LLM Routing as Reasoning: A MaxSAT View
LLM路由作为推理：一种MaxSAT视角
机构 * Arizona State University（亚利桑那州立大学）
专题命中 逻辑推理 ：reasoning(title)；分类 cs.AI
AI总结 本文提出基于约束的LLM路由方法，将其建模为加权MaxSAT问题，通过自然语言反馈生成硬约束和软约束，实验证明语言反馈能产生近可行推荐集，揭示了语言条件下的结构化约束优化。
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. 逻辑推理 13 篇
DS$^2$-Instruct: Domain-Specific Data Synthesis for Large Language Models Instruction Tuning
DS$^2$-Instruct: 领域特定数据合成用于大语言模型指令微调
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL
AI总结 DS$^2$-Instruct通过零样本方法生成领域特定指令数据集，结合任务关键词和布卢姆分类法不同认知层次，提升模型在数学、金融等七个领域性能。
Comments EACL 2026 Findings
Video-CoE: Reinforcing Video Event Prediction via Chain of Events
Video-CoE：通过事件链强化视频事件预测
机构 * AMAP, Alibaba Group（阿里妈妈，阿里巴巴集团）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)
AI总结 本文提出Video-CoE方法，通过构建时间事件链提升视频事件预测的准确性，实验表明其优于现有主流大语言模型。
Comments 21 pages, 18 figures, 6 tables
A Real-Time Neuro-Symbolic Ethical Governor for Safe Decision Control in Autonomous Robotic Manipulation
面向自主机器人操作的安全决策控制实时神经符号伦理控制器
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种实时神经符号伦理控制器，通过整合伦理推理与风险评估机制，提升自主机器人操作中的安全决策能力，实验验证了其在不同人类接近度和操作风险下的有效性。
Comments 6 pages, 6 figures, 5 equations
Your Code Agent Can Grow Alongside You with Structured Memory
你的代码代理可以与你一同成长，借助结构化记忆
机构 * Tsinghua University（清华大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出MemCoder框架，通过结构化记忆和实时反馈实现人类与AI的持续共进化，提升代码代理在复杂软件工程任务中的性能。
Comments Code Agent
Beyond Monolithic Models: Symbolic Seams for Composable Neuro-Symbolic Architectures
超越单体模型：符号缝合用于可组合的神经符号架构
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 本文提出符号缝合概念，旨在通过可组合的神经符号架构提升AI系统的可扩展性和透明性，结合数据驱动的适应性与显式约束的可验证性。
Comments Submitted to New and Emerging Ideas (NEMI) track at ICSA 2026
Personalizing Agent Privacy Decisions via Logical Entailment
通过逻辑蕴含个性化代理隐私决策
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 本文提出ARIEL框架，结合LLM与规则逻辑，实现结构化个性化隐私决策，实验显示其在适当判断的F1误差率上降低40.6%。
Do AI Agents Really Improve Code Readability?
AI代理真的能提高代码可读性吗？
专题命中 逻辑推理 ：planning(abstract)
AI总结 研究探讨AI代理重构对代码可读性的影响，通过分析403个提交发现，AI主要改进逻辑复杂度和文档，但导致传统质量指标下降。
Comments 5 pages
Journal ref 23rd International Conference on Mining Software Repositories (MSR '26) , 2026
STL-SVPIO: Signal Temporal Logic guided Stein Variational Path Integral Optimization
STL-SVPIO：信号时序逻辑引导的Stein变分路径积分优化
机构 * Department of Electrical and Systems Engineering, University of Pennsylvania（宾夕法尼亚大学电气与系统工程系） ； Mechanical Engineering and Mechanics Department, Lehigh University（莱特大学机械工程与力学系）
专题命中 逻辑推理 ：planning(abstract)
AI总结 本文提出STL-SVPIO方法，通过将信号时序逻辑转化为可微的奖励塑造机制，解决复杂STL约束下的长周期连续控制轨迹合成问题，提升鲁棒性和效率。
2. 规划推理 48 篇
CORAL: COntextual Reasoning And Local Planning in A Hierarchical VLM Framework for Underwater Monitoring
CORAL：在分层视觉语言框架中实现上下文推理与局部规划用于水下监测
专题命中 规划推理 ：reasoning(title,abstract)；planning(title)；self-correction(abstract)
AI总结 CORAL框架通过分离高层语义推理与底层反应控制，提升水下监测的覆盖率和安全性，减少碰撞并降低对VLM的调用次数。
Comments Submitted to IROS 2026
Using VLM Reasoning to Constrain Task and Motion Planning
利用视觉语言模型推理来约束任务和运动规划
