarthScape：一种用于地表地质制图和地表分析的多模态数据集
机构 * Kentucky Geological Survey（肯塔基地质调查局） ； University of Kentucky（肯塔基大学） ； Department of Computer Science（计算机科学系）
专题命中 推理评测 ：planning(abstract)
AI总结 EarthScape是一种用于地表地质制图和地表分析的多模态数据集，通过整合多种数据源提供统一的基准测试平台，提升多模态融合和领域适应能力。
2. 其他推理 9 篇
Think-as-You-See: Streaming Chain-of-Thought Reasoning for Large Vision-Language Models
Think-as-You-See: 为大视觉-语言模型设计的流式推理链式思维
机构 * Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究院，东技术学院） ； Ocean University of China（中国海洋大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Munich Center for Machine Learning, LMU Munich（慕尼黑机器学习中心，慕尼黑大学） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室）
专题命中 其他推理 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)
AI总结 TaYS为大视觉-语言模型设计了流式推理链式思维框架，通过并行化生成、流约束训练和解耦的KV缓存，提升视频理解的效率和响应性。
DianJin-OCR-R1: Enhancing OCR Capabilities via a Reasoning-and-Tool Interleaved Vision-Language Model
DianJin-OCR-R1: 通过推理与工具交替的视觉语言模型增强OCR能力
机构 * Qwen DianJin Team, Alibaba Cloud Computing（文心一言团队，阿里云计算）
专题命中 其他推理 ：reasoning(title,abstract)
AI总结 DianJin-OCR-R1通过推理与工具交替的视觉语言模型框架，提升OCR识别的准确性和上下文理解能力。
Autonomous Algorithm Discovery for Ptychography via Evolutionary LLM Reasoning
基于进化大语言模型推理的自主算法发现用于ptychography
机构 * Advanced Photon Source, Argonne National Laboratory, Lemont, IL, USA（阿贡国家实验室先进光子源） ； Department of Materials Science and NanoEngineering, Rice University, Houston, TX, USA（材料科学与纳米工程系，德克萨斯大学里士满分校）
专题命中 其他推理 ：reasoning(title)；分类 cs.CL、cs.AI
AI总结 Ptychi-Evolve通过进化大语言模型推理，自主发现并优化正则化算法，提升ptychography图像重建质量。
Diffusion Language Models Are Natively Length-Aware
扩散语言模型天生具有长度感知能力
机构 * Department of Computing Sciences, Bocconi University, Milan, Italy（计算机科学系，博科尼大学，米兰，意大利）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出通过动态裁剪上下文窗口减少扩散语言模型生成步骤，从而提升效率并减少计算消耗，在多个基准测试中实现显著的性能提升。
Traversal-as-Policy: Log-Distilled Gated Behavior Trees as Externalized, Verifiable Policies for Safe, Robust, and Efficient Agents
路径作为策略：基于日志提炼的门控行为树作为可验证的外部化策略，用于安全、鲁棒且高效的智能体
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Worcester Polytechnic Institute（沃斯特理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 通过日志提炼生成门控行为树作为外部化策略，提升智能体在安全、鲁棒性和效率方面的表现。
Comments 30 pages, 1 figurres, 23 tables
Demystifying KAN for Vision Tasks: The RepKAN Approach
揭开KAN在视觉任务中的神秘面纱：RepKAN方法
机构 * Sejong University（世宗大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 RepKAN通过结合CNN和KAN的优势，实现遥感图像分类的可解释性提升，优于现有模型。
Tutor Move Taxonomy: A Theory-Aligned Framework for Analyzing Instructional Moves in Tutoring
辅导动作分类：一种与理论一致的框架，用于分析辅导中的教学动作
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出了一种辅导动作分类法，用于系统分析辅导中的教学动作，通过混合演绎归纳方法构建分类框架，涵盖四个类别并支持AI标注和学习成果分析。
Discerning What Matters: A Multi-Dimensional Assessment of Moral Competence in LLMs
辨别重要之物：对大语言模型道德能力的多维评估
机构 * Machine Intelligence and Normative Theory Lab, Australian National University, Acton, ACT 2601, Australia（澳大利亚国立大学机器智能与规范理论实验室） ； Digital Media Research Centre GenAI Lab, Queensland University of Technology, Kelvin Grove, QLD 4012, Australia（昆士兰科技大学数字媒体研究中心GenAI实验室）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出了一种多维评估方法，用于评估大语言模型的道德能力，发现现有评估方法存在不足，通过实验揭示LLMs在特定情境下的表现差异。
El Agente Cuantico: Automating quantum simulations
量子代理：自动化量子模拟
专题命中 其他推理 ：reasoning(abstract)
AI总结 El Agente Cuántico通过自然语言接口自动化量子模拟，整合多种模拟范式，提升量子模拟的可扩展性和自主性。
