大模型推理能力

Reasoning Over Space: Enabling Geographic Reasoning for LLM-Based Generative Next POI Recommendation

空间推理：为基于大语言模型的生成下POI推荐启用地理推理

Dongyi Lv, Qiuyu Ding, Heng-Da Xu, Zhaoxu Sun, Zhi Wang, Feng Xiong, Mu Xu

机构 * School Of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； Amap, Alibaba Group（阿里巴巴集团阿地图） 纠错

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

AI总结 本文提出ROS框架，通过地理信息作为决策变量提升生成式推荐的地理推理能力，采用分层空间语义ID和三阶段移动链式推理，结合空间引导强化学习，实现跨城市迁移和命中率提升。

WebUncertainty: Dual-Level Uncertainty Driven Planning and Reasoning For Autonomous Web Agent

WebUncertainty: 双层不确定性驱动的规划与推理用于自主网络代理

Lingfeng Zhang, Yongan Sun, Jinpeng Hu, Hui Ma, Yang Ying, Kuien Liu, Zenglin Shi, Meng Wang

机构 * Hefei University of Technology（合肥工业大学） ； Academy of Cyber, CETC Group（中国电子科技集团 Cyber 学院） 纠错

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

AI总结 本文提出WebUncertainty框架，通过双层不确定性驱动的自适应规划和蒙特卡洛树搜索机制，提升自主网络代理在动态交互和长周期任务中的规划与推理能力。

A Multi-Agent Framework with Structured Reasoning and Reflective Refinement for Multimodal Empathetic Response Generation

一种具有结构化推理和反思细化的多智能体框架用于多模态共情响应生成

Liping Wang, Cheng Ye, Weidong Chen, Peipei Song, Bo Hu, Zhendong Mao

机构 * School of Information Science and Technology, USTC（信息科学与技术学院，中国科学技术大学） 纠错

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

AI总结 本文提出多智能体框架，通过结构化推理和反思细化提升多模态共情响应生成的准确性与情感感知能力，实验表明优于现有方法。

Comments Submitted to ACM Multimetida 2026

Constructing the Umwelt: Cognitive Planning through Belief-Intent Co-Evolution

构建环境：通过信念-意图共演的认知规划

Shiyao Sang

机构 * Shiyao Sang（桑世尧） 纠错

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

AI总结 本文提出基于信念-意图共演的认知规划方法，通过MBCWM和TIWM模型实现环境与现实的认知一致性，提升自动驾驶规划性能并展现类人认知行为。

Comments 12 pages, 8 figures. A paradigm shift from reconstructing the world to understanding it: planning through Belief-Intent Co-Evolution

SafetyALFRED: Evaluating Safety-Conscious Planning of Multimodal Large Language Models

SafetyALFRED：评估多模态大语言模型的安全意识规划

Josue Torres-Fonseca, Naihao Deng, Yinpei Dai, Shane Storks, Yichi Zhang, Rada Mihalcea, Casey Kennington, Joyce Chai

机构 * University of Michigan（密歇根大学） ； Boise State University（博伊西州立大学） 纠错

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

Personalized Embodied Navigation for Portable Object Finding

面向便携物品寻找的个性化具身导航

Vishnu Sashank Dorbala, Bhrij Patel, Amrit Singh Bedi, Dinesh Manocha

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） 纠错

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

Active Inference-Enabled Agentic Closed-Loop ISAC with Long-Horizon Planning

基于主动推断的代理闭环ISAC系统与长周期规划

Guangjin Pan, Zhuojun Tian, Mehdi Bennis, Henk Wymeersch

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: Efficient Long-Term Planning with Imagined Gaussians for Active Mapping

MAGICIAN: 通过想象高斯分布实现高效的长期规划用于主动建图

Shiyao Li, Antoine Guédon, Shizhe Chen, Vincent Lepetit

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） 纠错

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: Deepening Reasoning in Multimodal Search Agents

DR-MMSearchAgent：多模态搜索代理中的深度推理

Shengqin Wang, Wentao Yan, Huichi Zhou, Yihang Chen, Kun Shao, Zhizhong Zhang, Yuan Xie

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） 纠错

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。

Hybrid Task and Motion Planning with Reactive Collision Handling for Multi-Robot Disassembly of Complex Products: Application to EV Batteries

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

Abdelaziz Shaarawy, Cansu Erdogan, Rustam Stolkin, Alireza Rastegarpanah

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） 纠错

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。

One Step Forward and K Steps Back: Better Reasoning with Denoising Recursion Models

向前一步，向后退几步：通过去噪递归模型更好地推理

Chris Cameron, Wangzheng Wang, Nikita Ivanov, Ashmita Bhattacharyya, Didier Chételat, Yingxue Zhang

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） 纠错

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: Boundary-Aware Policy Optimization for Reliable Agentic Search

BAPO：面向可靠代理搜索的边界感知策略优化

Shiyu Liu, Yongjing Yin, Jianhao Yan, Yunbo Tang, Qinggang Zhang, Bei Li, Xin Chen, Jingang Wang, Xunliang Cai, Jinsong Su

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） 纠错

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: Efficient Action Bridging and Learning from Negative-Recovery Samples for Vision-Language-Action Model

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

Zewei Zhou, Ruining Yang, Xuewei, Qi, Yiluan Guo, Sherry X. Chen, Tao Feng, Kateryna Pistunova, Yishan Shen, Lili Su, Jiaqi Ma

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） 纠错

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/

Impact of large language models on peer review opinions from a fine-grained perspective: Evidence from top conference proceedings in AI

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

Wenqing Wu, Chengzhi Zhang, Yi Zhao, Tong Bao

机构 * School of Management, Anhui University（安徽大学管理学院） 纠错

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

Experiments or Outcomes? Probing Scientific Feasibility in Large Language Models

实验还是结果？在大型语言模型中探测科学可行性

Seyedali Mohammadi, Manas Gaur, Francis Ferraro

机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校） 纠错

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

Coding-Free and Privacy-Preserving Agentic Framework for Data-Driven Clinical Research

无编码且隐私保护的代理框架用于数据驱动的临床研究

Taehun Kim, Hyeryun Park, Hyeonhoon Lee, Yushin Lee, Kyungsang Kim, Hyung-Chul Lee

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） 纠错

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

Four-Axis Decision Alignment for Long-Horizon Enterprise AI Agents

四轴决策对齐用于长周期企业AI代理

Vasundra Srininvasan

机构 * Vasundra Srinivasan 纠错

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

On Accelerating Grounded Code Development for Research

在研究中加速基于事实的代码开发

Santosh Ganji

机构 * Nirvawireless 纠错

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。

A Goal Without a Plan Is Just a Wish: Efficient and Effective Global Planner Training for Long-Horizon Agent Tasks

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

Shuzheng Si, Haozhe Zhao, Kangyang Luo, Gang Chen, Fanchao Qi, Minjia Zhang, Baobao Chang, Maosong Sun

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） 纠错

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: A Personalized Conversational Planner

seneca：一个个性化的对话规划器

Simon Bohnen, Gabriel Garbers, Lukas Ellinger, Georg Groh

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