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。
SafetyALFRED：评估多模态大语言模型的安全意识规划
机构 * University of Michigan（密歇根大学） ； Boise State University（博伊西州立大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出SafetyALFRED，基于ALFRED基准测试，引入六类厨房真实世界危险，评估多模态大语言模型在安全意识规划中的表现，发现静态QA评估不足，需转向强调具身环境中的纠正行动的基准。
Comments Work accepted at ACL 2026 Findings
面向便携物品寻找的个性化具身导航
机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； University of Central Florida（中央佛罗里达大学）
专题命中 规划推理 ：planning(summary_cn,abstract)
AI总结 本文提出了一种面向动态环境的个性化习惯学习方法，通过引入Transit-Aware Planning算法提升便携物品寻找的性能，在模拟和现实环境中均取得显著效果。
Comments 10 pages
基于主动推断的代理闭环ISAC系统与长周期规划
专题命中 规划推理 ：planning(title,abstract)
AI总结 本文提出一种基于主动推断的无线代理闭环ISAC系统，通过因子图的反向-正向消息传递联合优化控制与传感资源分配，实现动态资源分配以提升跟踪精度、控制努力与传感资源消耗的平衡。
Comments 5 pages, 4 figures and 1 table. This work has been submitted to the IEEE for possible publication
MAGICIAN: 通过想象高斯分布实现高效的长期规划用于主动建图
机构 * LIGM, École Nationale des Ponts et Chaussées, IP Paris, Univ Gustave Eiffel, CNRS, France（LIGM，巴黎国立桥梁与道路学院，IP巴黎，格雷夫埃菲尔大学，法国国家科学研究中心，法国） ； École Polytechnique, France（法国高等理工学院，法国） ； Inria, École normale supérieure, CNRS, PSL Research University, France（法国国家科学研究中心，巴黎高等师范学院，法国国家信息与自动化技术研究院，法国）
专题命中 规划推理 ：planning(title,abstract)
AI总结 MAGICIAN通过想象高斯分布实现高效长期规划，提升主动建图的探索效率与重建完整性，适用于不同动作空间的室内和室外基准测试。
Comments Accepted at CVPR 2026 (Oral). Project webpage: https://shiyao-li.github.io/magician/
DR-MMSearchAgent：多模态搜索代理中的深度推理
机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） ； East China Normal University（东华大学） ； Shanghai Innovation Institute（上海创新研究院） ； University College London（伦敦大学学院） ； Independent Researcher（独立研究者） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
专题命中 规划推理 ：reasoning(title,abstract)
AI总结 本文提出DR-MMSearchAgent框架，通过结构接近性从完整批处理轨迹中提取优势信号，提升不同长度轨迹的生成能力，并采用差异化高斯奖励动态校准交互容忍度，以提高信息可靠性并减少冗余。
混合任务与运动规划与反应碰撞处理用于多机器人复杂产品拆解：应用于电动汽车电池
机构 * Extreme Robotics Laboratory, School of Metallurgy and Materials, University of Birmingham（极端机器人实验室，冶金与材料学院，伯明翰大学） ； Department of Applied Artificial Intelligence and Robotics, Aston University（应用人工智能与机器人学院，阿斯顿大学）
专题命中 规划推理 ：planning(title,abstract)
AI总结 本文提出一种基于视觉的任务与运动规划框架，用于多机器人协同拆解复杂产品，通过学习型RRT规划器和混合安全层提高路径紧凑性和安全性，实验显示在电动汽车电池拆解中显著降低路径长度和扫过体积。
向前一步，向后退几步：通过去噪递归模型更好地推理
机构 * Huawei Technologies（华为技术有限公司） ； University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学）
专题命中 规划推理 ：reasoning(title)；分类 cs.AI、cs.LG
AI总结 本文提出去噪递归模型，通过多步递归去噪提升推理能力，优于传统递归模型，在ARC-AGI任务中表现更佳。
BAPO：面向可靠代理搜索的边界感知策略优化
机构 * Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能研究院） ； Meituan Inc.（美团公司） ； School of Informatics, Xiamen University（厦门大学信息学院） ； Westlake University（西湖大学） ； Jilin University（吉林大学） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism, China（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），中华人民共和国文旅部，中国）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 BAPO通过引入边界感知奖励和自适应奖励调节器，提升代理搜索的可靠性，避免过度依赖IDK响应，实验表明其显著增强可靠性。
Comments ACL 2026 Conference. Code is available at https://github.com/Liushiyu-0709/BAPO-Reliable-Search
SpanVLA: 一种高效的视觉-语言-动作模型，通过负样本恢复学习实现动作桥接与学习
机构 * University of California, Los Angeles, USA（加州大学洛杉矶分校） ； Motional, USA（Motional公司） ； Northeastern University, USA（东北大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)
