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。
LaDiR：潜在扩散增强大语言模型进行文本推理
机构 * University of California, San Diego（加州大学圣迭戈分校） ； Apple（苹果公司）
专题命中 数学推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；planning(abstract)
AI总结 LaDiR通过结合连续潜在表示的表达力与潜在扩散模型的迭代精炼能力，提升大语言模型在文本推理中的准确性、多样性和可解释性。
大语言模型是否会过度思考基础数学推理？评估语言模型中准确性与效率的权衡
机构 * Department of Computer Science, Virginia Tech, Blacksburg, VA, USA（弗吉尼亚理工大学计算机科学系，布莱克斯堡，VA，美国）
专题命中 数学推理 ：reasoning(title,abstract)；math reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出LLMThinkBench基准测试，评估语言模型在准确性与过度思考之间的权衡，发现模型在复杂基准上的表现不直接转化为基础数学推理能力，且过度思考导致效率下降。
Comments Accepted to ACL 2026 Findings
理解并缓解测试时间强化学习在数学推理中的虚假信号放大
机构 * NLPR & MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所NLPR与MAIS实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Meituan（美团） ； University of Science and Technology of China（中国科学技术大学）
专题命中 数学推理 ：reasoning(title,abstract)；math reasoning(title)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文研究了测试时间强化学习在数学推理中因标签噪声导致的虚假信号放大问题，提出DDRL框架通过频率采样、去偏优势估计和共识-off-policy优化来缓解该问题，实验表明其优于现有基线方法。
Comments Accepted to ACL 2026 Findings
语言作为潜在变量用于推理优化
机构 * Zhejiang University（浙江大学）
专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 研究探讨语言作为潜在变量对推理性能的影响，提出polyGRPO框架通过多语言数据优化模型，提升推理准确率和跨任务泛化能力。
Comments 17 pages, 7 figures, Under Reviewing
TRACES：用于适应性成本高效提前停止的推理步骤标记
机构 * IBM Research Europe（IBM欧洲研究院） ； Trinity College Dublin（三一学院） ； ADAPT Research Centre（ADAPT研究中心）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 TRACES通过实时标记推理步骤，实现大语言模型推理的适应性成本高效提前停止，通过监控特定步骤类型提升数学和知识推理任务的效率与准确性。
连续效用直接偏好优化
机构 * stanford（斯坦福大学） ； meta ； glasgow（格拉斯哥大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出CU-DPO框架，通过连续评分替代二元标签，提升模型在数学推理任务中的策略选择准确率和推理能力。
CE-GPPO：通过梯度保持剪裁策略优化协调熵在强化学习中
机构 * Kuaishou Technology（快手科技） ； Independent（独立）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出CE-GPPO算法，通过恢复剪裁令牌的梯度信号，协调探索与利用，缓解熵不稳定问题，并在数学推理任务中优于现有方法。
Comments This paper has been accepted by ACL 2026
HyperAdapt: 简单的高秩适应
机构 * Purdue University（普渡大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 HyperAdapt通过高秩更新减少可训练参数，实现高效的微调，在多个基准测试中表现接近全微调方法。
Comments Published in Transactions on Machine Learning Research
双重饱和的Ramsey图：计算机辅助数学发现的一个案例研究
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文通过结合SAT求解与定制生成的代码，发现无限多的双重饱和Ramsey图，回答了Grinstead和Roberts在1982年的疑问，并利用LLM生成形式化证明，展示自动化推理、大语言模型和形式验证在数学发现中的潜力。
未选择的道路：程序执行推理中的对偶性
机构 * Department of Computer Science, University of Central Florida（中央佛罗里达大学计算机科学系）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出通过双重推理任务评估程序执行的因果理解，提出DexBench基准测试集，评估13种LLM，证明双路径推理能有效提升动态代码理解能力。
Comments Accepted to ACL 2026 Main Conference
STReasoner: 通过空间感知强化学习赋能LLMs进行时间序列的时空推理
机构 * Emory University（埃默里大学） ； Microsoft（微软） ； Griffith University（格里菲斯大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(abstract)；分类 cs.CL
AI总结 本文提出STReasoner，通过整合时间序列、图结构和文本，提升LLMs的时空推理能力，采用S-GRPO算法增强空间逻辑，实验显示在低成本下取得显著准确率提升。
Comments ACL 2026 Main, we release our code publicly at https://github.com/LingFengGold/STReasoner
符号 grounding 揭示了抽象视觉推理中的表征瓶颈