机构 * Department of Computer Science, Purdue University（普渡大学计算机科学系） ； Department of Computer Science, Rice University（莱斯大学计算机科学系） ； Ken Kennedy Institute, Rice University（莱斯大学肯尼迪研究所）
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)
AI总结 本文提出VIZ-COAST方法，利用大预训练视觉语言模型的空间推理能力，提前识别向下细化中的问题，减少规划时间并消除失败。
Comments 9 pages, 7 figures, 1 table. Submitted to IROS 2026
CRASH: Cognitive Reasoning Agent for Safety Hazards in Autonomous Driving
CRASH：面向自动驾驶安全隐患的认知推理代理
机构 * King Abdullah University of Science and Technology（国王阿卜杜勒-阿齐兹科技大学）
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出CRASH，一种基于大语言模型的自动驾驶安全隐患分析工具，通过自动化处理事故报告，识别事故原因并评估自动驾驶系统对事故的影响，验证其在事故分析中的有效性与实用性。
Distilling Reasoning Without Knowledge: A Framework for Reliable LLMs
提炼知识而不依赖知识：一种可靠大语言模型的框架
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一种模块化框架，通过显式分离规划与事实检索及回答合成，提升大语言模型在需要最新或冲突信息时的可靠性。
EnterpriseOps-Gym: Environments and Evaluations for Stateful Agentic Planning and Tool Use in Enterprise Settings
EnterpriseOps-Gym：面向企业场景的状态ful代理规划与工具使用的环境与评估
机构 * ServiceNow Research（ServiceNow研究院）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出EnterpriseOps-Gym基准，用于评估企业环境中代理的规划能力。通过164个数据库表和512个功能工具模拟真实工作摩擦，评估14种前沿模型，发现状态-of-the-art模型在战略推理上存在显著不足，且代理常无法拒绝不可行任务。
Buffer Matters: Unleashing the Power of Off-Policy Reinforcement Learning in Large Language Model Reasoning
缓冲区很重要：在大语言模型推理中释放离策略强化学习的潜力
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出BAPO框架，通过动态选择训练批次和保证策略改进下限，提升大语言模型训练效率，实验显示在数学、规划和视觉推理任务中平均提升12.5%。
Spatially Grounded Long-Horizon Task Planning in the Wild
在真实环境中进行具有长时域的任务规划
机构 * Korea University（韩国大学） ； Microsoft Research（微软研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 本文提出了一种基于空间的规划任务，引入了GroundedPlanBench基准，评估机器人在真实环境中的长时域动作规划能力，并通过V2GP框架提升空间接地规划性能。
Comments 9 pages, 7 figures
Slang Context-based Inference Enhancement via Greedy Search-Guided Chain-of-Thought Prompting
基于贪心搜索的链式推理提示的俚语推理增强
专题命中 规划推理 ：chain-of-thought(title,abstract)；reasoning(abstract)；分类 cs.CL
AI总结 本文提出一种基于贪心搜索的链式推理框架，通过改进小语言模型的推理能力，提升俚语解释的准确性。
From Scanning Guidelines to Action: A Robotic Ultrasound Agent with LLM-Based Reasoning
从扫描指南到行动：基于LLM的机器人超声代理
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)
AI总结 本文提出一种基于LLM的自主机器人超声扫描框架，通过动态调用软件工具实现自主扫描，提升适应性和透明度。
Comments Code: https://github.com/yuan-12138/RUSSAgent; Video: https://youtu.be/pfMOc4e2IGA
ExoPredicator: Learning Abstract Models of Dynamic Worlds for Robot Planning
ExoPredicator：为机器人规划学习动态世界的抽象模型
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出ExoPredicator框架，通过联合学习符号状态表示和因果过程，解决长周期具身规划中的外源性过程建模问题，实现对复杂任务的泛化能力。
Comments ICLR 2026. The last two authors contributed equally in co-advising
From Stochastic Answers to Verifiable Reasoning: Interpretable Decision-Making with LLM-Generated Code
从随机答案到可验证推理：利用LLM生成代码的可解释决策
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Oxford（牛津大学） ； Vela Research（Vela研究公司） ； Amazon（亚马逊）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出将LLM视为代码生成器而非实例评估器，通过生成可执行决策逻辑提升决策可解释性与可重复性，在创业资本创始人筛选中实现更高精度与可验证性。
Comments 12 pages, 3 figures, 6 tables