AI总结 本文提出SpanVLA，一种端到端自动驾驶框架，结合自回归推理与流匹配动作专家，通过高效桥接和负样本恢复学习提升推理效率和鲁棒性。
Comments Project page: https://spanvla.github.io/
大型语言模型对同行评审意见的影响：从细粒度视角看证据：来自顶级人工智能会议论文的证据
机构 * School of Management, Anhui University（安徽大学管理学院）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文研究大型语言模型对同行评审意见的影响，分析了评审报告在语言特征、评价重点和推荐信号方面的变化，发现评审文本变得更长、更流畅，但深入评价维度有所下降。
Comments Scientometrics
实验还是结果？在大型语言模型中探测科学可行性
机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文探讨了在大型语言模型中科学可行性的评估，发现提供结果证据比实验描述更可靠，结果能提升准确性，而实验文本可能因上下文不完整而退化。
Comments Accepted at ACL 2026
无编码且隐私保护的代理框架用于数据驱动的临床研究
机构 * Infmedix, Co., Ltd.（Infmedix公司） ； Department of Transdisciplinary Studies, Seoul National University（首尔国立大学跨学科研究系） ； Healthcare AI Research Institute, Seoul National University Hospital（首尔国立大学医院医疗人工智能研究所） ； Department of Medicine, Seoul National University College of Medicine（首尔国立大学医学院医学系） ； Department of Transdisciplinary Medicine, Seoul National University Hospital（首尔国立大学医院跨学科医学系） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School（麻省总医院放射科及哈佛医学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出CARIS框架，通过整合大语言模型与模块化工具，实现无需编程的自然语言驱动研究，提升临床研究效率与隐私保护。
Comments 10 pages, 5 figures, 2 tables, Supplementary Appendix
四轴决策对齐用于长周期企业AI代理
机构 * Vasundra Srinivasan
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出四轴对齐框架，用于评估长周期企业AI代理的决策行为，涵盖事实精度、推理连贯性、合规重建和校准回避，通过实验揭示了决策对齐的重要性。
Comments 21 pages, 5 figures, 8 tables. PDFLaTeX. Code and artifacts: https://github.com/vasundras/decision-alignment-long-horizon-agents
在研究中加速基于事实的代码开发
机构 * Nirvawireless
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出框架，使代码代理能即时访问研究库和技术文档，从而加速专业领域中的代码代理应用。
没有计划的愿望只是愿望：为长周期智能体任务高效且有效的全局规划器训练
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； DeepLang AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 本文提出EAGLET方法，通过两步流程训练高效规划器，提升智能体规划能力，实验显示其在长周期任务中优于现有方法，且训练成本降低8倍。
Comments ACL 2026
seneca：一个个性化的对话规划器
专题命中 规划推理 ：planning(abstract)
AI总结 本文提出seneca，一种结合对话代理、持久数据库和处理器的个性化AI规划框架，旨在解决现有工具在持续自我调节、优先级设定和反思方面的不足。
Comments accepted to the CHI '26 Workshop on Tools for Thought
表征AlphaEarth嵌入几何用于代理环境推理
机构 * Dartmouth Libraries（达特茅斯图书馆） ； Dartmouth College（达特茅斯学院）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文研究AlphaEarth嵌入几何结构，开发代理系统用于环境推理，发现其非欧几里得特性及检索优于线性方法。
视觉推理代理：通过推理时缩放实现遥感中的稳健视觉系统
机构 * University of West Florida（西弗吉尼亚大学） ； United States Military Academy（美国军事学院）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出视觉推理代理（VRA），通过迭代的Think-Critique-Act循环，结合预训练的大规模视觉-语言模型和推理模型，提升遥感任务中的视觉推理能力，实现在挑战性问题上的40.67%提升。
Comments Accepted to MORS 2026 Artificial Intelligence Workshop Proceedings
视角运动：层次推理与扩散用于中心视觉-语言运动生成
机构 * Key Laboratory of Intelligent Information Processing, Institute of Computing Technology (ICT), Chinese Academy of Sciences (CAS)（智能信息处理重点实验室，计算技术研究所（ICT），中国科学院（CAS）） ； Jilin University (JLU)（吉林大学（JLU）） ； Beijing University of Posts and Telecommunications (BUPT)（北京邮电大学（BUPT）） ； University of the Chinese Academy of Sciences（中国科学院大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 本文提出EgoMotion框架，通过层次推理和扩散模型生成基于第一视角视觉和语言指令的3D人类运动，解决语义推理与运动建模的协同优化问题，提升多模态接地和运动质量。
