大模型推理能力

Towards Context-Aware Image Anonymization with Multi-Agent Reasoning

面向多智能体推理的上下文感知图像匿名化

Robert Aufschläger, Jakob Folz, Gautam Savaliya, Manjitha D Vidanalage, Michael Heigl, Martin Schramm

机构 * Deggendorf Institute of Technology（代根多夫应用技术大学） 纠错

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

AI总结 本文提出CAIAMAR框架，通过多智能体推理和扩散匿名化技术，实现上下文感知的PII分割，减少重识别风险并提升图像质量。

Comments Accepted to IEEE CVPR 2026 GRAIL-V Workshop

RecaLLM: Addressing the Lost-in-Thought Phenomenon with Explicit In-Context Retrieval

RecaLLM：通过显式上下文检索解决‘思维迷失’现象

Kyle Whitecross, Negin Rahimi

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 RecaLLM通过交替推理与显式上下文检索解决推理过程中因长上下文导致的检索性能下降问题，显著提升了RULER和HELMET基准测试表现。

Comments Code, data, and models available at https://github.com/kswhitecross/RecaLLM

Decomposing the Delta: What Do Models Actually Learn from Preference Pairs?

分解Delta：模型实际上从偏好对中学习了什么？

Chia-Hsuan Lee, Mingyang Zhou, Renkun Ni, Zelei Cheng, Sihui Dai, Supriyo Chakraborty, Shixiong Zhang, Sambit Sahu, William Campbell

机构 * Capital One（第一资本） 纠错

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

AI总结 研究探讨偏好对中生成器级和样本级Delta对推理性能的影响，发现提高生成器级Delta能提升跨领域推理性能，利用样本级Delta可提高训练效率。

OpenKedge: Governing Agentic Mutation with Execution-Bound Safety and Evidence Chains

OpenKedge: 通过执行绑定的安全性和证据链治理代理突变

Jun He, Deying Yu

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 OpenKedge通过引入执行绑定的安全性和证据链，将代理突变转化为受控过程，确保系统行为的可审计性和可预测性。

Comments 17 pages, 3 figures, 2 tables

OV-Stitcher: A Global Context-Aware Framework for Training-Free Open-Vocabulary Semantic Segmentation

OV-Stitcher：一种无需训练的全局上下文感知框架，用于开放词汇语义分割

Seungjae Moon, Seunghyun Oh, Youngmin Ro

机构 * Machine Intelligence Laboratory, University of Seoul, Korea（韩国首尔市立大学机器智能实验室） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出OV-Stitcher框架，通过直接拼接碎片化子图像特征，在最终编码器块中实现全局注意力，提升开放词汇分割的性能和一致性。

Overstating Attitudes, Ignoring Networks: LLM Biases in Simulating Misinformation Susceptibility

