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。
具有预算意识的任意时间推理与LLM合成的偏好数据
机构 * Columbia University（哥伦比亚大学） ； Oracle AI
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.CL
AI总结 研究在有限计算预算下LLM的推理行为，提出任意时间推理框架和Anytime Index指标，通过LLM合成的偏好数据提升推理效率与质量。
Comments ACL 2026 Findings, 13 pages, 3 figures, 1 table
SYMBOLIZER：基于VLMs的符号模型无关任务规划
机构 * RWTH Aachen（亚琛理工大学） ； University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔人工智能与机器学习研究院）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 本文提出SYMBOLIZER框架，利用VLMs将图像转化为符号状态，结合启发式搜索实现跨领域任务规划，优于直接VLM规划并可与基于启发式的传统方法媲美。
Comments under review
UniDomain：从真实世界演示中预训练一个统一的PDDL领域以实现可泛化的机器人任务规划
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 UniDomain通过预训练统一的PDDL领域，结合机器人操作演示，实现可泛化的任务规划，实验显示其在零样本情况下任务成功率和计划优化度显著提升。
Comments Accepted at NeurIPS 2025
Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025)
Re²MoGen：通过LLM推理和物理感知细化的开放词汇运动生成
机构 * East China University of Science and Technology（东华大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI））
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)
AI总结 Re²MoGen通过LLM推理生成初始运动计划，并利用强化学习细化物理合理性，实现开放词汇运动生成的高质量输出。
WhatIf: 交互式探索基于大语言模型的社会模拟用于政策推理
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)
AI总结 WhatIf系统通过实时交互帮助政策制定者探索基于大语言模型的社会模拟，支持在深度不确定性下进行政策推理，提升决策过程的灵活性和可解释性。
GaLa：基于超图的视觉语言模型用于程序规划
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳）） ； Chongqing Research Institute of HIT（重庆哈尔滨工业大学研究院）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 GaLa通过超图表示学习，有效捕捉物体间的隐含语义关系和功能区域的层次结构，提升多模态程序规划的性能。
Comments 14pages, 7figures
Journal ref ACL 2026(Findings)
ADAPT：在未指定 affordance 约束下评估常识规划的基准测试
机构 * National Taiwan University（国立台湾大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； National Tsing Hua University（国立清华大学）
专题命中 规划推理 ：planning(title)；reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出 ADAPT 模块，通过显式 affordance 推理提升智能具身代理的鲁棒性和任务成功率，展示了领域适应的视觉语言模型在 affordance 推理中的优越性。
通过语义多样探索增强高效推理
机构 * Shandong University（山东大学） ； Leiden University（莱顿大学） ； Baidu Inc.（百度公司）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出ROSE方法，通过语义熵分支策略和ε探索机制提升大语言模型的推理多样性与效率，并通过实验验证其有效性。
Comments Accepted at ACL 2026 Main
STRIDE-ED：一种基于策略的分步推理框架用于共情对话系统
机构 * School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University, China（人工智能学院、光学与电子学（iOPEN）、西北工业大学，中国） ； School of Artificial Intelligence and Big Data, Henan University of Technology, China（人工智能与大数据学院、河南理工大学，中国） ； School of Computer Science, Northwestern Polytechnical University, China（计算机学院、西北工业大学，中国）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出STRIDE-ED框架，通过结构化策略引导推理，解决共情对话中策略意识和上下文敏感决策的难题，实验表明其在多种LLM上表现优异。
Comments Accepted by ACL 2026
CBR-to-SQL：重新思考基于检索的文本到SQL方法：在医疗领域使用基于案例的推理
机构 * Department of Computer Science Aalto University（奥卢大学计算机科学系） ； Department of Clinical Medicine Aalborg University（奥尔堡大学临床医学系）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出CBR-to-SQL框架，通过分解检索增强生成的两阶段检索，提升医疗领域文本到SQL的准确性和效率。
一种考虑不一致性的多模态框架与多智能体临床推理
机构 * Department of Computer Science（计算机科学系） ； Kent State University（肯特州立大学） ； Department of Biomedical Engineering（生物医学工程系） ； Cleveland Clinic（克利夫兰诊所）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种结合机器学习模型与多智能体推理系统的多模态框架，用于预测膝骨关节炎的进展并生成临床管理建议。
