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。
思维中的推理：潜在空间中的动态多模态交错
机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Stanford University（斯坦福大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
专题命中 推理评测 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL
AI总结 本文提出DMLR框架，通过动态潜在策略梯度优化和视觉注入策略，在潜在空间中实现视觉与文本的动态交错推理，提升多模态推理性能并保持高效推理。
AgriChain：基于视觉的专家验证推理用于可解释的农业视觉语言模型
专题命中 推理评测 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)
AI总结 本文提出AgriChain数据集，通过专家验证的推理链提升农业视觉语言模型的准确性和可解释性，实验表明其在植物病害诊断中优于多个基线模型。
Comments 9 pages
Journal ref LREC 2026
Orion-Lite：将LLM推理能力蒸馏到高效视觉-only驾驶模型
机构 * Eindhoven University of Technology（埃因霍温理工大学）
专题命中 推理评测 ：reasoning(title,abstract)；planning(abstract)
AI总结 本文提出Orion-Lite，通过潜特征蒸馏和真实轨迹监督，在闭环评估中实现高效视觉-only驾驶模型，超越大规模VLA模型ORION，达到Bench2Drive基准的80.6 Driving Score。
阐明‘为何’：对大语言模型中演绎推理的统一分类和调查
机构 * Sharif University of Technology（谢里夫理工大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文首次系统调研大语言模型中的演绎推理，提出统一的两阶段定义，分类现有工作，并通过基准测试和对比分析揭示当前方法的不足。
基于LLM的多模态推理用于加密流量解释：一个基准
机构 * School of Microelectronics and Communication Engineering, Chongqing University（重庆大学微电子与通信工程学院） ； School of Data Science, Lingnan University（岭南大学数据科学学院）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出BGTD基准和mmTraffic框架，通过结合原始字节与结构化注释，实现可解释的加密流量解释，生成高保真的人可读报告，同时保持高分类准确率。
Comments Project page \url{https://github.com/lgzhangzlg/Multimodal-Reasoning-with-LLM-for-Encrypted-Traffic-Interpretation-A-Benchmark}
与你共见：多模态推理中的感知-推理共进化
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Zhejiang University（浙江大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出PRCO框架，通过分离的奖励信号提升多模态推理的感知与推理能力，在八个基准测试中平均提升7个百分点。
Comments 21 pages, 15 figures, 6 tables
Reason-SVG：通过强化学习增强向量图形生成的结构化推理
机构 * Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学）
专题命中 推理评测 ：reasoning(title,abstract)
AI总结 Reason-SVG通过引入Drawing-with-Thought范式和混合奖励机制，提升大语言模型生成高质量SVG的能力，实现结构化推理与视觉一致性。
Comments Accepted by CVPR 2026. 16 pages, 7 figures
让 MLLMs 失明：MLLM 内容审核中的对抗走私攻击
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, CASIA（中国科学院自动化研究所多模态人工智能系统国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beijing Key Laboratory of Super Intelligent Security of Multi-Modal Information（北京市多模态信息超智能安全重点实验室） ； Hellogroup ； University of Washington（华盛顿大学） ； Jilin University（吉林大学） ； ShanghaiTech University（上海科技大学）
专题命中 推理评测 ：reasoning(abstract)；CoT(abstract)
AI总结 本文揭示了MLLM在内容审核中面临的新威胁——对抗走私攻击，通过SmuggleBench基准测试发现多种模型易受攻击，提出通过感知和推理角度分析其根本原因并探索缓解策略。
Comments Accepted to ACL 2026. 19 pages, 6 figures
AVGen-Bench: 一项面向多粒度评估的文本到音频视频生成任务驱动基准
机构 * Microsoft Research Asia（微软亚洲研究院） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 AVGen-Bench通过11个真实场景的高质量提示，结合轻量专家模型与多模态大语言模型，实现对文本到音频视频生成的多粒度评估，揭示了音频视觉美学与语义可靠性之间的显著差距。
视觉语言模型能否评判动作质量？一项实证评估
机构 * Sword Health ； Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等技术学院） ； INESC-ID（INESC-ID研究所）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文评估了视觉语言模型在动作质量评估中的表现，发现现有模型在多个领域仅略高于随机水平，且存在预测偏差，提示细粒度动作质量评估存在根本性困难。
GIRL：通过信息论幻觉控制实现生成性想象强化学习
机构 * Department of Computer Science and Engineering, Visvesvaraya Technological University (VTU), Belagavi, India（维斯瓦拉亚科技大学计算机科学与工程系，贝拉加维，印度） ； Aliens on Earth (AoE) Autonomous Research Group, Belagavi, India（地球外星人自主研究组，贝拉加维，印度）
专题命中 推理评测 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 GIRL通过引入跨模态锚定信号和不确定性适应信任区域瓶颈，解决模型误差累积导致的轨迹漂移问题，提升长周期任务的样本效率和回报性能。
Comments 20 pages, 2 figures, 7 tables; reinforcement learning, world models
少而精：通过混合后训练实现性能与置信度忠实的和谐统一
