大模型推理能力

Neural Chain-of-Thought Search: Searching the Optimal Reasoning Path to Enhance Large Language Models

神经链式推理搜索：寻找最优推理路径以增强大语言模型

Guoming Ling, Zhongzhan Huang, Yupei Lin, Junxin Li, Shanshan Zhong, Hefeng Wu, Liang Lin

机构 * Sun Yat-sen University（中山大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.CL

AI总结 本文提出神经链式推理搜索框架，通过动态搜索最优推理策略提升大语言模型性能，实验表明在多个基准测试中准确率提升超3.5%，生成长度减少超22%。

Addressing Overthinking in Large Vision-Language Models via Gated Perception-Reasoning Optimization

通过门控感知-推理优化解决大视觉-语言模型中的过度思考

Xingjian Diao, Zheyuan Liu, Chunhui Zhang, Weiyi Wu, Keyi Kong, Lin Shi, Kaize Ding, Soroush Vosoughi, Jiang Gui

机构 * Dartmouth College（达特茅斯学院） ； University of Notre Dame（诺丁汉大学） ； Cornell University（康奈尔大学） ； Northwestern University（西北大学） 纠错

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

AI总结 本文提出GPRO方法，通过动态路由计算路径提升大视觉-语言模型的推理效率与准确性，减少过度思考带来的冗余响应。

Comments Accepted to Annual Meeting of the Association for Computational Linguistics (ACL 2026)

Goal2Skill: Long-Horizon Manipulation with Adaptive Planning and Reflection

Goal2Skill：基于自适应规划与反思的长时程操作

Zhen Liu, Xinyu Ning, Zhe Hu, Xinxin Xie, Weize Li, Zhipeng Tang, Chongyu Wang, Zejun Yang, Hanlin Wang, Yitong Liu, Zhongzhu Pu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出双系统框架，通过分离高层语义推理与低层运动执行，提升长时程操作的鲁棒性和适应性，实验表明其在RMBench任务中显著优于基线方法。

Cognitive Offloading in Agile Teams: How Artificial Intelligence Reshapes Risk Assessment and Planning Quality

敏捷团队中的认知卸载：人工智能如何重塑风险评估与规划质量

Adriana Caraeni, Alexander Shick, Andrew Lan

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

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

AI总结 本文通过实验比较AI、人类和混合规划模型，发现AI虽高效但风险评估差，人类虽灵活但成本高，提出混合框架提升规划质量。

Comments 7 pages, 5 Tables, under review

Agentic Conversational Search with Contextualized Reasoning via Reinforcement Learning

基于强化学习的上下文化推理对话搜索代理

Fengran Mo, Yifan Gao, Sha Li, Hansi Zeng, Xin Liu, Zhaoxuan Tan, Xian Li, Jianshu Chen, Dakuo Wang, Meng Jiang

机构 * University of Montreal（蒙特利尔大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Notre Dame（诺特丹大学） ； Northeastern University（东北大学） 纠错

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

AI总结 本文提出一种基于强化学习的对话搜索代理，通过在对话轮次中交替搜索与推理，实现探索性与适应性行为，优于现有基准方法。

Comments Accepted by ACL 2026 (Findings)

In-Context Autonomous Network Incident Response: An End-to-End Large Language Model Agent Approach

上下文自主网络事件响应：一种端到端的大语言模型代理方法

Yiran Gao, Kim Hammar, Tao Li

机构 * Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； Department of Electrical and Electronic Engineering, University of Melbourne（墨尔本大学电子与电气工程系） 纠错

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

AI总结 本文提出一种端到端的大语言模型代理方法，通过整合感知、推理、规划和行动功能，实现网络事件响应的自主学习与适应，实验表明其恢复效率比前沿模型快23%。

Comments 2026 AAAI Summer Symposium on Human-Aware AI Agents for the Cyber Battlefield

Reason in Chains, Learn in Trees: Self-Rectification and Grafting for Multi-turn Agent Policy Optimization

链式推理，树状学习：多轮智能体策略优化的自我校正与嫁接

Yu Li, Sizhe Tang, Tian Lan

机构 * Department of Electrical and Computer Engineering, George Washington University（电气与计算机工程系，乔治·华盛顿大学） 纠错

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T-STAR框架，通过构建认知树整合轨迹，引入自我校正机制和上下文思维嫁接，提升多轮推理任务中策略优化效果。

Hierarchical DLO Routing with Reinforcement Learning and In-Context Vision-language Models

