大模型推理能力

Batched Contextual Reinforcement: A Task-Scaling Law for Efficient Reasoning

批量上下文强化：一种任务扩展定律以实现高效推理

Bangji Yang, Hongbo Ma, Jiajun Fan, Ge Liu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） 纠错

专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出批量上下文强化方法，通过在共享上下文窗口中同时解决多个问题，实现高效推理，减少token消耗并提升准确性。

Comments 43 pages, 5 figures, 24 tables

Efficient Reasoning with Balanced Thinking

高效平衡思考推理

Yulin Li, Tengyao Tu, Li Ding, Junjie Wang, Huiling Zhen, Yixin Chen, Yong Li, Zhuotao Tian

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhongguancun Academy（中关村学院） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 数学推理 ：reasoning(title,abstract)；math reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出ReBalance框架，通过平衡思考提升推理效率，减少冗余并提高准确性，适用于多种推理任务。

Comments Accepted by ICLR 2026

One Sample to Rule Them All: Extreme Data Efficiency in Multidiscipline Reasoning with Reinforcement Learning

一个样本统治一切：通过强化学习实现多学科推理的极端数据效率

Yiyuan Li, Zhen Huang, Yanan Wu, Weixun Wang, Xuefeng Li, Yijia Luo, Wenbo Su, Bo Zheng, Pengfei Liu

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团） ； GAIR 纠错

专题命中 数学推理 ：reasoning(title,abstract)；math reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出多学科学习框架，通过一个训练样本提升多领域推理能力，证明样本质量而非数量对模型性能的关键作用。

Reliable Control-Point Selection for Steering Reasoning in Large Language Models

用于大语言模型转向推理的可靠控制点选择

Haomin Zhuang, Hojun Yoo, Xiaonan Luo, Kehan Guo, Xiangliang Zhang

机构 * University of Notre Dame（圣母大学） 纠错

专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL

AI总结 本文提出稳定过滤方法，通过概率模型识别稳定的行为边界，提升转向向量的稳定性与准确性，在MATH-500数据集上取得0.784准确率。

Do Emotions in Prompts Matter? Effects of Emotional Framing on Large Language Models

提示中的情感重要吗？情感框架对大语言模型的影响

Minda Zhao, Yutong Yang, Chufei Peng, Rachel Gonsalves, Weiyue Li, Ruyi Yang, Zhixi Liu, Mengyu Wang

机构 * Harvard University（哈佛大学） ； Bryn Mawr College（布林莫尔学院） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI

AI总结 研究探讨了用户查询中第一人称情感框架对大语言模型在六个基准领域性能的影响，发现静态情感前缀通常仅产生小幅度变化，但社交相关任务中效果更不稳定，引入自适应情感提示框架EmotionRL后，适应性选择比固定情感提示更有效。

Sci-Mind: Cognitively-Inspired Adversarial Debate for Autonomous Mathematical Modeling

Sci-Mind：基于认知的对抗辩论用于自主数学建模

Junhao Jia, Huangwei Chen, Ruiying Sun, Yanhui Song, Haishuai Wang, Jiajun Bu, Lei Wu

专题命中 数学推理 ：reasoning(abstract)

AI总结 Sci-Mind通过模仿人类科学发现过程，结合经验记忆回溯和对抗性认知辩证，提升自主数学建模的严谨性和代码可执行性。

Information-Theoretic Limits of Safety Verification for Self-Improving Systems

自我改进系统安全验证的信息论极限

Arsenios Scrivens

专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI、cs.LG

AI总结 研究安全验证在允许无界有益自修改的同时维持有限累积风险的理论极限，提出双条件并建立其兼容性理论。

Comments 27 pages, 6 figures. Companion empirical paper: doi:10.5281/zenodo.19237566

Property-Level Flood Risk Assessment Using AI-Enabled Street-View Lowest Floor Elevation Extraction and ML Imputation Across Texas

基于AI的街道视图最低楼层高度提取与ML插值的属性级洪水风险评估

Xiangpeng Li, Yu-Hsuan Ho, Sam D Brody, Ali Mostafavi

机构 * Urban Resilience.AI Lab, Zachry Department of Civil and Environmental Engineering, Texas A&M University（德克萨斯A&M大学扎克里土木与环境工程系城市韧性.AI实验室） 纠错

专题命中 代码与定理证明 ：planning(abstract)；分类 cs.LG

AI总结 本文提出利用AI分析街道视图影像和机器学习插值生成区域级建筑特定 elevation 数据，以改进洪水风险评估。通过三阶段流程提取LFE和HDSL，利用随机森林和梯度提升模型插值缺失值，并整合洪水面数据以估算属性内部洪水深度和损失。

