大模型推理能力

Planning Beyond Text: Graph-based Reasoning for Complex Narrative Generation

超越文本的规划：基于图的复杂叙事生成推理

Hanwen Gu, Chao Guo, Junle Wang, Wenda Xie, Yisheng Lv

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） 纠错

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

Clinical Reasoning AI for Oncology Treatment Planning: A Multi-Specialty Case-Based Evaluation

肿瘤治疗规划的临床推理AI：多专科基于病例的评估

Philippe E. Spiess, Md Muntasir Zitu, Alison Walker, Daniel A. Anaya, Robert M. Wenham, Michael Vogelbaum, Daniel Grass, Ali-Musa Jaffer, Amod Sarnaik, Caitlin McMullen, Christine Sam, John V. Kiluk, Tianshi Liu, Tiago Biachi, Julio Powsang, Jing-Yi Chern, Roger Li, Seth Felder, Samuel Reynolds, Michael Shafique, Alison Sheehan, Ashley Layman, Cydney A. Warfield, Derrick Legoas, Jaclyn Parrinello, Jena Schmitz, Kevin Eaton, Mark Honor, Luis Felipe, Issam ElNaqa, Elier Delgado, Talia Berler, Rachael V. Phillips, Frantz Francisque, Carlos Garcia Fernandez, Gilmer Valdes

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） 纠错

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: Hierarchical Reasoning for Long-Form Video Understanding via Question-Aware Multi-Agent Collaboration

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

Yuehan Zhu, Jingqi Zhao, Jiawen Zhao, Xudong Mao, Baoquan Zhao

机构 * School of Artificial Intelligence, Sun Yat-sen University, China（中山大学人工智能学院） 纠错

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。

Decoupled Travel Planning with Behavior Forest

解耦行为森林中的旅行计划

Duanyang Yuan, Sihang Zhou, Yanning Hou, Xiaoshu Chen, Haoyuan Chen, Ke Liang, Jiyuan Liu, Chuan Ma, Xinwang Liu, Jian Huang

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） 纠错

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%。

On Reasoning Behind Next Occupation Recommendation

关于未来职业推荐的推理方法

Shan Dong, Palakorn Achananuparp, Hieu Hien Mai, Lei Wang, Yao Lu, Ee-Peng Lim

机构 * Singapore Management University（新加坡国立管理学院） ； Columbia University（哥伦比亚大学） 纠错

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

A Task Decomposition and Planning Framework for Efficient LLM Inference in AI-Enabled WiFi-Offload Networks

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

Mingqi Han, Xinghua Sun

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: A Tool-Augmented Vision-Language Agent for Rare Celestial Object Candidate Vetting via Automated Spectral Inspection

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

Minghui Jia, Qichao Zhang, Ali Luo, Linjing Li, Shuo Ye, Hailing Lu, Wen Hou, Dongbin Zhao

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） 纠错

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

Data-Driven Open-Loop Simulation for Digital-Twin Operator Decision Support in Wastewater Treatment

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

Gary Simethy, Daniel Ortiz Arroyo, Petar Durdevic

机构 * Aalborg University, Department of Energy（奥尔堡大学能源学院） 纠错

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: Training Small Agentic Language Models with Dual Data Flywheels for Industrial-Scale Tool Use

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

Yuanjie Lyu, Chengyu Wang, Haonan Zheng, Yuanhao Yue, Junbing Yan, Ming Wang, Jun Huang

机构 * Alibaba Group（阿里巴巴集团） 纠错

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。

Mind the Prompt: Self-adaptive Generation of Task Plan Explanations via LLMs

注意提示：通过LLMs实现自我适应的任务计划解释生成

Gricel Vázquez, Alexandros Evangelidis, Sepeedeh Shahbeigi, Radu Calinescu, Simos Gerasimou

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） 纠错

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。

Co-Evolving LLM Decision and Skill Bank Agents for Long-Horizon Tasks

共进化LLM决策与技能库代理以应对长周期任务

Xiyang Wu, Zongxia Li, Guangyao Shi, Alexander Duffy, Tyler Marques, Matthew Lyle Olson, Tianyi Zhou, Dinesh Manocha

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） 纠错

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

Clinically Interpretable Sepsis Early Warning via LLM-Guided Simulation of Temporal Physiological Dynamics

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

Weizhi Nie, Zhen Qu, Weijie Wang, Chunpei Li, Ke Lu, Bingyang Zhou, Hongzhi Yu

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） 纠错

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。

The AI Criminal Mastermind

人工智能犯罪大师

Joshua Krook

机构 * Era AI Fellow ； University of Antwerp（安特卫普大学） 纠错

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

Architecture of an AI-Based Automated Course of Action Generation System for Military Operations