意图解释规划：在检索增强语言模型中实现源忠实的解释
机构 * Collegium Helveticum, ETH Zurich（瑞士苏黎世联邦理工学院学院） ； University of Zurich（瑞士苏黎世大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.AI
AI总结 研究通过意图宏观规划提升检索增强语言模型中解释的源忠实性，通过链式意图提示提升源忠实度，实验显示在部分模型中提升显著，但整体效果仍有限。
Comments 24 pages; Accepted for publication at XAI'2026
JudgeMeNot: 为 Hebrew 语境下的司法推理个性化大型语言模型
机构 * Computer and Information Science Ben-Gurion University of the Negev（计算机与信息科学贝内尔·加隆大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出一种合成有机监督流程，通过将原始司法判决转化为指令微调数据，实现低资源环境下对法官个性化模型的高效微调，并在三个任务中验证了因果语言模型结合合成指令微调的优越性。
Comments To appear in Findings of the ACL 2026
图、大语言模型与代理的整合：推理与检索
机构 * Canadian Institute for Cybersecurity, Faculty of Computer Science, University of New Brunswick（加拿大网络安全研究所，计算机科学学院，新不伦瑞克大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文综述了图与大语言模型整合的设计选择，分类了基于用途、图模态和整合策略的方法，探讨了不同领域中的适用场景和优缺点。
ARMove: 通过代理推理学习预测人类移动
机构 * Tencent（腾讯） ； Zhongguancun Academy（中关村学院） ； Alibaba Group（阿里巴巴集团） ； Meituan（美团）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 ARMove通过代理推理方法，解决人类移动预测中的可解释性、迭代学习和迁移性问题，实验表明其在六个指标上优于现有方法，且在不同地区和用户群体中表现稳健。
BrainMem: 为具身智能任务规划设计的脑启发式记忆系统
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Tianjin University, Tianjin, China（天津大学，天津，中国）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出BrainMem，一种无训练的分层记忆系统，通过构建知识图谱和符号指南，提升具身智能在复杂环境中的任务规划能力，尤其在长周期和空间复杂任务中表现突出。
CogDriver：通过整合认知惯性实现自动驾驶中的时间一致规划
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Li Auto Inc.（利汽车公司）
专题命中 规划推理 ：planning(title,abstract)
AI总结 本文提出CogDriver框架，通过引入认知惯性提升自动驾驶中的时间一致性规划能力，通过大规模视觉-语言-动作数据集和稀疏时间记忆架构，显著提升了闭环驾驶得分和模仿准确性。
超越市政厅：空间锚定与大语言模型代理用于可扩展的参与式城市规划
专题命中 规划推理 ：planning(title,abstract)
AI总结 本文提出一种可扩展的数字参与平台，通过空间锚定和大语言模型代理提升公众在可持续城市规划中的参与度，实验显示沉浸式展示提高了信息回忆并促进集体可持续发展反馈。
全局神经世界模型：用于动作条件规划的空间接地离散拓扑
机构 * Western Digital Corporation（西部数据公司）
专题命中 规划推理 ：planning(title)；分类 cs.AI、cs.LG
AI总结 本文提出全局神经世界模型，通过平衡的连续熵约束实现拓扑量化，采用连续动作条件联合嵌入预测架构，将环境映射到离散2D网格，防止流形漂移，通过最大熵探索学习通用过渡动态。
Comments 12 pages, 8 figures
ProtoCycle：基于反思的工具增强规划用于文本引导的蛋白质设计
机构 * Shanghai Jiao Tong University, School of Mathematical Sciences（上海交通大学数学科学学院） ； DP Technology（DP技术） ； University of Science and Technology of China（中国科学技术大学） ； AI for Science Institute（AI for Science研究院）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 本文提出ProtoCycle框架，通过LLM驱动的反馈循环和轻量级工具环境，提升文本引导蛋白质设计的序列质量。
Comments 25 pages, 11 figures. Accepted to Findings of ACL 2026
SEARL：自进化智能体中策略与工具图记忆的联合优化
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 SEARL通过构建结构化经验记忆实现策略与工具图记忆的联合优化，提升智能体在知识推理和数学任务中的实用性和效率。
Comments ACL 2026
代理强化学习用于大语言模型的景观：综述
机构 * University of Oxford（牛津大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Brown University（布朗大学） ； University College London（伦敦大学学院） ； University of Science and Technology of China（中国科学技术大学） ； Imperial College London（伦敦帝国学院） ； Dalian University of Technology（大连理工大学） ； Chinese Academy of Sciences（中国科学院） ； The Chinese University of Hong Kong（香港中文大学） ； University of Georgia（佐治亚大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； University of Bristol（布里斯托大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.CL、cs.AI