Hierarchical Memory Orchestration for Personalized Persistent Agents

面向个性化持久代理的分层记忆协调

Junming Liu, Yifei Sun, Weihua Cheng, Haodong Lei, Yuqi Li, Yirong Chen, Ding Wang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The City University of New York（纽约市立大学） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出分层记忆协调框架，通过用户导向的上下文相关性组织交互历史，优化记忆存储与检索，提升智能代理的个性化性能与效率。

Comments 10 pages, 5 figures, 7 tables

PAVE: Premise-Aware Validation and Editing for Retrieval-Augmented LLMs

PAVE：基于前提的验证与编辑用于检索增强的大语言模型

Tianyi Huang, Caden Yang, Emily Yin, Eric Wang, Michael Zhang

机构 * Ryquo ； App-In Club 纠错

专题命中 代码与定理证明 ：分类 cs.CL、cs.AI；reasoning(comments)；logical reasoning(comments)

AI总结 PAVE通过在推理阶段验证和编辑检索到的证据，提高检索增强大语言模型的回答一致性。在两个证据基础问答任务中，PAVE在跨度基础基准上提升了32.7个准确率点。

Comments Accepted at the ICLR 2026 Workshop on Logical Reasoning of Large Language Models

Agentified Assessment of Logical Reasoning Agents

具有代理特性的逻辑推理代理评估

Zhiyu Ni, Yifeng Xiao, Zheng Liang

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 本文提出一种评估和基准测试逻辑推理代理的框架，通过代理评估实现可重复、可审计和抗执行失败的评估。案例研究中，自动形式化代理在FOLIO验证集上以86.70%的准确率超越了基线方法。

Comments Accepted at ICLR 2026 Agents in the Wild (AIWILD) Workshop. 5 pages, 2 figures, 1 table

The Reasoning Error About Reasoning: Why Different Types of Reasoning Require Different Representational Structures

推理中的推理错误：为何不同类型的推理需要不同的表示结构

Yiling Wu

机构 * BridgeM, Inc.（BridgeM公司） ； Department of Philosophy, University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校哲学系） 纠错

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

AI总结 本文探讨不同推理类型对表示系统结构需求的差异，提出四个结构性质，并指出结构保证对推理类型的重要性，支持了结构重组的必要性。

Designing Transformational Games to Support Socio-ethical Reasoning about Generative AI

设计转型游戏以支持关于生成式人工智能的社伦理推理

Jaemarie Solyst, Ruth Karen Nakigozi, Chloe Fong, R. Benjamin Shapiro

专题命中 逻辑推理 ：reasoning(title,abstract)

AI总结 本文设计了两款游戏，通过同伴评估、基于约束的创造力和社会推理元素，促进青少年对生成式人工智能的社伦理推理。

Generative AI Spotlights the Human Core of Data Science: Implications for Education

生成AI揭示数据科学的人类核心：对教育的影响

Nathan Taback

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 生成AI揭示数据科学中不可还原的人类核心，教育应强化人类推理能力，通过迭代提示-输出-提示循环提升学生贡献能力，评估应侧重推理与判断。

AeroTherm-GPT: A Verification-Centered LLM Framework for Thermal Protection System Engineering Workflows

AeroTherm-GPT：一种面向热防护系统工程工作流的验证中心LLM框架

Chuhan Qiao, Jinglai Zheng, Jie Huang, Buyue Zhao, Fan Li, Haiming Huang

机构 * School of Civil Engineering, Beijing Jiaotong University（北京交通大学土木工程学院） ； Beijing Research Institute of Telemetry（北京遥测技术研究所） 纠错

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

AI总结 本文提出AeroTherm-GPT，一种专为热防护系统设计的LLM代理，通过约束闭环生成框架解决超音速热防护系统设计中生成可执行仿真工具时的约束冲突问题，实现高效率的根因修复。

LLM Agents as Social Scientists: A Human-AI Collaborative Platform for Social Science Automation

LLM代理作为社会科学家：一种人机协作的社会科学自动化平台

Lei Wang, Yuanzi Li, Jinchao Wu, Heyang Gao, Xiaohe Bo, Xu Chen, Ji-Rong Wen

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Beijing Key Laboratory of Big Data Management and Analysis Methods（大数据管理与分析方法北京市重点实验室） 纠错