机构 * National University of Singapore, Singapore（新加坡国立大学） ； Singapore Management University, Singapore（新加坡管理大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出HyTuning框架，通过混合后训练方法在有限监督下提升模型准确性并实现置信度忠实，支持'少而精'的效果。
迈向高效的攻击性安全LLM代理：超参数调优、LLM作为裁判以及一个轻量级CTF基准
机构 * New York University（纽约大学） ； New York University Abu Dhabi（纽约大学阿布扎比分校） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； International Institute of Information Technology Hyderabad（国际信息技术学院海得拉巴分校）
专题命中 推理评测 ：planning(abstract)；分类 cs.AI
AI总结 本文系统研究了驱动代理成功的关键因素，提出CTFJudge框架和CTF Competency Index指标，分析超参数对性能的影响，并开放CTFTiny基准供研究。
超越社会压力：大型语言模型中知识攻击的基准测试
机构 * Independent Researcher（独立研究员）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出PPT-Bench基准测试，用于评估大型语言模型中的知识攻击，通过不同压力类型测试模型在面对知识、价值观或身份挑战时的一致性与反应。
MCP-DPT：模型上下文协议安全的防御放置分类与覆盖分析
机构 * Old Dominion University（老道明大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出MCP-DPT框架，分析模型上下文协议的安全性，识别防御点并揭示架构不匹配导致的安全漏洞。
GameWorld: 向标准化和可验证的多模态游戏代理评估迈进
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学）
专题命中 推理评测 ：planning(abstract)；分类 cs.AI
AI总结 GameWorld提出一个标准化且可验证的多模态游戏代理评估基准，包含34种游戏和170个任务，通过可验证的指标评估代理能力，揭示了当前代理在视频游戏中与人类能力的差距。
Comments 23 pages, 8 figures
多模态大语言模型在离散符号理解中的认知不匹配
机构 * Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； Independent Researcher（独立研究员） ； The Hong Kong Polytechnic University（香港理工大学） ； Guangdong Laboratory of AI and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
AI总结 研究发现多模态大语言模型在离散符号识别上表现欠佳，而在复杂推理任务上表现较好，揭示了当前系统依赖语言先验而非稳健视觉基础的问题。
代理SPARQL：在联邦知识图谱问答基准上评估基于SPARQL-MCP的智能代理
机构 * WU Vienna（维也纳经济大学） ； Leuphana Universität Lüneburg（吕讷堡大学） ； Complexity Science Hub Vienna（维也纳复杂性科学中心）
专题命中 推理评测 ：planning(abstract)；分类 cs.AI
AI总结 本文探讨了基于SPARQL-MCP的智能代理在联邦SPARQL查询中的潜力，扩展了知识图谱问答基准，并评估了通过MCP集成SPARQL联邦与LLM代理的能力。
GroupGPT: 一种高效且隐私保护的多用户聊天助手代理框架
机构 * East China Normal University（华东师范大学） ； University of Nottingham Ningbo（宁波诺丁汉大学） ； Xiamen University（厦门大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 GroupGPT通过边缘-云协作架构实现高效决策，支持多模态输入，减少token使用并保护隐私，通过MUIR基准测试验证其准确性和用户接受度。
Comments 14 pages, 8 figures
时间如何流逝？基于心理物理学的评估用于视觉-语言模型
机构 * Kyoto University（京都大学） ； Center for Information and Neural Networks（信息与神经网络中心） ； National Institute of Information and Communications Technology（国立信息通信技术研究所） ； The University of Osaka（大阪大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 本文通过心理物理学验证的基准测试评估了视觉-语言模型对时间方向的理解能力，发现大多数模型表现接近随机，且在物理不可逆过程和因果手动动作上远低于人类水平。
Comments 12 pages
KEO：通过知识图谱和RAG进行OMIn的领域知识提取
机构 * University of Notre Dame（圣母大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 KEO通过知识图谱和RAG框架提升航空安全维护中的领域知识提取与推理，实验显示其在全局理解上优于传统文本块RAG，同时保持对细粒度任务的有效性。
面向综合自动化路面状况评估的视觉-语言基础模型
机构 * North Dakota State University（北达科他州立大学） ； University of Memphis（孟菲斯大学）
专题命中 推理评测 ：reasoning(abstract)
AI总结 本文提出PaveInstruct数据集和PaveGPT模型，通过领域特定指令微调提升视觉-语言模型在路面状况评估中的性能，实现20%以上的提升，并满足ASTM D6433标准。
GALA: 多模态图对齐用于自动化程序修复中的缺陷定位
专题命中 推理评测 ：reasoning(abstract)
AI总结 GALA通过多模态图对齐方法，解决GUI截图场景下自动化程序修复的缺陷定位问题，通过结构化推理提升视觉与代码的映射精度。
Comments Code available at: https://github.com/lzyyyyy666/GALA
大语言模型能否解码二进制代码？对大型语言模型在伪代码解码中的系统分析
专题命中 推理评测 ：reasoning(abstract)
AI总结 本文系统评估了大语言模型在二进制解码中的有效性，提出BinDeObfBench基准测试，发现解码性能更依赖推理能力和领域知识，任务特定的监督微调优于广泛领域预训练。
基于传感器的人类活动识别的基石模型：一种综述与展望
专题命中 推理评测 ：reasoning(abstract)
AI总结 本文综述了基于传感器的人类活动识别中的基石模型，分析了九种技术轴上的设计模式与权衡，并探讨了数据整理、多模态对齐、个性化、隐私和负责任部署等开放挑战。
ProCap：面向空间增强现实的投影感知描述生成
机构 * Southwest University（西南大学） ； Westlake University（西湖大学）
专题命中 推理评测 ：reasoning(abstract)
AI总结 ProCap通过分离物理场景与投影内容，解决空间增强现实中的语义歧义问题，提出RGBP数据集和双描述评估协议，提升SAR的智能交互能力。
Comments 16 pages, 7 figures
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