AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
思维链：具有适应性认知模式的推理
机构 * PKU（北京大学） ； BJTU（北京理工大学） ； StepFun ； SUFE（上海财经大学） ； NUS（新加坡国立大学） ； CityUHK（香港城市大学） ； QuantaAlpha（量子阿尔法）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出Chain of Mindset框架，通过动态选择不同认知模式提升推理效率，实验显示在多个基准测试中表现优异，准确率超越基线模型。
P$^{3}$Nav: 端到端感知、预测与规划用于视觉-语言导航
机构 * HKUST(GZ)（香港科技大学（广州））
专题命中 视觉空间推理 ：planning(title,abstract)
AI总结 P$^{3}$Nav提出端到端框架，整合感知、预测与规划，提升视觉-语言导航agent的场景理解与导航成功率，实验显示在REVERIE、R2R-CE和RxR-CE基准上取得新状态-of-the-art性能。
OmniVLN：面向空和地面平台的全方位3D感知与高效token LLM推理的视觉语言导航
机构 * CertaintyX ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 OmniVLN结合全方位3D感知与高效token分层推理，提升空和地面机器人在复杂环境中的视觉语言导航能力，提升空间指认准确率并减少token消耗。
Context-Nav: 基于上下文的探索与视点感知的3D空间推理用于实例导航
机构 * Department of AI Convergence（人工智能融合系）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 Context-Nav通过上下文驱动的探索和视点感知的3D空间推理，提升实例导航任务的性能，无需特定任务训练，实现最先进的结果。
Comments Accepted to CVPR 2026. Code is available at https://github.com/AutoCompSysLab/ContextNav
视觉到几何：用于连续具身MLLM推理和探索的3D空间记忆
机构 * ACTION Lab, Michigan State University（密歇根州立大学ACTION实验室） ； SAIR Lab, University at Buffalo（布法罗大学SAIR实验室）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 本文提出3DSPMR框架，利用视场覆盖作为几何先验，提升具身智能在连续任务中的记忆、推理与探索能力，并引入SEER-Bench基准测试连续具身探索与推理任务。
Comments Computer Vision
GMT：用于3D场景中6自由度物体轨迹合成的目标条件多模态Transformer
机构 * TU München（慕尼黑工业大学） ； MCML ； ETH Zürich（苏黎世联邦理工学院） ； MBZUAI（穆桑大学人工智能研究所）
专题命中 视觉空间推理 ：reasoning(abstract)；planning(abstract)
AI总结 本文提出GMT，一种多模态Transformer框架，通过结合3D边界框几何、点云上下文、语义物体类别和目标末端姿态，生成真实且目标导向的物体轨迹，提升了空间精度和方向控制。
Comments Accpeted by 3DV 2026. Project Page: https://huajian-zeng.github.io/projects/gmt/
SAATT Nav：面向轮椅的社交感知自主透明交通导航框架
机构 * Edwardson School of Industrial Engineering, Purdue University（帕克大学工业工程学院） ； Weldon School of Biomedical Engineering, Purdue University（帕克大学生物医学工程学院）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出SAATT导航框架，通过整合大语言模型实现社交感知与决策透明，提升轮椅用户的导航安全性与信任度。
Comments 8 pages, 4 figures, 2 tables, 1 algorithm. Submitted to IROS 2026
DesertFormer：基于Transformer的语义分割用于自动驾驶导航系统中的沙漠地形分类
机构 * Department of Computer Science \& Engineering (AI \& ML) Gayatri Vidya Parishad College of Engineering for Women Visakhapatnam, India
专题命中 视觉空间推理 ：planning(abstract)；分类 cs.LG
AI总结 DesertFormer基于SegFormer B2与层次化Mix Transformer（MiT-B2）架构，针对沙漠地形的低对比度、强光照变化和稀疏植被挑战，实现10类生态意义地形分类，提升地面机器人与自动驾驶车辆的安全路径规划能力。
Comments 10 pages, 6 figures, 3 tables. Preprint also available on Zenodo (DOI: 10.5281/zenodo.19053085)
视频理解：从几何与语义到统一模型
机构 * Department of Computer Science（计算机科学系） ； University of Copenhagen（哥本哈根大学） ； College of Computer Science（计算机科学学院） ； Nankai University（南开大学） ； School of Computer and Communication Sciences（计算机与通信科学学校） ； EPFL（苏黎世联邦理工学院） ； Department of Computer Science & Engineering（计算机科学与工程系） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Computer Vision Lab（计算机视觉实验室） ； University of Würzburg（乌尔姆大学） ； Computer Science Research Centre（计算机科学研究中心） ； University of Surrey（萨里大学） ； School of Electrical, Computer and Telecommunications Engineering（电气、计算机和电信工程学院） ； University of Wollongong（沃林根大学） ； Language Technology Lab（语言技术实验室） ； University of Cambridge（剑桥大学） ； School of Artificial Intelligence（人工智能学院） ； Beijing Institute of Technology（北京理工大学） ； Institute for Computer Science（计算机科学研究所） ； INSAIT
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文综述了视频理解的发展，从低层几何理解到高层语义理解和统一模型，探讨了时间动态和视觉上下文建模的重要性，并总结了当前研究趋势和挑战。