Comments 12 pages, 3 figures
弥合语义与几何：一种解耦的LVLM-SAM框架用于光学遥感中的推理分割
机构 * School of Electronic Engineering, Xidian University, Xi'an, Shaanxi 710071, China（西安电子科技大学电子工程学院）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 本文提出解耦的LVLM-SAM框架，通过结构化几何提示优化，提升光学遥感中推理分割的性能，实现语义与几何的结合。
对系统动力学AI助手的基准测试：云与本地LLM在CLD提取与讨论中的比较
机构 * Ruxton AI
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文比较了云和本地LLM在系统动力学AI助手中的表现，发现本地模型在CLD提取和讨论任务中表现不一，且后端选择对性能影响更大。
MIST：一种用于异构、多阶段LLM推理的联合设计框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Google（谷歌） ； Intel（英特尔） ； Intel Labs（英特尔实验室） ； Google DeepMind（谷歌DeepMind） ； Harvard University（哈佛大学） ； Infravana
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 MIST是一种用于异构、多阶段LLM推理的联合设计框架，通过模拟不同请求阶段和复杂硬件层次，优化硬件-软件协同设计，解决LLM推理中的配置空间导航和跨厂商PD配置问题。
Comments Inference System Design for Multi-Stage AI Inference Pipelines. 11 Pages, 10 Figues, 5 Tables
CLIPoint3D: 基于语言的少样本无监督3D点云领域适应
机构 * University of Trento（特伦托大学） ； MDSR Labs Adobe（Adobe MDSR实验室） ； IIT Bombay（印度理工学院班加罗尔分校） ； Fondazione Bruno Kessler（布鲁诺·科斯勒基金会）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出CLIPoint3D，首个基于CLIP的3D点云无监督领域适应框架，通过知识驱动的提示调优和熵引导视图采样策略，实现跨领域3D点云适应，实验表明在PointDA-10和GraspNetPC-10基准上性能提升3-16%。
Comments Accepted in CVPR 2026
ST-Prune：面向自动驾驶的视觉-语言模型中无训练的时空令牌修剪
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Carizon ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 视觉空间推理 ：planning(abstract)；分类 cs.AI
AI总结 针对自动驾驶中多视角相机和多帧视频输入的计算开销问题，ST-Prune提出无训练的时空令牌修剪框架，通过MTP和RSP模块有效压缩时空冗余，实现90%令牌减少下的近无损性能。
Comments 18 pages, 4 figures
基于细胞的语言模型中关系绑定的表示
机构 * Tohoku University（东大大学） ； RIKEN（日本科学技術研究所） ； AIP（Advanced Institute for Prognostic Studies） ； MBZUAI（马克斯·普朗克研究所）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究揭示语言模型通过细胞绑定表示进行关系绑定，通过多句子数据验证了细胞子空间的可解码性及跨上下文迁移能力。
Qwen3.5-Omni 技术报告
机构 * Qwen Team（通义实验室）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL
AI总结 Qwen3.5-Omni在多模态能力上取得突破，支持256k上下文长度和多语言理解，通过混合注意力MoE架构实现高效推理，并引入ARIA提升语音合成稳定性。
VLM-3R：融合指令对齐3D重建的视觉-语言模型
机构 * UT Austin（德克萨斯大学奥斯汀分校） ； XMU（厦门大学） ； TAMU（德克萨斯大学阿灵顿分校） ； UCR（加州大学河滨分校） ； UNC（北卡罗来纳大学教堂山分校） ； Meta ； UCLA（加州大学洛杉矶分校）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出VLM-3R，通过融合3D重建指令微调，实现单目视频的3D空间辅助与具身推理，提升了视觉-空间推理和时间3D上下文理解的准确性和可扩展性。
Comments Project Page: https://vlm-3r.github.io/
像人类一样探索：面向具身智能体的在线SG-Memo构建自主探索
机构 * Alibaba Group（阿里巴巴集团）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文提出ABot-Explorer框架，通过在线RGB-only过程统一记忆构建与探索，利用VLMs提取语义导航 affordances，生成结构化SG-Memo以提升探索效率和环境覆盖。
我们能否构建场景图，而不是分类它们？FlowSG：基于流匹配的渐进式图像条件场景图生成
机构 * The Laboratory of Intelligent Collaborative Computing of UESTC（UESTC智能协同计算实验室） ； Tianfu Jiangxi Laboratory（天斧江西实验室） ； Monash University（墨尔本大学） ； 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））
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文提出FlowSG，将场景图生成视为连续时间传输任务，通过约束感知细化生成图像条件场景图，结合几何与语义，提升场景图生成效果。
记忆超越映射：无需重建的3D物体定位
机构 * University of Zurich（苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文提出无需重建的3D物体定位方法，通过轻量级视觉记忆实现快速场景索引，显著降低预处理成本，验证了基于图像的场景记忆可替代密集3D重建。
Comments 8 pages, 6 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