大模型推理能力

Fake-HR1: Rethinking Reasoning of Vision Language Model for Synthetic Image Detection

Fake-HR1: 重新思考视觉语言模型在合成图像检测中的推理方式

Changjiang Jiang, Xinkuan Sha, Fengchang Yu, Jingjing Liu, Jian Liu, Mingqi Fang, Chenfeng Zhang, Wei Lu

机构 * Wuhan University（武汉大学） ； AntGroup（蚂蚁集团） ； Zhejiang University（浙江大学） 纠错

专题命中 其他推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.AI

AI总结 Fake-HR1通过两阶段训练框架实现自适应推理，提升合成图像检测性能与效率，优于现有LLMs。

Comments Accepted by ICASSP 2026

RealSR-R1: Reinforcement Learning for Real-World Image Super-Resolution with Vision-Language Chain-of-Thought

RealSR-R1: 用强化学习解决真实世界图像超分辨率问题

Junbo Qiao, Miaomiao Cai, Wei Li, Xudong Huang, Jie Hu, Xinghao Chen, Shaohui Lin, Hongkai Xiong

机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） 纠错

专题命中 其他推理 ：chain-of-thought(title)；reasoning(abstract)；CoT(abstract)

AI总结 本文提出RealSR-R1，通过视觉-语言链式推理框架和Group Relative Policy Optimization方法，提升真实世界图像超分辨率的生成质量与内容理解能力。

A Mechanistic Analysis of Looped Reasoning Language Models

循环推理语言模型的机理分析

Hugh Blayney, Álvaro Arroyo, Johan Obando-Ceron, Pablo Samuel Castro, Aaron Courville, Michael M. Bronstein, Xiaowen Dong

机构 * University of Oxford（牛津大学） ； Mila – Quebec AI Institute（魁北克AI研究所） 纠错

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

AI总结 本文分析了循环推理语言模型中潜在状态的机理，揭示了循环块在潜在空间中的稳定轨迹及注意力头行为的稳定特性。

Comments 39 pages, 63 figures

CASK: Core-Aware Selective KV Compression for Reasoning Traces

CASK：面向推理轨迹的核心感知选择性KV压缩

Buseong Kim, Heejun Gwon

机构 * d’strict Korea（d’strict 韩国） 纠错

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

AI总结 CASK通过核心保护与选择性擦除策略优化推理轨迹的KV缓存，提升内存效率和推理稳定性，在AIME24和AIME25测试中优于TriAttention。

Comments 25 pages, 8 figures, 3 main tables, appendices included

EviCare: Enhancing Diagnosis Prediction with Deep Model-Guided Evidence for In-Context Reasoning

EviCare: 通过深度模型引导的证据增强诊断预测

Hengyu Zhang, Xuyun Zhang, Pengxiang Zhan, Linhao Luo, Hang Lv, Yanchao Tan, Shirui Pan, Carl Yang

机构 * Macquarie University（麦考瑞大学） ； Fuzhou University（福州大学） ； Monash University（莫纳什大学） ； Griffith University（格里菲斯大学） ； Emory University（埃默里大学） 纠错

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

AI总结 EviCare通过整合深度模型指导的证据选择、证据优先级排序和关系证据构建，提升基于LLM的诊断预测性能，在MIMIC-III和MIMIC-IV数据集上实现20.65%的平均提升，尤其在新诊断预测上提升显著。

Comments Accepted by KDD 2026

Agri-R1: Agricultural Reasoning for Disease Diagnosis via Automated-Synthesis and Reinforcement Learning

Agri-R1：通过自动合成与强化学习进行农业疾病诊断的推理增强

Wentao Zhang, Mingkun Xu, Qi Zhang, Shangyang Li, Derek F. Wong, Lifei Wang, Yanchao Yang, Lina Lu, Tao Fang

机构 * Shandong University of Technology（山东理工大学） ； Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） ； Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） ； School of Physical Science and Technology, Beijing University of Posts and Telecommunications（北京邮电大学物理科学与技术学院） ； NLP2CT Lab, Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系自然语言处理与中葡机器翻译实验室） ； Institute of International Language Services Studies, Macau Millennium College（澳门千禧学院国际语言服务研究所） 纠错

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

AI总结 Agri-R1通过自动合成与强化学习提升农业疾病诊断，利用仅19%的数据生成高质量推理数据，采用改进的奖励函数提升模型在疾病识别和农业知识问答上的性能。

Comments This paper is submitted for review to the 2026 ACM MM Conference. The corresponding authors are Tao Fang and Lina Lu, where Tao Fang is the senior Corresponding Author (Last Author) and the principal supervisor of this work, having led the research design, guided the methodology, and overseen the entire project