基于强化学习和上下文视觉-语言模型的分层DLO路由

Mingen Li, Houjian Yu, Yixuan Huang, Youngjin Hong, Hantao Ye, Changhyun Choi

机构 * Department of Electrical and Computer Engineering, University of Minnesota（明尼苏达大学电气与计算机工程系） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 本文提出了一种自主分层框架，利用视觉-语言模型进行上下文高层推理，结合强化学习训练的低层技能，解决长视距DLO路由任务，实现92%的成功率。

Comments 8 pages, 6 figures, 3 tables

Rethinking AI Hardware: A Three-Layer Cognitive Architecture for Autonomous Agents

重新思考人工智能硬件：一种三层认知架构用于自主代理

Li Chen

机构 * LI CHEN（李晨） 纠错

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

AI总结 本文提出Tri-Spirit架构，通过分解智能为规划、推理和执行三层，提升自主系统效率，实验显示任务延迟和能耗降低显著。

Comments A system architecture paper with simulation-based evaluation

Agentic Open RAN: A Deterministic and Auditable Framework for Intent-Driven Radio Control

代理式开放无线接入网：一种确定性和可审计的意图驱动无线控制框架

Hengxu Li, Dongkuan Xu, Mingzhe Chen, Yuchen Liu

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

AI总结 本文提出A1gent框架，通过分离推理与实时执行，实现意图驱动的无线控制，结合非实时代理和近实时代理，确保可审计的协调与可预测的适应性。

Comments 6 pages, 5 figures. Accepted at IEEE ICC 2026

Debate to Align: Reliable Entity Alignment through Two-Stage Multi-Agent Debate

辩论以对齐：通过双阶段多智能体辩论实现可靠的实体对齐

Cunda Wang, Ziying Ma, Po Hu, Weihua Wang, Feilong Bao

机构 * Hubei Provincial Key Laboratory of Artificial Intelligence and Smart Learning, Central China Normal University, Wuhan, China（湖北人工智能与智能学习省级重点实验室，中央财经大学，武汉，中国） ； School of Computer Science, Central China Normal University, Wuhan, China（中央财经大学计算机科学学院，武汉，中国） ； National Language Resources Monitoring and Research Center for Network Media, Central China Normal University, Wuhan, China（网络媒体语言资源监测与研究中心，中央财经大学，武汉，中国） ； College of Computer Science, Inner Mongolia University, Hohhot, China（内蒙古大学计算机学院，呼和浩特，中国） ； National and Local Joint Engineering Research Center of Intelligent Information Processing Technology for Mongolian, Inner Mongolia University, Hohhot, China（蒙古语智能信息处理技术国家与地方联合工程研究中心，内蒙古大学，呼和浩特，中国） ； Inner Mongolia Key Laboratory of Multilingual Artificial Intelligence Technology, Inner Mongolia University, Hohhot, China（内蒙古多语言人工智能技术重点实验室，内蒙古大学，呼和浩特，中国） 纠错

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

AI总结 本文提出AgentEA框架，通过双阶段多角色辩论机制提升实体对齐的可靠性，实验表明其在跨语言、稀疏、大规模和异构场景下均有效。

CANVAS: Continuity-Aware Narratives via Visual Agentic Storyboarding

CANVAS：通过视觉代理脚本实现连续性叙事

Ishani Mondal, Yiwen Song, Mihir Parmar, Palash Goyal, Jordan Boyd-Graber, Tomas Pfister, Yale Song

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； Google（谷歌） 纠错

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

AI总结 CANVAS通过多代理框架实现多镜头叙事中的视觉连续性，提升背景、角色和道具的一致性，优于现有基准，背景连续性提升21.6%。

Multi-Task LLM with LoRA Fine-Tuning for Automated Cancer Staging and Biomarker Extraction

多任务LLM结合LoRA微调用于自动癌症分期和生物标志物提取

Jiahao Shao, Anam Nawaz Khan, Christopher Brett, Tom Berg, Xueping Li, Bing Yao

机构 * Department of Industrial & Systems Engineering, The University of Tennessee, Knoxville（工业与系统工程系，田纳西大学， Knoxville） 纠错

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

AI总结 本文提出一种参数高效、多任务框架，利用LoRA微调LLM实现乳腺癌TNM分期、组织学分级和生物标志物的自动化提取，实验显示其在宏F1分数上达到0.976，优于传统方法。