基于人工智能的军事行动自动化行动方案生成系统架构

Ji-il Park, Inwook Shim, Chong Hui Kim

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） 纠错

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: A Long-Horizon Deep Search Agent for Exploring Medical Intelligence

QuarkMedSearch: 一种长Horizon深度搜索代理用于探索医学智能

Zhichao Lin, Zhichao Liang, Gaoqiang Liu, Meng Xu, Baoyu Xiang, Shuxin Zhao, Yao Wu, Jian Xu, Guanjun Jiang

机构 * Qwen Applications Business Group, Alibaba（阿里巴巴文库应用事业部） 纠错

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。

An Overlay Multicast Routing Method Based on Network Situational Awareness and Hierarchical Multi-Agent Reinforcement Learning

基于网络态势感知和分层多智能体强化学习的overlay组播路由方法

Miao Ye, Yanye Chen, Yong Wang, Cheng Zhu, Qiuxiang Jiang, Gai Huang, Feng Ding

机构 * School of Information and Communication, Guilin University of Electronic Technology（桂林电子科技大学信息与通信学院） ； School of Computer Science and Information Security, Guilin University of Electronic Technology（桂林电子科技大学计算机科学与信息安全学院） ； Information Center, Guilin Medical University（桂林医学院信息中心） ； School of Optoelectronic Engineering, Guilin University of Electronic Technology（桂林电子科技大学光电工程学院） 纠错

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

AI总结 本文提出MA-DHRL-OM方法，通过分层多智能体强化学习和SDN全局视图构建组播路径规划模型，解决传统组播在动态流量适应性和多目标优化中的不足，实验表明其在延迟、带宽利用和丢包率方面表现更优。

Comments 30page, 10 figures

SemaPop: Semantic-Persona Conditioned and Controllable Population Synthesis

SemaPop：基于语义-人设的可控人口合成

Zhenlin Qin, Yancheng Ling, Leizhen Wang, Francisco Câmara Pereira, Zhenliang Ma

机构 * Department of Civil and Architectural Engineering, KTH Royal Institute of Technology（土木与建筑系，皇家理工学院） ； Digital Future, KTH Royal Institute of Technology（数字未来，皇家理工学院） ； Department of Data Science and Artificial Intelligence, Monash University（数据科学与人工智能系，墨尔本大学） ； Department of Technology, Management and Economics, Technical University of Denmark（技术、管理与经济学系，丹麦技术大学） 纠错

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

AI总结 SemaPop通过引入人设表示作为生成条件，实现可控的人口合成，提升生成性能并保持统计一致性与样本多样性。

Comments Submitted to Transportation Research Part C: Emerging Technologies

C-SHAP for time series: An approach to high-level temporal explanations

C-SHAP用于时间序列：一种高层面时间解释的方法

Annemarie Jutte, Faizan Ahmed, Jeroen Linssen, Maurice van Keulen

机构 * Saxion University of Applied Sciences（萨克逊应用科学大学） ； University of Twente（代尔夫特理工大学） 纠错

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

AI总结 本文提出C-SHAP方法，通过提取时间序列中的高层模式来提升AI决策的可解释性，应用于医疗和工业领域，如活动识别和预测维护。

Comments Comments: 18 pages, 7 figures, improved and expanded version of the original paper

AnalogMaster: Large Language Model-based Automated Analog IC Design Framework from Image to Layout

AnalogMaster: 基于大语言模型的从图像到布局的自动化模拟集成电路设计框架

Xian Rong Qin, Yong Zhang, Ying Hu, Tao Su, Bo-Wen Jia, Ning Xu

专题命中 规划推理 ：reasoning(abstract)

AI总结 本文提出AnalogMaster框架，利用大语言模型实现模拟集成电路设计的端到端自动化，通过统一流程完成电路图像到网表生成、参数优化、布局和布线，验证了其有效性与鲁棒性。

ExpressMM: Expressive Mobile Manipulation Behaviors in Human-Robot Interactions

ExpressMM: 人机交互中的表达性移动 manipulation 行为

Souren Pashangpour, Haitong Wang, Matthew Lisondra, Goldie Nejat

机构 * Autonomous Systems and Biomechatronics Laboratory（自主系统与生物机械实验室） ； Department of Mechanical and Engineering（机械与工程系） ； University of Toronto（多伦多大学） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 本文提出ExpressMM框架，结合视觉语言模型和低层策略生成表达性机器人行为，支持中断交互，提升人机协作任务中的沟通效果与社会适应性。