Toward Explanatory Equilibrium: Verifiable Reasoning as a Coordination Mechanism under Asymmetric Information

迈向解释均衡：在信息不对称下可验证推理作为协调机制

Feliks Bańka, Jarosław A. Chudziak

专题命中 其他推理 ：reasoning(title,abstract)

AI总结 本文提出解释均衡概念，研究在信息不对称环境下，通过结构化推理 artifacts 和有限验证机制实现安全协调，证明结构化推理能有效降低不良批准率。

Comments 18 pages, 4 figures. Accepted for presentation at EXTRAAMAS 2026 (AAMAS 2026 workshop); to appear in post-proceedings

Bringing Value Models Back: Generative Critics for Value Modeling in LLM Reinforcement Learning

带回价值模型：生成式批评者在大语言模型强化学习中的价值建模

Zikang Shan, Han Zhong, Liwei Wang, Li Zhao

机构 * Peking University（北京大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 本文提出生成式批评者GenAC，通过链式推理改进价值建模，提升RL性能。

Comments 16 pages including appendix, 4 figures

IceCache: Memory-efficient KV-cache Management for Long-Sequence LLMs

IceCache: 用于长序列LLM的内存高效KV缓存管理

Yuzhen Mao, Qitong Wang, Martin Ester, Ke Li

机构 * Simon Fraser University（西蒙菲莎大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出IceCache，通过语义令牌聚类与PagedAttention结合，提升长序列LLM的内存效率与性能，实验表明其在256个令牌预算下保持99%的准确性，且在延迟和精度上优于其他方法。

From Speech to Profile: A Protocol-Driven LLM Agent for Psychological Profile Generation

从语音到档案：一种基于协议的LLM代理用于心理档案生成

Xingjian Yang, Yudong Yang, Zhixing Guo, Yongjie Zhou, Nan Yan, Lan Wang

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Key Laboratory of Biomedical Imaging Science and System, Chinese Academy of Sciences（中国科学院生物医学成像科学与系统重点实验室） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)

AI总结 本文提出StreamProfile框架，通过增量处理咨询语音，提取证据并生成可追溯的心理档案，有效避免幻觉和长上下文遗忘问题。

Competition and Cooperation of LLM Agents in Games

博弈中的大语言模型代理竞争与合作

Jiayi Yao, Cong Chen, Baosen Zhang

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)

AI总结 研究大语言模型代理在资源分配和Cournot竞争博弈中的行为，发现多轮提示和非零和上下文促进合作，基于公平性推理提出分析框架。

Comments Submitted to CDC'2026

Parallelism and Generation Order in Masked Diffusion Language Models: Limits Today, Potential Tomorrow

掩码扩散语言模型中的并行性与生成顺序：今日的限制，明日的潜力

Yangyang Zhong, Yanmei Gu, Zhengqing Zang, Xiaomeng Li, Yuqi Ding, Xibei Jia, Yuting Shen, Zhenzhong Lan, Liwang Zhu, Weiping Liu, Junlin Zhou, Haisheng Liu, Zhong Xin Yu, Pengxin Luo, Donglian Qi, Yunfeng Yan, Junbo Zhao

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； University of Chinese Academy of Social Sciences（中国社会科学院大学） ； Westlake University（西湖大学） 纠错

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

AI总结 研究评估了八种主流MDLM在58个基准上的表现，发现其并行性和生成顺序受任务领域和正确性影响显著，且在需要逆向信息的任务中表现更优，提出生成后编辑范式以提升效率。

Solving Physics Olympiad via Reinforcement Learning on Physics Simulators

通过物理模拟器强化学习解决物理竞赛

Mihir Prabhudesai, Aryan Satpathy, Yangmin Li, Zheyang Qin, Nikash Bhardwaj, Amir Zadeh, Chuan Li, Katerina Fragkiadaki, Deepak Pathak

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文通过物理模拟器生成合成数据，利用强化学习训练LLM，实现零样本迁移到现实物理竞赛，提升模型物理推理能力。

Comments Project Webpage - https://sim2reason.github.io/

Risk Awareness Injection: Calibrating Vision-Language Models for Safety without Compromising Utility

风险感知注入：为安全校准视觉-语言模型而不牺牲实用性

Mengxuan Wang, Yuxin Chen, Gang Xu, Tao He, Hongjie Jiang, Ming Li

机构 * Shien-Ming Wu School of Intelligent Engineering, South China University of Technology（华南理工大学吴贤铭智能工程学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； University of Electronic Science and Technology of China（电子科技大学） 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RAI框架，通过增强不安全信号恢复视觉-语言模型的安全识别能力，同时保持语义完整性，实验显示有效降低攻击成功率。