夸大态度，忽视网络：LLM在模拟虚假信息易感性中的偏见

Eun Cheol Choi, Lindsay E. Young, Emilio Ferrara

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

AI总结 研究探讨LLM在模拟虚假信息易感性中的偏见，发现其夸大信念与分享的关联，忽视网络特征，建议LLM模拟更适用于诊断而非替代人类判断。

Comments Accepted to ICWSM 2026

EXAONE 4.5 Technical Report

EXAONE 4.5 技术报告

Eunbi Choi, Kibong Choi, Sehyun Chun, Seokhee Hong, Junwon Hwang, Hyojin Jeon, Ahra Jo, Hyunjik Jo, Yeonsik Jo, Joonkee Kim, Seonghwan Kim, Soyeon Kim, Sunkyoung Kim, Yireun Kim, Yongil Kim, Changhun Lee, Haeju Lee, Jinsik Lee, Kyungmin Lee, Sangha Park, Kwangrok Ryoo, Minju Seo, Sejong Yang, Heuiyeen Yeen, Hwan Chang, Stanley Jungkyu Choi, Yejin Choi, Kyubeen Han, Joonwon Jang, Kijeong Jeon, Geunyeong Jeong, Gerrard Jeongwon Jo, Jiyeon Jung, Daeseong Kim, Dohoon Kim, Dohyun Kim, Hyunseo Kim, Minu Kim, Myoungshin Kim, Youchul Kim, Byungoh Ko, Christopher Lee, Edward Hwayoung Lee, Honglak Lee, Jiyoung Lee, Sangeun Lee, Seungwon Lim, Woohyung Lim, Jueun Mun, Jaewoo Park, Jimin Park, Jinho Park, Yongmin Park, Wooseok Seo, Yongwoo Song, Sihyuk Yi, Kyungjae Yoo, Sangyeon Yoon

机构 * LG AI Research（LG AI 研究院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 EXAONE 4.5通过集成专用视觉编码器扩展EXAONE 4.0框架，实现多模态预训练，提升文档理解和语言能力，支持256K tokens上下文长度，优于同类模型。

MemReader: From Passive to Active Extraction for Long-Term Agent Memory

MemReader：从被动到主动提取长期智能体记忆

Jingyi Kang, Chunyu Li, Ding Chen, Bo Tang, Feiyu Xiong, Zhiyu Li

机构 * China Telecom Research Institute（中国电信研究院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 MemReader通过主动提取机制提升长期记忆的准确性与一致性，实验表明其在知识更新、时间推理和减少幻觉任务中表现优异。

ActionNex: A Virtual Outage Manager for Cloud Computing

ActionNex：云计算中的虚拟故障管理器

Zhenfeng Lin, Haoji Hu, Ming Hao, Xuchao Zhang, Ryan Zhang, Junhao Li, Ze Li, Oleg Kulygin, Chetan Bansal, Hatay Tuna, Murali Chintalapati, Sheila Jiang, Salman Zafar, Angie Anderson

机构 * Microsoft PRIMO（微软PRIMO） ； Microsoft Research（微软研究院） ； Microsoft Azure Core（微软Azure Core） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出ActionNex，一个生产级智能系统，通过多模态信号处理和分层记忆子系统，实现故障管理的端到端支持，包括实时更新、知识蒸馏和基于角色和阶段的最优行动推荐，实验表明其在真实Azure故障中达到71.4%的精度和52.8-54.8%的召回率。

Intent Lenses: Inferring Capture-Time Intent to Transform Opportunistic Photo Captures into Structured Visual Notes

意图透镜：推断捕获时间意图以将机会性照片捕获转化为结构化视觉笔记

Ashwin Ram, Aeneas Leon Sommer, Martin Schmitz, Jürgen Steimle

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出意图透镜，通过大语言模型动态生成交互式对象，将捕获意图转化为结构化视觉笔记，提升信息复用和深度理解。

Do Vision Language Models Need to Process Image Tokens?

视觉语言模型是否需要处理图像标记？

Sambit Ghosh, R. Venkatesh Babu, Chirag Agarwal

机构 * IBM ； Indian Institute of Science（印度科学研究所） ； University of Virginia（弗吉尼亚大学） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文研究了视觉语言模型中图像标记的功能，发现视觉表示快速收敛至有限复杂度，而文本表示持续重构。视觉表示在不同层间可互换，任务依赖性影响视觉处理的必要性。

Comments Accepted (Oral) at TRUE-V Workshop CVPR 2026

Efficient Spatial-Temporal Focal Adapter with SSM for Temporal Action Detection

高效空间-时间聚焦适配器与SSM用于时间动作检测

Yicheng Qiu, Keiji Yanai

机构 * Department of Informatics The University of Electro-Communications Chofu, Tokyo, Japan 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出高效空间-时间聚焦适配器与SSM结合的方法，用于提升长视频中动作检测的定位精度与鲁棒性，通过综合时空特征建模与高效处理，验证了方法的有效性。

Comments ICME2026