Interpretable Responsibility Sharing as a Heuristic for Task and Motion Planning
可解释的责任共享作为任务与运动规划的启发式方法
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出了一种名为可解释责任共享（IRS）的新型启发式方法，用于提升家用机器人任务与运动规划的效率，通过利用人类构建的环境和固有偏见，结合辅助物体简化任务执行。
Comments Accepted for the Special Issue "Planning and Learning for Autonomous Robotics" in Robotics and Autonomous Systems
Beyond Explicit Edges: Robust Reasoning over Noisy and Sparse Knowledge Graphs
超越显式边：在噪声和稀疏知识图谱上的鲁棒推理
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出INSES框架，通过LLM引导导航和嵌入相似性扩展，提升噪声和稀疏知识图谱的推理能力，在多个基准测试中优于现有方法。
TheraAgent: Multi-Agent Framework with Self-Evolving Memory and Evidence-Calibrated Reasoning for PET Theranostics
TheraAgent：具有自我进化记忆和证据校准推理的多智能体框架用于PET治疗诊断
机构 * Fudan University（复旦大学） ； University of Bern（伯尔尼大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 TheraAgent通过自我进化记忆和证据校准推理，解决PET治疗诊断中数据稀缺、信息异构和证据推理的问题，实现75.7%的准确率。
Automating Document Intelligence in Statutory City Planning
在法定城市规划中自动化文档智能
机构 * Research and Implementation（研究与实施）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出一种集成AI系统，通过自动化识别和脱敏个人信息、提取元数据及分析建筑图纸，减轻规划官员处理大量文档的负担，降低合规风险。
Comments Accepted for presentation at Computing Conference 2026
Think First, Diffuse Fast: Improving Diffusion Language Model Reasoning via Autoregressive Plan Conditioning
先思后推：通过自回归计划条件改进扩散语言模型推理
机构 * Independent Researcher（独立研究者）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出计划条件方法，通过在扩散模型提示前添加自回归生成的计划，提升多步推理能力，实验表明在GSM8K和HumanEval上分别提升11.6和12.8个百分点，证明了协调问题假设。
ProFocus: Proactive Perception and Focused Reasoning in Vision-and-Language Navigation
ProFocus：面向视觉-语言导航的前瞻性感知与聚焦推理
专题命中 规划推理 ：reasoning(title,abstract)
AI总结 ProFocus通过大语言模型与视觉-语言模型的协作，实现前瞻性感知和聚焦推理，提升视觉-语言导航任务的效率与准确性。
Comments Accepted by CVPR 2026
Imagine-then-Plan: Agent Learning from Adaptive Lookahead with World Models
想象后再计划：基于世界模型的自适应前瞻学习 agent 学习框架
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出Imagine-then-Plan框架，通过自适应前瞻机制提升agent在复杂任务中的推理能力，实验表明其优于现有方法。
ICPRL: Acquiring Physical Intuition from Interactive Control
ICPRL: 从交互控制中获取物理直觉
机构 * Institute of Software, Chinese Academy of Science（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Alibaba Group（阿里巴巴集团） ； RUC（中国人民大学） ； PUC-Rio（里约热内卢联邦大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 ICPRL通过多轮组相对策略优化，使VLM在动态物理环境中获取物理直觉并适应策略，其世界模型预测潜在动作结果，提升物理谜题解决能力。
Comments 22 pages
GraphSeek: Next-Generation Graph Analytics with LLMs
GraphSeek: 基于LLM的下一代图分析
机构 * ETH Zurich（苏黎世联邦理工学院） ； IDEAS Research Institute（IDEAS研究机构） ； Cledar（Cledar公司） ； NCBJ Warszawa（华沙国家生物中心） ； BASF SE（巴斯夫股份有限公司）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出GraphSeek框架，通过语义目录实现复杂多查询分析，提升图数据处理效率与效果，实现LLM推理与数据库级执行的结合。
Universe Routing: Why Self-Evolving Agents Need Epistemic Control
宇宙路由：为何自我进化智能体需要认知控制
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出宇宙路由问题，探讨智能体在不同信念空间中选择推理框架的挑战，发现硬路由到异构求解器在准确性和效率上优于软MoE，并展示语义推理优于表面推理，模块化认知架构更适应终身学习。
Comments 10 pages. Accepted at the LLA Workshop at ICLR 2026 (camera-ready version)