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

AI总结 本文提出S-Researcher平台，通过LLM代理实现社会科学研究的高效化与规模化，结合自动编程、分布式架构和反馈驱动微调，构建人机协作的研究闭环，验证了三种推理模式在社会科学中的应用。

Bridging Large-Model Reasoning and Real-Time Control via Agentic Fast-Slow Planning

通过代理快慢规划弥合大模型推理与实时控制

Jiayi Chen, Shuai Wang, Guangxu Zhu, Chengzhong Xu

机构 * Shenzhen Research Institute of Big Data, The Chinese University of Hong Kong (Shenzhen)（深圳市大数据研究院，香港中文大学（深圳）） ； Shenzhen Institutes of Advanced Technology (SIAT), Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC), University of Macau（澳门大学智慧城市物联网国家重点实验室） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.AI

AI总结 本文提出一种分层框架，通过感知-决策-轨迹-控制的分离，提升自动驾驶系统在扰动下的鲁棒性，减少侧向偏移和完成时间。

Comments 8 pages, 12figures

DriveDreamer-Policy: A Geometry-Grounded World-Action Model for Unified Generation and Planning

DriveDreamer-Policy: 一种基于几何的世界-动作模型用于统一生成与规划

Yang Zhou, Xiaofeng Wang, Hao Shao, Letian Wang, Guosheng Zhao, Jiangnan Shao, Jiagang Zhu, Tingdong Yu, Zheng Zhu, Guan Huang, Steven L. Waslander

机构 * GigaAI ； University of Toronto（多伦多大学） ； CUHK MMLab（香港中文大学多媒体实验室） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI

AI总结 本文提出DriveDreamer-Policy，结合深度生成、未来视频生成与运动规划，通过几何感知的世界表示提升生成与规划的连贯性与准确性。

Comments 11 pages, 4 figures; Project Website: https://drivedreamer-policy.github.io/

UniDriveVLA: Unifying Understanding, Perception, and Action Planning for Autonomous Driving

UniDriveVLA: 联合理解、感知与行动规划以实现自动驾驶

Yongkang Li, Lijun Zhou, Sixu Yan, Bencheng Liao, Tianyi Yan, Kaixin Xiong, Long Chen, Hongwei Xie, Bing Wang, Guang Chen, Hangjun Ye, Wenyu Liu, Haiyang Sun, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； SKL-IOTSC, University of Macau（澳门大学智慧城市物联网国家重点实验室） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 UniDriveVLA通过专家解耦和三阶段训练策略，解决自动驾驶中感知与推理的冲突，实现空间感知与语义推理的统一，取得nuScenes和Bench2Drive的优异性能。

Comments code has been released at https://github.com/xiaomi-research/unidrivevla

ProCeedRL: Process Critic with Exploratory Demonstration Reinforcement Learning for LLM Agentic Reasoning

ProCeedRL: 带探索演示的强化学习过程批评用于LLM代理推理

Jingyue Gao, Yanjiang Guo, Xiaoshuai Chen, Jianyu Chen

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； Independent Researcher（独立研究者） ； Shanghai Qizhi Institute（上海期智研究院） 纠错

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

AI总结 本文提出ProCeedRL，通过过程批评和探索性演示提升LLM在多轮代理任务中的推理能力，解决探索过程中错误累积问题，提高探索效率。

Bayesian Elicitation with LLMs: Model Size Helps, Extra "Reasoning" Doesn't Always

基于LLM的贝叶斯 elicitation：模型大小有帮助，额外“推理”并不总有效

Luka Hobor, Mario Brcic, Mihael Kovac, Kristijan Poje

机构 * University of Zagreb Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程与计算学院） 纠错

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

AI总结 本文研究了LLM在贝叶斯 elicitation中的表现，发现更大模型更准确，但增加推理不总是有帮助。所有模型严重过度自信，95%置信区间覆盖真实值比例远低于预期，统计校准技术可修正此问题。

Comments 6 pages, 3 figures, 2 tables

PRISM: Robust VLM Alignment with Principled Reasoning for Integrated Safety in Multimodality

PRISM：面向多模态集成安全的原理化推理对齐

Nanxi Li, Zhengyue Zhao, G. Edward Suh, Marco Pavone, Chaowei Xiao

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； NVIDIA（英伟达） 纠错

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

AI总结 PRISM通过结构化四阶段推理过程，有效应对多模态安全违规，提升VLM的鲁棒性与安全性，同时保持模型实用性。

Planning in Branch-and-Bound: Model-Based Reinforcement Learning for Exact Combinatorial Optimization