Comments A comprehensive survey of video understanding, spanning low-level geometry, high-level semantics, and unified understanding models
Journal ref Machine Intelligence Research 2026
AERR-Nav：面向零样本物体导航的自适应探索-恢复-回忆策略
机构 * Hong Kong Polytechnic University（香港理工大学） ； Institute of automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文提出AERR-Nav框架，通过自适应探索-恢复-回忆策略和自适应探索状态，解决零样本物体导航中探索与利用的平衡问题，在HM3D和MP3D基准测试中取得最佳性能。
PanoVGGT：从全景影像进行前馈3D重建
机构 * ShanghaiTech University（上海科技大学） ； Sudo
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文提出PanoVGGT模型，通过单次前向传递从单或多张全景影像联合预测相机姿态、深度图和3D点云，采用球面感知位置嵌入和全景特定三轴SO(3)旋转增强，解决全局框架模糊问题，并贡献PanoCity大规模户外全景数据集。
Comments Accepted by CVPR 2026
大推理模型在不同脚本间转移参数知识时面临困难
机构 * Google Research（谷歌研究） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Melbourne（墨尔本大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 研究发现，大模型在跨语言知识转移中主要受脚本差异影响，通过分析数据和实验表明，提升模型对转写歧义的推理能力可改善跨脚本知识转移。
GTS：基于可学习高斯思维采样器的推理时缩放
机构 * Department of Data Science & AI, Monash University（墨尔本大学数据科学与人工智能系） ； Faculty of Medicine Dentistry and Health Sciences, University of Melbourne（墨尔本大学医学牙科与健康科学学院） ； Department of Computer Science, University College London（伦敦大学学院计算机科学系）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL、cs.LG
AI总结 本文提出GTS，通过学习条件分布实现更可控的推理时缩放，改进了传统启发式扰动方法，提升了推理质量与稳定性。
文本到舞台：从长篇叙述中生成空间布局
机构 * Rice University（里士大学） ； Meta FAIR ； Meta Reality Labs Research（Meta现实实验室）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文研究如何通过语言模型从无结构文本推断戏剧舞台布局，提出确定性评估体系和结合拒绝SFT与RL的训练方法，在多个指标上优于基线模型。
通过随机推断分析变换器模型的丢弃鲁棒性与认知分析
机构 * Lyle School of Engineering, Southern Methodist University, Dallas, TX, USA（莱尔工程学院，南方 Methodist 大学，德克萨斯州达拉斯）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过随机推断分析19种变换器模型的丢弃鲁棒性，揭示其在不确定性应用中的可靠性差异，提出认知分解框架以指导模型选择。
将反馈转化为记忆-as-a-工具
机构 * Komorebi AI Technologies（Komorebi人工智能技术）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出通过文件式记忆系统和智能体控制的工具调用来将临时批评转化为可检索的指导方针，从而降低推理时间的推理成本。在Rubric Feedback Bench数据集上实验表明，增强型LLM在测试时能快速匹配精炼管道性能，同时大幅降低推理成本。
Comments Code: https://github.com/vicgalle/feedback-memory-as-a-tool Data: https://huggingface.co/datasets/vicgalle/rubric-feedback-bench
Journal ref ICLR 2026 Workshop on Memory for LLM-Based Agentic Systems
原因至关重要：通过代理引导的批评学习可转移的评分标准用于视觉语言模型奖励模型
机构 * Qwen Large Model Application Team, Alibaba（阿里云大模型应用团队） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 测试时计算 ：verifier(abstract)
AI总结 本文提出Proxy-GRM，通过代理引导的评分标准验证提升视觉语言模型奖励模型的评分质量，利用轻量级代理代理进行评分标准验证，实现评分标准的可转移性和一致性，实验表明其在多个基准测试中表现优异。
Comments 25 pages, 10 figures,
TRiMS：通过强化学习实现高效的实时最小充分长度推理跟踪
机构 * Baidu Inc.（百度公司） ； Shenzhen University（深圳大学） ； Harbin Institute of Technology（哈尔滨工业大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL
AI总结 本文提出TRiMS，通过强化学习和最小充分长度指标，实现高效推理压缩，减少80%以上的推理token数量并提升准确性。
Comments 8 pages (main), 21 pages total including appendix, 18 figures.Code will be released
基于视觉语言模型的递归推理用于估计长周期具身任务进度
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大型模型与智能治理研究重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（教育部下一代智能搜索与推荐工程研究中心） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院）
专题命中 复杂问题求解 ：reasoning(title,abstract)；CoT(abstract)；分类 cs.AI
AI总结 本文提出R²VLM模型，通过递归推理框架处理局部视频片段，维护全局上下文，实现复杂时间依赖推理，提升长周期任务进度估计性能。
Comments CVPR 2026
通过合成视频学习可迁移的时间原语以实现视频推理
机构 * Zhejiang University（浙江大学） ； Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；CoT(abstract)
