大模型推理能力

Emergent Manifold Separability during Reasoning in Large Language Models

大语言模型推理中的涌现流形分离

Chanwoo Chun, Alexandre Polo, SueYeon Chung

机构 * Department of Physics, Harvard University（哈佛大学物理系） ； Center for Data Science, New York University（纽约大学数据科学中心） ； Kempner Institute, Harvard University（哈佛大学 Kempner 研究所） ； Center for Computational Neuroscience, Flatiron Institute（Flatiron 机构计算神经科学中心） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.LG

AI总结 研究大语言模型推理过程中的流形分离现象，通过曼福容量理论分析两种组合推理任务，发现概念流形在计算前解耦为线性可分子空间，揭示动态流形管理机制。

Comments Alexandre Polo and Chanwoo Chun contributed equally to this work

OmicsLM: A Multimodal Large Language Model for Multi-Sample Omics Reasoning

OmicsLM：一种多模态大语言模型用于多样本组学推理

Maciej Sypetkowski, Joanna Krawczyk, Łukasz Smoliński, Remigiusz Kinas, Przemysław Pietrzak, Tomasz Jetka, Rafał Powalski

专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(abstract)；分类 cs.AI

AI总结 OmicsLM通过整合定量组学数据与自然语言任务，实现多样本组学推理，其在多任务类型上表现优异，尤其在生物语言指导的推理任务中超越专用模型和通用LLM。

Comments 13 pages (main text), 14 pages (appendix), 1 figure, 10 tables

Melding LLM and temporal logic for reliable human-swarm collaboration in complex scenarios

将大语言模型与时序逻辑融合以实现复杂场景中可靠的人-群智协作

Junfeng Chen, Yuxiao Zhu, An Zhuo, Xintong Zhang, Shuo Zhang, Guanghui Wen, Xiwang Dong, Meng Guo, Zhongkui Li

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； Division of Natural and Applied Sciences, Duke Kunshan University（杜克昆山大学自然与应用科学学院） ； School of Automaton, Southeast University（东南大学自动化学院） ； School of Automation Science and Electrical Engineering, Beihang University（北航自动化科学与电气工程学院） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；planning(abstract)

AI总结 本文提出一种神经符号框架，结合时序逻辑与大语言模型，实现长周期人-群智协作，通过形式化任务规划与上下文感知推理，提升动态环境中任务规划的可靠性与效率。

On Time, Within Budget: Constraint-Driven Online Resource Allocation for Agentic Workflows

按时、在预算内：面向代理工作流的约束驱动在线资源分配

Xinglin Wang, Zishen Liu, Shaoxiong Feng, Peiwen Yuan, Yiwei Li, Jiayi Shi, Yueqi Zhang, Chuyi Tan, Ji Zhang, Boyuan Pan, Yao Hu, Kan Li

机构 * School of Computer Science, Beijing Institute of Technology（北京理工大学计算机科学学院） ； Xiaohongshu Inc（小红书公司） 纠错

专题命中 逻辑推理 ：planning(abstract)；分类 cs.CL、cs.AI

AI总结 本文研究了在预算和截止时间约束下，如何通过约束驱动的在线资源分配提高代理工作流的成功概率，提出MCPP算法并在CodeFlow和ProofFlow上验证其有效性。

Comments Preprint

LLM-Guided Open Hypothesis Learning from Autonomous Scanning Probe Microscopy Experiments

基于自主扫描探针显微镜实验的LLM引导开放假设学习

Boris Slautin, Utkarsh Pratiush, Yu Liu, Kamyar Barakati, Sergei Kalinin

机构 * Department of Materials Science and Engineering, University of Tennessee, Knoxville, TN 37923, USA（材料科学与工程系，田纳西大学， Knoxville，TN 37923，USA） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出结合符号回归与大语言模型物理评估的开放假设学习框架，用于自主扫描探针显微镜实验，通过稀疏测量生成候选分析关系，并通过物理合理性评估发现可解释的电压-时间增长定律。

Comments 21 pages, 6 figures, 1 table

SHARP: A Self-Evolving Human-Auditable Rubric Policy for Financial Trading Agents

SHARP: 一种自进化可审计的规则策略用于金融交易代理

Xiwen Chen, Wenhui Zhu, Songzhu Zheng, Kashif Rasul, Yueyue Deng, Huayu Li

机构 * Morgan Stanley（摩根大通） ； Arizona State University（亚利桑那州立大学） ； Columbia University（哥伦比亚大学） ； University of Arizona（亚利桑那大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG

AI总结 SHARP通过结构化规则优化解决金融交易代理中信用分配问题，提升策略鲁棒性和透明度，使紧凑模型性能提升10-20个百分点。

Securing the Dark Matter: A Semantic-Enhanced Neuro-Symbolic Framework for Supply Chain Analysis of Opaque Industrial Software

守护暗物质：一种语义增强的神经符号框架用于opaque工业软件的供应链分析

Bowei Ning, Xuejun Zong, Lian Lian, Kan He, Yifei Sun, Yuxiang Lei, Plamen Vasilev

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种语义增强的神经符号框架，通过直接从opaque二进制中重建行为语义，实现可扩展的全局风险推理，提升供应链分析的准确性和语义映射精度。

Comments 33 pages, 13 figures

Pushing Blocks without Fixed Walls via Checkable Gizmos: Push-1 is PSPACE-Complete

通过可检查的工具推动方块而不依赖固定墙壁：Push-1 是 PSPACE 完全的

MIT Hardness Group, Josh Brunner, Lily Chung, Erik D. Demaine, Jenny Diomidova, Della Hendrickson, Jayson Lynch

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文证明了Push-1问题PSPACE完全性，移除了固定墙壁的需要，展示了新的可检查工具框架，并连接了运动规划通过工具框架与图定向重配置问题。

Comments 34 pages, 20 figures. Improved writing and added intuition

Traffic Scenario Orchestration from Language via Constraint Satisfaction

通过约束满足实现基于语言的交通场景编排

Frieda Rong, Chris Zhang, Kelvin Wong, Raquel Urtasun

机构 * University of Toronto（多伦多大学） ； Waabi 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种基于约束满足的交通场景编排方法，通过自然语言生成约束条件，利用现成求解器实现闭环测试中的精确场景控制，显著提高了场景编排成功率。

Comments 19 pages, 10 figures; full version of paper accepted for poster presentation at ICRA 2026

PaT: Planning-after-Trial for Efficient Test-Time Code Generation

PaT：在试后进行规划以实现高效的测试时间代码生成

Youngsik Yoon, Sungjae Lee, Seockbean Song, Siwei Wang, Wei Chen, Jungseul Ok

机构 * Department of Computer Science and Engineering, POSTECH, South Korea（韩国POSTECH计算机科学与工程系） ； Graduate School of Artificial Intelligence, POSTECH, South Korea（韩国POSTECH人工智能研究生院） ； Microsoft Research Asia, Beijing, China（中国北京微软亚洲研究院） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；test-time compute(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出PaT方法，通过在试后规划来提高测试时间代码生成的效率，采用异构模型配置在多个基准和模型家族中显著提升了成本性能帕累托前沿。

Comments Accepted to ACL 2026 main conference

Tracing Uncertainty in Language Model "Reasoning"

追踪语言模型推理中的不确定性

Nils Grünefeld, Bertram Højer, Philipp Mondorf, Barbara Plank, Anna Rogers, Christian Hardmeier, Stefan Heinrich, Jes Frellsen

机构 * Data Science Section, IT University of Copenhagen（丹麦哥本哈根技术大学数据科学部门） ； MaiNLP, Center for Information and Language Processing, LMU Munich（慕尼黑大学信息与语言处理中心MaiNLP） ； Department of Applied Mathematics and Computer Science, Technical University of Denmark（丹麦技术大学应用数学与计算机科学系） ； Pioneer Centre for Artificial Intelligence（先锋人工智能中心） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

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

AI总结 研究通过不确定性量化分析语言模型推理轨迹，发现其不确定性特征可预测最终答案正确性，且早期即可检测错误。

Goldilocks RL: Tuning Task Difficulty to Escape Sparse Rewards for Reasoning

Goldilocks RL: 调整任务难度以摆脱稀疏奖励进行推理

Ilia Mahrooghi, Aryo Lotfi, Emmanuel Abbe

机构 * EPFL（苏黎世联邦理工学院） ； Apple（苹果公司） 纠错

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

AI总结 Goldilocks RL通过预测学生模型的难度来优化数据采样，利用GRPO训练提升模型性能，克服稀疏奖励带来的样本效率低问题。

Comments 28 pages, 13 figures

End-to-end PDDL Planning with Hardcoded and Dynamic Agents

端到端PDDL规划与硬编码和动态智能体

Emanuele La Malfa, Ping Zhu, Samuele Marro, Sara Bernardini, Michael Wooldridge

机构 * Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Engineering, University of Oxford（牛津大学工程系） 纠错