Domain-Specific Data Generation Framework for RAG Adaptation

面向RAG适应的领域特定数据生成框架

Chris Xing Tian, Weihao Xie, Zhen Chen, Zhengyuan Yi, Hui Liu, Haoliang Li, Shiqi Wang, Siwei Ma

机构 * Peng Cheng Laboratory（鹏城实验室） ； City University of Hong Kong（香港城市大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出RAGen框架，通过识别文档中的关键概念生成领域相关的问答对，支持多种RAG适应策略，提升领域适应效果。

Comments To appear in ACL 2026

Back to the Barn with LLAMAs: Evolving Pretrained LLM Backbones in Finetuning Vision Language Models

回到牛棚与LLAMAs：在微调视觉语言模型中进化预训练LLM骨干

Sameera Horawalavithana, Lauren Phillips, Ian Stewart, Sai Munikoti, Karl Pazdernik

机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室） 纠错

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

AI总结 研究探讨了在微调视觉语言模型时，不同预训练LLM骨干对下游任务性能的影响，发现新版本LLM并非总能提升性能，且表现依赖具体任务。

Comments Preprint and under review

Verify Before You Fix: Agentic Execution Grounding for Trustworthy Cross-Language Code Analysis

在修复前验证：面向可信跨语言代码分析的代理执行 grounding

Jugal Gajjar

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

AI总结 本文提出统一的跨语言漏洞生命周期框架，通过LLM驱动的三个阶段：混合结构-语义检测、执行 grounding 的代理验证和验证-aware 的迭代修复，确保修复前有执行验证。框架利用uAST和图神经网络融合，实现高准确率的漏洞检测与跨语言修复。

Comments 20 pages (13 main + 7 appendices), 9 figures, 10 tables. Submitted to NeurIPS 2026

ACE-TA: An Agentic Teaching Assistant for Grounded Q&A, Quiz Generation, and Code Tutoring

ACE-TA：一种基于代理的教学助手用于 grounded Q&A、测验生成和代码辅导

Himanshu Tripathi, Charlottee Crowell, Kaley Newlin, Subash Neupane, Shahram Rahimi, Jason Keith

机构 * University of Alabama（阿拉巴马大学） ； Brown University（布朗大学） ； Meharry Medical College（梅哈里医学院） ； Iowa State University of Science and Technology（爱荷华州立科技大学） 纠错

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

AI总结 ACE-TA利用预训练大语言模型，通过三个协调模块实现概念性问题的路由，提供精确解释、生成自适应测验并指导学生逐步学习代码。

Towards Efficient Large Vision-Language Models: A Comprehensive Survey on Inference Strategies

迈向高效的大型视觉-语言模型：关于推理策略的综合调查

Surendra Pathak, Bo Han

机构 * George Mason University（乔治梅森大学） 纠错

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

AI总结 本文综述了提升大型视觉语言模型推理效率的最新方法，从视觉token压缩、内存管理、架构设计和解码策略四个维度进行分类，并指出当前方法的局限性及未来研究方向。

Comments 12 pages

Catalog-Native LLM: Speaking Item-ID Dialect with Less Entanglement for Recommendation

基于目录的LLM：以更少的纠缠进行推荐的口语化项ID表达

Reza Shirkavand, Xiaokai Wei, Chen Wang, Zheng Hui, Heng Huang, Michelle Gong

机构 * University of Maryland - College Park（马里兰大学帕克分校） ； Roblox ； University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出IDIOMoE模型，通过将物品交互历史视为语言空间中的本地方言，结合预训练LLM的文本理解和协作信号，提升推荐性能。

Escaping the Context Bottleneck: Active Context Curation for LLM Agents via Reinforcement Learning

突破上下文瓶颈：通过强化学习实现LLM代理的主动上下文精修

Xiaozhe Li, Tianyi Lyu, Yizhao Yang, Liang Shan, Siyi Yang, Ligao Zhang, Zhuoyi Huang, Qingwen Liu, Yang Li

机构 * Tongji University（同济大学） ； Stanford University（斯坦福大学） ； CurrentsAI Research（CurrentsAI 研究院） 纠错

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

AI总结 本文提出一种解耦上下文管理和任务执行的框架，通过强化学习训练轻量级策略模型ContextCurator，有效减少工作内存中的信息熵，提升LLM在长周期任务中的表现。

TRACE: An Experiential Framework for Coherent Multi-hop Knowledge Graph Question Answering

TRACE: 一种用于连贯多跳知识图谱问答的经验框架

Yingxu Wang, Jiaxin Huang, Mengzhu Wang, Nan Yin

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Hebei University of Technology（河北工业大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 TRACE框架通过整合语言模型驱动的上下文推理与探索先验，提升多跳知识图谱问答的连贯性和鲁棒性，实验表明其优于现有方法。

