大模型推理能力

PYTHEN: A Flexible Framework for Legal Reasoning in Python

PYTHEN：一种用于法律推理的灵活框架

Ha-Thanh Nguyen, Ken Satoh

机构 * Center for Juris-Informatics, ROIS-DS, Tokyo, Japan（法律信息中心，ROIS-DS，东京，日本） ； Research and Development Center for Large Language Models, NII, Tokyo, Japan（大语言模型研究开发中心，NII，东京，日本） 纠错

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

AI总结 本文介绍PYTHEN，一种基于Python的新型法律推理框架，通过灵活的语法支持法律规则、条件和例外的表示，结合Python内置函数提升灵活性，并探讨其在自动形式化和下一代法律AI系统中的应用。

Comments Accepted at JURISIN 2026

Advancing Multimodal Agent Reasoning with Long-Term Neuro-Symbolic Memory

通过长期神经符号记忆推进多模态代理推理

Rongjie Jiang, Jianwei Wang, Gengda Zhao, Chengyang Luo, Kai Wang, Wenjie Zhang

机构 * University of New South Wales（新南威尔士大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出NS-Mem框架，结合神经记忆与符号结构，提升多模态代理的推理能力，实验证明其在推理准确率上优于纯神经记忆系统。

Comments 11 pages, 6 figures

The Active Discoverer Framework: Towards Autonomous Physics Reasoning through Neuro-Symbolic LaTeX Synthesis

主动发现框架：通过神经符号LaTeX合成实现自主物理推理

Hyunjun Jeon

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

AI总结 本文提出主动发现框架，通过神经符号LaTeX合成实现自主物理推理，解决神经网络在大规模计算中的精度问题，并验证其在物理常数推导中的有效性。

Comments V4 Coming S00N :)

Multi-hop Reasoning and Retrieval in Embedding Space: Leveraging Large Language Models with Knowledge

嵌入空间中的多跳推理与检索：利用大型语言模型与知识

Lihui Liu

机构 * Wayne State University（韦恩州立大学） 纠错

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

AI总结 本文提出EMBRAG框架，通过生成基于知识图谱的逻辑规则并在嵌入空间中推理，提升知识图谱问答任务的鲁棒性和准确性。

LLM Routing as Reasoning: A MaxSAT View

LLM路由作为推理：一种MaxSAT视角

Son Nguyen, Xinyuan Liu, Ransalu Senanayake

机构 * Arizona State University（亚利桑那州立大学） 纠错

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。

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

Ruiyao Xu, Noelle I. Samia, Han Liu

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

Qile Su, Jing Tang, Rui Chen, Lei Sun, Xiangxiang Chu

机构 * AMAP, Alibaba Group（阿里妈妈，阿里巴巴集团） 纠错

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

Aueaphum Aueawatthanaphisut, Kuepon Aueawatthanaphisut

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

Yi-Xuan Deng, Xiaoqin Liu, Yi Zhang, Guo-Wei Yang, Shuojin Yang

机构 * Tsinghua University（清华大学） 纠错

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

Nicolas Schuler, Vincenzo Scotti, Raffaela Mirandola

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

James Flemings, Ren Yi, Octavian Suciu, Kassem Fawaz, Murali Annavaram, Marco Gruteser

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？

Kyogo Horikawa, Kosei Horikawa, Yutaro Kashiwa, Hidetake Uwano, Hajimu Iida

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

Hongrui Zheng, Zirui Zang, Ahmad Amine, Cristian Ioan Vasile, Rahul Mangharam

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） 纠错

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。