机构 * Applied Artificial Intelligence Group, Tallinn University of Technology, Estonia（塔林技术大学应用人工智能小组，爱沙尼亚） ； Kimova AI, Tallinn, Estonia（Kimova AI，塔林，爱沙尼亚）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文通过Bongard-LOGO基准测试，发现符号输入能显著提升抽象视觉推理性能，揭示了表征能力是核心瓶颈。
Journal ref 30th Conference on Computational Natural Language Learning (CoNLL), 2026
OpInf-LLM：通过算子推断实现基于LLM的参数PDE求解
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出OpInf-LLM框架，利用少量解数据实现多样PDE实例的准确预测，支持自然语言任务指定和物理基础推理，降低计算需求并提高异构环境下的求解成功率。
战略异构多智能体架构用于高效代码漏洞检测
机构 * University of Southern California（南加州大学）
专题命中 逻辑推理 ：verifier(abstract)；分类 cs.LG
AI总结 本文提出一种基于博弈论的异构多智能体架构，结合云上大语言模型专家与本地轻量验证器，通过三重专家并行分析与对抗验证，实现高效且高精度的代码漏洞检测，实验显示其在精度和召回率上均优于现有方法。
Comments 11 pages, 5 figures. Accepted at the AAMAS 2026 Workshop on Software Engineering (SE Workshop). This version corresponds to the preprint of the workshop paper
半可执行堆栈：智能软件工程与SE范围的扩展
机构 * Chalmers University of Technology（挑战者技术大学） ； Volvo Group（沃尔沃集团）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文探讨了软件工程领域因AI系统发展而扩展的范围，提出半可执行堆栈模型以分析可执行代码与非可执行 artifacts 的结合，通过三个案例研究重新定义工程目标，提供保留与净化的决策框架。
Comments This paper is the write-up of Robert Feldt's keynote "Agentic Software Engineering Will Eat the World: AI-Based Systems as the New Operating System of Society'' given at the Agentic Engineering 2026 workshop, Rio de Janeiro, Brazil, April 14, 2026. April 23 upload fixed the reference list to be more complete, and added a few additional citations; text essentially unchanged
超越文本的规划：基于图的复杂叙事生成推理
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tencent Turing Lab（腾讯人工智能实验室）
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出PLOTTER框架，通过结构图进行叙事规划，提升LLM在复杂叙事生成中的长上下文推理能力。
Comments Accepted to Findings of the Association for Computational Linguistics: ACL 2026
肿瘤治疗规划的临床推理AI：多专科基于病例的评估
机构 * Moffitt Cancer Center and Research Institute（莫菲特癌症中心与研究学院） ； Innova Montréal Inc.（蒙特利尔创新公司） ； Oncobrain, Inc.（Oncobrain公司） ； Advanced Cancer Treatment Centers（先进癌症治疗中心）
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文评估了OncoBrain在多专科病例中的表现，展示了其在肿瘤治疗规划中的准确性、安全性和实用性。
HiCrew：通过问题感知多智能体协作实现长视频理解的层次推理
机构 * School of Artificial Intelligence, Sun Yat-sen University, China（中山大学人工智能学院）
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出HiCrew框架，通过混合树结构、问题感知描述生成和动态规划层，解决长视频中时空冗余和叙事依赖问题，提升时间与因果推理能力。
解耦行为森林中的旅行计划
机构 * College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科技大学） ； College of Computer Science and Technology, National University of Defense Technology（计算机科学与技术学院，国防科技大学） ； College of Systems Engineering, National University of Defense Technology（系统工程学院，国防科技大学） ； College of Computer Science, Chongqing University（计算机科学学院，重庆大学）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.LG
AI总结 本文提出行为森林方法，通过解耦复杂任务和约束到可管理的子空间，提升大语言模型在多约束旅行计划中的性能，实验表明在TravelPlanner和ChinaTravel基准上分别优于现有方法6.67%和11.82%。
关于未来职业推荐的推理方法
机构 * Singapore Management University（新加坡国立管理学院） ； Columbia University（哥伦比亚大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一种两阶段职业预测方法，通过生成用户职业选择原因来提升大语言模型在职业推荐中的性能，实验表明该方法在准确率上优于无监督方法。
Comments Accepted to PAKDD 2026
一种用于AI赋能Wi-Fi卸载网络中高效LLM推理的任务分解与规划框架