在分支定界中的规划：基于模型的强化学习用于精确组合优化

Paul Strang, Zacharie Alès, Côme Bissuel, Olivier Juan, Safia Kedad-Sidhoum, Emmanuel Rachelson

专题命中 规划推理 ：planning(title)；分类 cs.LG

AI总结 本文提出PlanB&B，一种基于模型的强化学习方法，用于改进分支定界中的分支策略，通过在四个标准MILP基准上优于现有方法的实验验证其有效性。

When to ASK: Uncertainty-Gated Language Assistance for Reinforcement Learning

何时提问：用于强化学习的不确定性门控语言帮助

Juarez Monteiro, Nathan Gavenski, Gianlucca Zuin, Adriano Veloso

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出ASK方法，通过结合小型语言模型和训练好的RL策略，提升模型在分布外任务中的泛化能力，通过不确定性门控机制选择性利用语言模型进行决策，实验显示其在迁移任务中表现稳健。

Comments In Proceedings of International Joint Conference on Neural Networks (IJCNN)

Syntactic Framing Fragility: An Audit of Robustness in LLM Ethical Decisions

句法框架脆弱性：LLM伦理决策稳健性审计

Katherine Elkins, Jon Chun

机构 * Integrated Program in Humane Studies / AIColab（人文研究综合项目 / AIColab） ； Computing, Kenyon College（凯尼恩学院计算系） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出Syntactic Framing Fragility框架，用于量化LLM在逻辑等价句法变换下的决策一致性，发现开源模型在高风险决策中表现更脆弱，且否定性语法是主要失效模式。

Comments 23 pages, 14 figures

Do Large Language Models Mentalize When They Teach?

大型语言模型在教学时是否具备心智化能力？

Sevan K. Harootonian, Mark K. Ho, Thomas L. Griffiths, Yael Niv, Ilia Sucholutsky

机构 * Princeton University（普林斯顿大学） ； New York University（纽约大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI

AI总结 研究通过控制任务探讨LLM教学决策机制，发现LLM在教学策略上与人类相似，但Bayes-Optimal模型最佳解释其选择，提示提示合规性不等于教学效果提升。

Comments 9 pages, 5 figures. Workshop paper at ICML 2026

ORBIT: Scalable and Verifiable Data Generation for Search Agents on a Tight Budget

ORBIT：在有限预算下为搜索代理可扩展且可验证的数据生成

Nandan Thakur, Zijian Chen, Xueguang Ma, Jimmy Lin

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出ORBIT数据集，通过低成本框架生成20000个需多步推理的查询，用于训练搜索代理，实验表明其在维基百科问答中表现优异。

Comments Preprint

Multi-Agent Video Recommenders: Evolution, Patterns, and Open Challenges

多智能体视频推荐系统：演进、模式与开放挑战

Srivaths Ranganathan, Abhishek Dharmaratnakar, Anushree Sinha, Debanshu Das

机构 * Google LLC（谷歌公司） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文探讨多智能体视频推荐系统的演进、协作模式及挑战，分析了从早期MARL到LLM驱动架构的发展，并提出可扩展性、多模态理解等开放问题。

Comments Accepted for publication in The Nineteenth ACM International Conference on Web Search and Data Mining (WSDM Companion 2026)

ContextBudget: Budget-Aware Context Management for Long-Horizon Search Agents

ContextBudget: 长时间 horizon 搜索代理的预算感知上下文管理

Yong Wu, YanZhao Zheng, TianZe Xu, ZhenTao Zhang, YuanQiang Yu, JiHuai Zhu, Chao Ma, BinBin Lin, BaoHua Dong, HangCheng Zhu, RuoHui Huang, Gang Yu

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出BACM方法，通过预算约束的序列决策问题管理上下文，结合BACM-RL强化学习方法，在多目标问答和长时间网页浏览任务中优于现有方法，尤其在高复杂度场景下表现突出。

Grounding AI-in-Education Development in Teachers' Voices: Findings from a National Survey in Indonesia

将教育中的AI发展扎根于教师的声音：来自印度尼西亚全国调查的结果

Nurul Aisyah, Muhammad Dehan Al Kautsar, Arif Hidayat, Fajri Koto

机构 * Quantic School of Business and Technology（昆蒂克商业与技术学院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Indonesia University of Education（印度尼西亚教育大学） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.CL

AI总结 研究通过全国性调查揭示印尼教师对AI在教育中的应用现状，发现AI在教学、内容开发和教学媒体中日益普及，但应用不均，教师更倾向于利用AI减轻教学准备负担。