AI总结 本文提出SynRL框架，通过合成视频训练模型的时间原语，提升视频推理能力，在15个基准测试中取得显著成效，合成数据在复杂场景中表现优于真实数据。
LLMs有多好？在文本基于的游戏环境中评估多步骤演绎推理
机构 * Georgetown University（乔治城大学） ； Syntheos, Corp（Syntheos公司） ； UNU-Merit
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文通过文本多智能体版经典棋盘游戏Clue评估LLM的多步骤演绎推理能力，发现即使在结构化逻辑谜题微调后，推理一致性仍难以维持，且推理精度未显著提升。
在信息缺失下对概率信念进行对齐：临床推理中的LLM可引导性
机构 * Department of Biomedical Informatics（生物医学信息学系）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文研究LLM能否利用信息性缺失进行预测推理，通过分析三种提示方法发现，尽管结构引导和上下文学习可提升概率对齐，但需精心干预才能利用信息性缺失。
Comments Under review
我并非在读取所有内容：理解软件工程师对代理编码助手的认知参与度
机构 * York University（约克大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 研究探讨软件工程师在使用代理编码助手时的认知参与度变化，指出当前设计缺乏反思和验证机制，提出通过更丰富的交互方式和认知强制机制来提升深度思考。
Comments 7 pages, 5 figures, 2 tables, published and presented in CHI 2026 Workshop on Tools for Thought
道德化语料库：跨多样文本体的基于框架的道德化言语行为标注与分析
机构 * Department of German Linguistics, Heidelberg University（海德堡大学德语语言学系） ； Department of Computational Linguistics, Heidelberg University（海德堡大学计算语言学系）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出道德化语料库，用于分析道德价值观在论证话语中的策略使用，评估大型语言模型在道德化检测与成分提取中的表现，并揭示其高度主观性和情境敏感性。
Symphony：一种受认知启发的多智能体系统用于长视频理解
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Kuaishou Technology（快手科技） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出Symphony多智能体系统，通过模拟人类认知模式，提升长视频理解任务的推理能力，实验显示在多个基准测试中表现优异。
Comments Accepted by cvpr2026
拓扑引导的生物力学分析：一种白盒框架用于常规CT中脊柱不稳定性的机会性筛查
机构 * Southern Medical University（南方医科大学） ； The Affiliated Cancer Hospital of Zhengzhou University（郑州大学附属肿瘤医院） ； The Chinese University of Hong Kong（香港中文大学） ； Xi'an Jiaotong University（西安交通大学） ； Northwestern Polytechnical University（西北工业大学） ； The University of Hong Kong（香港大学） ； Westlake University（西湖大学） ； Guangdong Provincial People's Hospital（广东省人民医院）
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 本文提出一种白盒框架，通过拓扑引导的生物力学分析，解决常规CT中脊柱不稳定性的筛查问题，通过几何创新和可解释的AI方法提高诊断准确性。
Comments 11 pages, 3 tables, 2 figures
RSRefSeg 2: 解耦引用遥感图像分割与基础模型
机构 * Beihang University（北京航空航天大学）
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 RSRefSeg 2通过解耦传统三阶段流程，提出双阶段协作框架，结合CLIP的跨模态对齐与SAM的分割泛化能力，提升遥感图像分割精度与复杂语义解释能力。
Journal ref IEEE Transactions on Geoscience and Remote Sensing, vol. 64, pp. 1-20, 2026, Art no. 4700420
我了解我所不知道的：用于多证据概率推理的潜在后验因子模型
机构 * Epalea
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出LPF模型，通过将变分自编码器的潜在后验转换为软似然因子，实现对无结构证据的可 tractable 概率推理，同时保持校准的不确定性估计。
Comments 202 pages, 52 figures, 105 tables. Comprehensive presentation of the Latent Posterior Factors (LPF) framework for multi-evidence probabilistic reasoning, including theoretical analysis, algorithmic design, and extensive empirical evaluation across synthetic and real-world benchmarks
通过气候 discourse 中的隐含因果链发现评估 LLM 推理
机构 * Department of Computer Science, KU Leuven（卢森堡大学计算机科学系） ； Institute of Argumentation, Linguistics, and Semiotics (IALS)（论证、语言学与象征学研究所）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文通过隐含因果链发现任务评估 LLM 的因果推理能力，发现其生成的因果步骤数量和粒度存在差异，但主要依赖关联模式匹配而非真实因果推理。
Comments LREC 2026, appendix to be found in ACL anthology
WeatherReasonSeg：一种用于视觉语言模型中天气感知推理分割的基准测试
机构 * Beijing Jiaotong University（北京交通大学） ； National University of Singapore（新加坡国立大学） ； Monash University（墨尔本大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出WeatherReasonSeg基准测试，评估视觉语言模型在恶劣天气下的推理分割能力，通过合成和真实数据集分析天气对模型性能的影响，发现天气严重程度与模型性能呈单调下降关系。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