BoxTuning: Directly Injecting the Object Box for Multimodal Model Fine-Tuning

BoxTuning：直接注入物体框进行多模态模型微调

Zekun Qian, Ruize Han, Wei Feng

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology（深圳理工大学计算机科学与人工智能学院） 纠错

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

AI总结 BoxTuning通过将物体空间时间信息直接注入视觉模态，解决多模态大语言模型在视频问答中物体细粒度定位的不足，显著降低token成本并保持时间分辨率，实验表明其在空间导向任务中优于文本坐标方法。

FlashMem: Distilling Intrinsic Latent Memory via Computation Reuse

FlashMem: 通过计算复用提炼内在潜在记忆

Yubo Hou, Zhisheng Chen, Tao Wan, Zengchang Qin

机构 * School of ASEE, Beihang University（北京航空航天大学ASEE学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of BME, Beijing Advanced Innovation Center for BME, Beihang University（北京航空航天大学生物医学工程学院/北京生物医学工程高精尖创新中心） ； CAIR and CECS, VinUniversity（VinUniversity计算与人工智能研究中心/计算机工程与计算机科学系） 纠错

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

AI总结 FlashMem通过计算复用直接从临时推理状态提炼内在记忆，消除冗余重参数化，提升推理效率和持久认知能力。

PRISM Risk Signal Framework: Hierarchy-Based Red Lines for AI Behavioral Risk

PRISM风险信号框架：基于层级的AI行为风险红线

Seulki Lee

机构 * AI Integrity Organization (AIO)（AI诚信组织） 纠错

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

AI总结 本文提出基于层级的PRISM框架，定义27种行为风险信号，通过双重阈值原则评估，区分确认风险与预警信号，提升AI安全性的前瞻性、全面性和可测量性。

Comments 13 pages, 13 tables, 1 appendix

AI Integrity: A New Paradigm for Verifiable AI Governance

AI可信性：可验证AI治理的新范式

Seulki Lee

机构 * AI Integrity Organization (AIO)（人工智能诚信组织（AIO）） 纠错

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

AI总结 本文提出AI可信性概念，旨在通过保护AI系统中的权威堆栈，确保推理过程可验证，不同于现有AI伦理、安全和对齐范式。

Comments 13 pages, 8 tables

Pseudo-Unification: Entropy Probing Reveals Divergent Information Patterns in Unified Multimodal Models

伪统一：熵探测揭示统一多模态模型中分歧的信息模式

Songlin Yang, Xianghao Kong, Anyi Rao

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

AI总结 研究揭示统一多模态模型中伪统一现象的根源，通过信息论方法分析输入编码和输出生成，发现模态不对称编码和响应模式分裂是导致分歧的主要原因，强调信息流一致性对真实多模态协同的重要性。

Cooperation in Human and Machine Agents: Promise Theory Considerations

人类与机器代理中的合作：承诺理论考虑

M. Burgess

机构 * ChiTek-i AS 纠错

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

AI总结 本文探讨人类与机器代理合作中的承诺理论，分析其在组织设计和功能实现中的统一视角，涵盖人类、硬件、软件及AI的合作与互动。

Large Language Model as An Operator: An Experience-Driven Solution for Distribution Network Voltage Control

大语言模型作为算子：一种经验驱动的配电网电压控制解决方案

Xu Yang, Chenhui Lin, Licheng Sha, Liping Yang, Shuzhou Wu, Xichen Tian, Haotian Liu, Wenchuan Wu

机构 * State Key Laboratory of Power Systems（电力系统国家重点实验室） ； State Grid Beijing Electric Power Company（国网北京市电力公司） ； Department of Electrical Engineering, Tsinghua University（清华大学电机工程与应用电子技术系） 纠错

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

AI总结 本文提出基于大语言模型的经验驱动日提前电压/无功调度方案，通过多模块协作实现调度策略的自进化，实验验证了该方法在信息不完整情况下的有效性。

An overview of condensation phenomenon in deep learning

深度学习中冷凝现象综述

Zhi-Qin John Xu, Yaoyu Zhang, Zhangchen Zhou

机构 * School of Mathematical Sciences, Institute of Natural Sciences, MOE-LSC, Shanghai Jiao Tong University（上海交通大学数学科学学院、自然科学研究院、教育部科学与工程计算重点实验室） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

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

AI总结 本文综述了神经网络非线性训练中观察到的冷凝现象，探讨了冷凝过程的机制及其对网络泛化能力和transformer语言模型推理能力的影响。