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。
通过推理轨迹测量黑盒置信度：几何、覆盖度与 verbalization
机构 * Novo Nordisk（诺华北欧） ； University of Oxford（牛津大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.AI
AI总结 本文提出一种通过推理轨迹测量黑盒置信度的方法，结合几何、覆盖度和 verbalization 通道，在多个基准测试中提升了置信度估计的性能。
CompassLLM: 一种面向流行路径查询的多智能体方法
机构 * Bangladesh University of Engineering and Technology（孟加拉工程科技大学） ； University of Utah（犹他大学） ； Monash University（莫纳什大学） ； Qatar Computing Research Institute（卡塔尔计算研究所）
专题命中 视觉空间推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.CL、cs.AI
AI总结 CompassLLM通过多智能体框架解决流行路径查询问题，结合空间推理能力提升搜索和生成性能，实验显示其在准确性和成本效益方面表现优异。
Pest-Thinker: 通过强化学习学习像昆虫学家一样思考和推理
机构 * Institute of Intelligent Machines, Hefei Institute of Physical Science, Chinese Academy of Sciences（智能机器研究所、合肥物理科学研究所、中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； Zhongke Hefei Institute of Technology Innovation Engineering（中科创新合肥科技研究院） ； Hefei University of Technology（合肥工业大学）
专题命中 视觉空间推理 ：chain-of-thought(abstract,abstract_cn)；CoT(abstract,abstract_cn)；reasoning(abstract)
AI总结 本文提出Pest-Thinker框架，通过强化学习提升多模态大语言模型对害虫形态的细粒度理解，构建了两个高精度害虫基准数据集，并通过监督微调和GRPO优化提升模型在农业害虫识别中的表现。
Comments 10 pages, 5 figures
大语言模型在学习多模态推理时所学的内容
机构 * Microsoft Research AI Frontiers（微软研究院人工智能前沿） ； Yonsei University（延世大学） ； Seoul National University（首尔国立大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出MathLens基准测试，通过分解性能为感知、推理和多模态特定组件，揭示多模态推理模型评估中隐含的假设。研究显示，不同训练策略导致的能力谱系不同，多模态特定错误占比上升，表明进展反映的是子技能平衡变化而非统一提升。
幻觉作为异常：通过概率电路进行动态干预
机构 * Department of Information Engineering and Computer Science（信息工程与计算机科学系） ； University of Trento（特伦托大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出PCNET，通过概率电路估计LLM残差流密度，检测幻觉作为几何异常，从而改进幻觉纠正，减少错误生成并提升事实性。
多模态大语言模型内部视觉表征的因果探测
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Ant Group（蚂蚁集团）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究通过激活引导框架系统干预四个视觉概念类别，揭示实体记忆局部化与抽象概念全局分布的差异，发现模型深度对复杂抽象概念编码至关重要，且反向引导揭示感知与生成之间的补偿机制。
面向经验的可插拔经验型RAG技能：用于经验驱动的检索策略编排
机构 * Macao Polytechnic University（澳门理工学院）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出经验型RAG技能，通过分析场景和经验记忆选择合适检索策略，提升多任务检索效果，实测在多个数据集上优于固定检索基线。
Comments Preprint. 6 pages, 1 figure, 3 tables
Chameleon：商业级AI生成视频的检测与回溯基准测试
机构 * School of Computer Science and Technology, Guangdong University of Technology（广东工业大学计算机科学与技术学院） ； School of Information Science and Technology, Guangdong University of Foreign Studies（广东外国语言文化大学信息科学与技术学院）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文提出Chameleon基准测试，针对商业级AI生成视频进行检测与回溯，包含1700个视频，涵盖新闻、语音、推荐三大领域，评估模型在真实场景下的检测与溯源能力。
Comments Accepted by ICMR 2026
无需训练的多模态大语言模型密集手部接触估计
机构 * IPAI ； Dept. of ECE & ASRI, Seoul National University（电子工程与自动控制研究所，首尔国立大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文提出ContactPrompt，利用多模态大语言模型进行无需训练的密集手部接触估计，通过引入详细的部位分割和部分顶点网格表示，结合多阶段结构化接触推理，实现高精度的接触预测。
Comments Project page: https://contactprompt-release.github.io/
LC4-DViT：基于变形视觉Transformer的土地覆盖创建用于土地覆盖分类
机构 * HKUST（香港科技大学） ； SSE, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）电子工程系） ； JHU（约翰·霍普金斯大学） ； NUS（新加坡国立大学） ； MUST（慕斯大学）
专题命中 视觉空间推理 ：planning(abstract)
AI总结 本文提出LC4-DViT框架，结合生成数据创建与变形感知视觉Transformer，提升高分辨率土地覆盖制图精度，优于基线模型和传统网络。
Comments This work has been submitted to the IEEE for possible publication.The project is available at https://github.com/weicongpang/LVC2-DViT.git
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