Comments 11 pages, 3 figures and 4 tables in the main manuscript. Additional content, figures and tables are in supplementary material section. 17 pages in total

UNBOX: Unveiling Black-box visual models with Natural-language

UNBOX：通过自然语言揭示黑盒视觉模型

Simone Carnemolla, Chiara Russo, Simone Palazzo, Quentin Bouniot, Daniela Giordano, Zeynep Akata, Matteo Pennisi, Concetto Spampinato

机构 * University of Catania（卡塔尼亚大学） ； Technical University of Munich（慕尼黑技术大学） ； Helmholtz Munich（海德堡-慕尼黑马克斯·普朗克研究所） 纠错

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

AI总结 UNBOX在无数据、无梯度、无反向传播约束下，利用大语言模型和扩散模型生成可解释文本描述，揭示模型隐含概念与潜在偏见，通过实验验证其在ImageNet-1K等数据集上的有效性。

Comments Under review at IJCV

Acts of Configuration: Rethinking Provenance, Temporality and Legitimacy in Post-Mortem Agents

配置行为：重新思考死后代理的来源、时间和合法性

Kellie Yu Hui Sim, Pin Sym Foong, Darryl Lim, John-Henry Lim, Kenny Tsu Wei Choo

专题命中 规划推理 ：planning(abstract)

AI总结 本文通过工作坊探讨死后代理在决策能力丧失后如何配置，发现人们更倾向于基于第一方授权的有限代理，但时间因素促使代理在能力丧失后保持静止并影响后续使用。

Comments Accepted at DIS 2026 (PWiP). 5 pages, 2 figures

Self-adaptive Multi-Access Edge Architectures: A Robotics Case

自适应多接入边缘架构：机器人案例

Mahyar T Moghaddam, Joakim Leed, Anders Frandsen

机构 * University of Southern Denmark（丹麦南部大学） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出一种自适应计算系统，用于混合人类-机器人环境，通过神经网络预测人类移动行为，提升移动机器人路径规划并确保安全，采用边缘计算系统优化处理效率。

A Multimodal Clinically Informed Coarse-to-Fine Framework for Longitudinal CT Registration in Proton Therapy

一种多模态的临床导向粗到细框架用于质子治疗纵向CT配准

Caiwen Jiang, Yuzhen Ding, Mi Jia, Samir H. Patel, Terence T. Sio, Jonathan B. Ashman, Lisa A. McGee, Jean-Claude M. Rwigema, William G. Rule, Sameer R. Keole, Sujay A. Vora, William W. Wong, Nathan Y. Yu, Michele Y. Halyard, Steven E. Schild, Dinggang Shen, Wei Liu

机构 * Department of Radiation Oncology, Mayo Clinic, Phoenix, Arizona, USA（梅奥诊所放射肿瘤科） ； School of Biomedical Engineering, ShanghaiTech University, Shanghai, China（上海科技大学生物医学工程学院） ； Shanghai United Imaging Intelligence Co., Ltd., Shanghai 200230, China（上海联合影像智能科技有限公司） ； Shanghai Artificial Intelligence Laboratory, Shanghai 200232, China（上海人工智能实验室） ； Shanghai Clinical Research and Trial Center, Shanghai 201210, China（上海临床研究与试验中心） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出一种多模态的临床导向粗到细框架，结合质子放疗工作流程中的多种信息，提升纵向CT配准的准确性和临床适用性。

Dynamic Regret in Time-varying MDPs with Intermittent Information

时间变化马尔可夫决策过程中的动态遗憾

Negin Musavi, Melkior Ornik

专题命中 规划推理 ：planning(abstract)

AI总结 本文研究了在有限更新率下时间变化马尔可夫决策过程中的序列决策问题，提出了一种跳过更新学习与规划框架，通过基于似然的转移核估计和有限时间跨度规划，在更新间使用过时信息执行策略，并分析了其动态遗憾性能。

LEO-RobotAgent: A General-purpose Robotic Agent for Language-driven Embodied Operator

LEO-RobotAgent: 一种通用的基于语言的机器人代理框架

Lihuang Chen, Xiangyu Luo, Jun Meng

机构 * Zhejiang University, Hangzhou 310000, P. R. China（浙江大学，杭州310000，中华人民共和国） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出LEO-RobotAgent框架，旨在通过语言驱动实现机器人在复杂场景中完成多样化任务，具备强泛化能力、鲁棒性和高效性，降低人机交互门槛。