大模型推理能力

Beyond Accuracy: Diagnosing Algebraic Reasoning Failures in LLMs Across Nine Complexity Dimensions

超越准确性：在九个复杂性维度上诊断大语言模型的代数推理失败

Parth Patil, Dhruv Kumar, Yash Sinha, Murari Mandal

机构 * Department of Computer Science & Information Systems BITS Pilani（比拉理工学院皮拉尼校区计算机科学与信息系统系） ； School of Computer Engineering, KIIT Bhubaneshwar（KIIT布巴内斯瓦尔分校计算机工程学院） 纠错

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

AI总结 本文提出一个九维代数复杂性框架，通过独立调整每个复杂性因素来诊断大语言模型的代数推理失败，发现工作内存是主要瓶颈，识别出五个关键维度以全面评估模型能力。

Comments Under Review as a conference paper at COLM 2026

One Life to Learn: Inferring Symbolic World Models for Stochastic Environments from Unguided Exploration

一次生命学习：从无指导探索中推断随机环境的符号世界模型

Zaid Khan, Archiki Prasad, Elias Stengel-Eskin, Jaemin Cho, Mohit Bansal

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Allen Institute for AI（艾伦人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 逻辑推理 ：planning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出OneLife框架，通过条件激活的程序法则在概率编程框架中推断随机环境的动态，实现从无指导探索中学习复杂环境的动力学，优于基线方法。

Comments Accepted to ICLR 2026. Project page: https://onelife-worldmodel.github.io/; 44 pages

AgentCity: Constitutional Governance for Autonomous Agent Economies via Separation of Power

AgentCity：通过权力分离实现自主代理经济的宪法治理

Anbang Ruan, Xing Zhang

机构 * NetX Foundation（NetX 基金会） 纠错

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

AI总结 本文提出通过权力分离模型，在区块链上实现自主代理经济的宪法治理，通过智能合约、确定性软件和人类裁决三者分离，解决代理社会逻辑垄断问题，实现人类意图与集体行为的对齐。

Comments 111 pages, 11 figures, 19 tables, 67 references. Pre-registered experimental design

Argus: Reorchestrating Static Analysis via a Multi-Agent Ensemble for Full-Chain Security Vulnerability Detection

Argus：通过多智能体集合重新编排静态分析以实现全链路安全漏洞检测

Zi Liang, Qipeng Xie, Jun He, Bohuan Xue, Weizheng Wang, Yuandao Cai, Fei Luo, Boxian Zhang, Haibo Hu, Kaishun Wu

机构 * The Hong Kong Polytechnic University（香港理工大学） ； HKUST（香港科技大学） ； SF Express（顺丰速运） ； Great Bay University（大湾区大学） 纠错

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

AI总结 Argus通过多智能体框架提升静态分析效率，结合RAG和ReAct技术减少漏洞误报，发现更多真实漏洞并降低运营成本。

Logical Robots: Declarative Multi-Agent Programming in Logica

逻辑机器人：逻辑编程中的多智能体编程

Evgeny Skvortsov, Yilin Xia, Ojaswa Garg, Shawn Bowers, Bertram Ludäscher

机构 * Google LLC（谷歌公司） ； University of Illinois（伊利诺伊大学） ； Gonzaga University（贡扎加大学） 纠错

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

AI总结 Logical Robots通过逻辑编程语言Logica实现多智能体仿真平台，将观察映射到动作输出，实现低层反应控制与高层规划的结合。

Comments International Conference on Autonomous Agents and Multiagent Systems (AAMAS), May 25-29, 2026. Paphos, Cyprus

Infrastructure First: Enabling Embodied AI for Science in the Global South

基础设施优先：为全球南方科学赋能具身AI

Shaoshan Liu, Jie Tang, Marwa S. Hassan, Mohamed H. Sharkawy, Moustafa M. G. Fouda, Tiewei Shang, Zixin Wang

机构 * Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS)（深圳市人工智能与机器人研究院（AIRS）） ； South China University of Technology（华南理工大学） ； National Research Centre (NRC)（国家研究中心（NRC）） ； British University in Egypt (BUE)（埃及英国大学（BUE）） ； National Institute of Clean-and-Low-Carbon Energy（国家清洁低碳能源研究所） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文探讨了通过具身AI赋能科学的基础设施优先方法，强调在人力、电力和网络受限的全球南方地区，通过可靠边缘计算、能效硬件和开放标准等基础设施提升科学能力。

Guiding Symbolic Execution with Static Analysis and LLMs for Vulnerability Discovery

通过静态分析和LLMs引导符号执行以发现漏洞

Md Shafiuzzaman, Achintya Desai, Wenbo Guo, Tevfik Bultan

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 SAILOR结合静态分析与LLM合成自动构建符号执行Harness，通过三个阶段发现内存安全漏洞，实验表明其在大规模代码库中显著提升漏洞检测效率。