专题命中 规划推理 ：planning(title)；reasoning(abstract)
AI总结 本文提出一种用户-边缘协作框架，通过LLM规划器实现任务分解与子任务难度预测，优化多用户多边缘Wi-Fi网络中的子任务分配与执行，降低延迟并提升整体性能。
Comments 7 pages, 4 figures, conference version
Spec-o3：一种工具增强的视觉-语言代理，用于通过自动化光谱检查验证稀有天体候选体
机构 * SKL-MAIS, Institute of Automation, CAS（SKL-MAIS，自动化研究所，中国科学院） ； School of Advanced Interdisciplinary Sciences, UCAS（交叉科学学院，中国科学院大学） ； National Astronomical Observatories, CAS（国家天文台，中国科学院） ； School of Artificial Intelligence, UCAS（人工智能学院，中国科学院大学）
专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本文提出Spec-o3，一种工具增强的视觉-语言代理，通过多模态链式推理实现天文学家对稀有天体候选体的自动化光谱检查，提升验证效率和准确性。
Comments Accepted to ACL 2026 Main Conference
数据驱动的开环仿真用于污水处理厂数字孪生操作员决策支持
机构 * Aalborg University, Department of Energy（奥尔堡大学能源学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出CCSS-RS模型，通过结合上下文编码、驱动因子加权、一致滚动和学生t分布输出，实现了污水处理厂在复杂数据环境下的高精度仿真，验证了其在工业废水处理中的实用价值。
Comments 18 pages, 10 figures, 9 tables
AgenticQwen：通过双数据飞轮训练小型代理语言模型以实现工业级工具使用
机构 * Alibaba Group（阿里巴巴集团）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出AgenticQwen模型，通过多轮强化学习在合成数据和有限开源数据上训练，结合推理强化学习和代理强化学习的双数据飞轮，提升工业场景下的多步骤推理和工具使用能力。
注意提示：通过LLMs实现自我适应的任务计划解释生成
机构 * University of York, UK（英国约克大学） ； Cyprus University of Technology, Cyprus（塞浦路斯技术大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出COMPASS方法，通过将提示工程建模为认知和概率决策过程，实现复杂任务规划系统中自适应的解释生成和提示优化。
共进化LLM决策与技能库代理以应对长周期任务
机构 * University of Maryland（马里兰大学） ； University of Southern California（南加州大学） ； Good Start Labs（Good Start实验室） ； Independent Researcher（独立研究者） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出COSPLAY框架，通过LLM决策代理与技能库代理的共进化，提升长周期任务中的技能检索与决策能力，实验显示在六个游戏环境中，COSPLAY在单人游戏基准上平均奖励提升超过25.1%。
Comments 26 pages
基于LLM的临床可解释性脓毒症早期预警：时间生理动态模拟
机构 * School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） ； Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系） ； Department of Orthopedics, Affiliated Kunshan Hospital of Jiangsu University（江苏大学附属昆山医院骨科部） ； Tianjin University Chest Hospital（天津大学胸科医院） ； Haihe Hospital, Tianjin University（天津大学海河医院） ； Key Laboratory of Education Blockchain and Intelligent Technology, Ministry of Education, Guangxi Normal University（广西师范大学教育区块链与智能技术重点实验室）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出基于LLM的时间生理动态模拟框架，通过模拟疾病前的生理轨迹，实现可解释的脓毒症早期预警，实验表明其在AUC指标上优于传统方法，并提供可解释的风险趋势。
人工智能犯罪大师
机构 * Era AI Fellow ； University of Antwerp（安特卫普大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文探讨了AI犯罪大师可能带来的法律责任问题，分析了AI通过雇佣人类执行犯罪行为时的责任归属难题，提出了三种不同场景下的责任分配挑战。
Comments 28 pages, 4 figures
基于人工智能的军事行动自动化行动方案生成系统架构
机构 * Ministry of National Defense（国防部长办公室） ； Department of Smart Mobility Engineering（智能移动工程系） ； Defense AI R&D Institute, Agency for Defense Development (ADD)（国防AI研发院，国防发展局）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文基于公开信息，提出适用于行动方案规划各阶段的AI技术，并设计自动化行动方案规划系统架构。
Comments 15 figures, 2 tables
QuarkMedSearch: 一种长Horizon深度搜索代理用于探索医学智能
机构 * Qwen Applications Business Group, Alibaba（阿里巴巴文库应用事业部）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出QuarkMedSearch，通过构建医疗多跳数据、训练策略和评估基准，提升垂直领域性能。采用两阶段SFT和RL训练策略，结合大规模医疗知识图谱和实时探索生成长Horizon训练数据，实验显示其在开源模型中表现优异。
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