AI总结 本文综述了代理强化学习在大语言模型中的应用，提出双分类体系，探讨其核心能力与应用领域，并强调强化学习在使能力转化为适应性行为中的关键作用。
Comments Published on Transactions on Machine Learning Research: https://openreview.net/forum?id=RY19y2RI1O
ThreadSumm: 使用思维树进行嵌套讨论线的摘要
机构 * PortNLP Lab, Portland State University（波特兰州立大学PortNLP实验室） ； Department of Computer Science, Portland State University（波特兰州立大学计算机科学系）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.CL
AI总结 ThreadSumm通过多阶段LLM框架处理嵌套讨论线中的交错回复和引用，生成逻辑结构更清晰的摘要，同时提升观点覆盖和方面保留。
Comments Accepted to ACL 2026
STRIDE: 用于检索增强多跳问答的策略迭代决策
机构 * University of Science ； Technology of China \& State Key Laboratory of Cognitive Intelligence Hefei Anhui China ； Technology of China \& State Key Laboratory of Cognitive Intelligence
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 STRIDE通过分离战略规划、动态控制和 grounded 执行，解决多跳问答中实体早 Commit 和推理依赖缺失的问题，提升推理鲁棒性与准确性。
Comments Accepted by SIGIR 2026 Full Paper. The code repository is available at https://github.com/fanshu6hao/STRIDE
FedLLM: 一种用于可解释交通流预测的隐私保护联邦大语言模型
机构 * Department of Physics & Computer Science, Wilfrid Laurier University, Waterloo, Canada（物理与计算机科学系，威尔弗里德·劳里尔大学，多伦多，加拿大）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.LG
AI总结 FedLLM提出一种隐私保护的联邦大语言模型框架，用于可解释的多时间尺度短时交通流预测，通过复合选择分数、领域适应的LLM微调、轻量级参数交换和结构化提示表示提升预测性能与可解释性。
治理代理企业：一种治理成熟度模型用于管理人工智能代理在业务运营中的扩张
机构 * Independent Researcher（独立研究员）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出了一种针对人工智能代理扩张的治理成熟度模型，通过12个治理领域和五个级别框架，结合NIST AI RMF和ISO/IEC 42001标准，验证了治理能力与业务成果的关联性，并展示了不同成熟度层级下的显著差异。
Comments 11 pages, 2 figures, 7 tables
通过不确定性校准微调增强大语言模型的信任
机构 * Capital One, AI Labs（Capital One人工智能实验室） ； Wayve Technologies（Wayve技术公司） ； Intel Corporation（英特尔公司）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出一种不确定性感知微调方法，用于提升大语言模型在自然语言生成任务中的不确定性估计能力，从而提高生成响应的可信度并减少幻觉现象。
Comments ICLR 2026 Trustworthy AI workshop
MTSQL-R1：通过代理训练实现长视界多轮文本到SQL
机构 * University of Notre Dame（诺特丹大学） ； Amazon（亚马逊） ； Salesforce
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 MTSQL-R1通过代理训练框架提升多轮文本到SQL任务的长视界表现，通过环境驱动验证和记忆引导细化提升对话连贯性。
Comments ACL 2026 Main camera-ready version
具有对齐检测和局部细化的自纠正文本到视频生成
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； NTU Singapore（新加坡国立大学） ； Allen Institute for AI（人工智能研究院） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出VideoRepair框架，通过检测并修正视频与文本提示的对齐问题，提升生成质量。框架分为三个阶段，保留正确生成区域并针对性修正错误部分，有效提升多种对齐指标。
Comments Accepted to ACL 2026 Findings. Project page: https://video-repair.github.io
TacticGen: 基于适应性和可扩展性的足球战术生成
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） ； Real Analytics, London（Real Analytics，伦敦） ； Birmingham City Football Club, Birmingham（伯明翰城足球俱乐部，伯明翰） ； Management School, University of Liverpool（利物浦大学管理学院） ； School of Computing Science, Simon Fraser University（Simon Fraser大学计算机科学学院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 TacticGen通过多智能体扩散变换器生成适应性战术，结合规则、自然语言和神经模型实现可扩展的战术设计，验证了其在专业足球战术规划中的实用性。
Comments 23 pages
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