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

AI总结 本文提出一个端到端框架，通过验证器支持规划。协调器接收自然语言规范，转换为PDDL模型，子模块（智能体）迭代优化规划需求。支持硬编码和动态智能体，最终计划转换为自然语言。

Comments Code: https://github.com/EmanueleLM/MultiAgentPlanning

Interactive Trajectory Planning with Learning-based Distributionally Robust Model Predictive Control and Markov Systems

基于学习的分布鲁棒模型预测控制与马尔可夫系统的交互轨迹规划

Erik Börve, Nikolce Murgovski, Morteza Haghir Chehreghani, Leo Laine

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； Volvo Group Trucks Technology（沃尔沃集团卡车技术） 纠错

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

AI总结 本文研究了在周围智能体决策不确定性下的交互轨迹规划问题，提出结合PAC学习与分布鲁棒优化的DR-MPC框架，通过样本数量实现鲁棒MPC与随机MPC之间的插值。

Enhanced LLM Reasoning by Optimizing Reward Functions with Search-Driven Reinforcement Learning

通过搜索驱动强化学习优化奖励函数以增强大语言模型推理能力

Arash Ahmadi, Sarah Sharif, Yaser, Banad

机构 * School of Electrical and Computer Engineering, University of Oklahoma（俄克拉荷马大学电气与计算机工程学院） ； Intelligent Neuromorphic and Quantum Understanding for Innovative Research and Engineering (INQUIRE) Laboratory, University of Oklahoma（智能神经形态与量子理解创新研究与工程实验室，俄克拉荷马大学） 纠错

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

AI总结 本文提出一种搜索驱动框架，通过优化奖励函数提升大语言模型推理能力，通过五轮搜索生成50个候选奖励，最终获得79.5%的F1分数，优于基线方法。

Confidence-Aware Alignment Makes Reasoning LLMs More Reliable

增强置信度的对齐使推理大语言模型更加可靠

Kejia Chen, Jiawen Zhang, Yihong Wu, Kewei Gao, Jian Lou, Zunlei Feng, Mingli Song, Ruoxi Jia

机构 * Zhejiang University（浙江大学） ； Université de Montréal（蒙特利尔大学） ； Sun Yat-sen University（中山大学） ； Virginia Tech（弗吉尼亚理工大学） 纠错

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

AI总结 本文提出CASPO框架，通过迭代直接偏好优化将token级置信度与逐步逻辑正确性对齐，提升推理可靠性和效率，实验表明其在多个基准和模型家族中表现优异。

Comments 9 pages

Repeated Deceptive Path Planning against Learnable Observer

针对可学习观察者的重复欺骗路径规划

Shiyue Cao, Pei Xu, Likun Yang, Lei Cui, Shizhao Yu, Shiyu Zhang, Yongjian Ren, Xiaotang Chen, Kaiqi Huang

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） ； National Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institution of Automation, Chinese Academy of Sciences（中国科学院复杂系统认知与决策智能国家重点实验室） 纠错

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

AI总结 本文提出DeMP框架，通过双层优化应对可学习观察者的适应性，提升欺骗持续性，实验显示其在重复欺骗路径规划中表现优异。

Comments Full version of the extended abstract accepted at AAMAS 2026

Learning and Reusing Policy Decompositions for Hierarchical Generalized Planning with LLM Agents

基于LLM代理的分层通用规划中的策略分解学习与重用

Shirin Sohrabi, Haritha Ananthakrishnan, Harsha Kokel, Kavitha Srinivas, Michael Katz

机构 * IBM 纠错

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

AI总结 本文提出一种结合通用规划与分层任务分解的动态策略学习方法，通过自动分解学习可重用的策略组件，提升任务执行效率与准确性。

CSMCIR: CoT-Enhanced Symmetric Alignment with Memory Bank for Composed Image Retrieval

CSMCIR: 基于记忆库的增强对称对齐用于复合图像检索

Zhipeng Qian, Zihan Liang, Yufei Ma, Ben Chen, Huangyu Dai, Yiwei Ma, Jiayi Ji, Chenyi Lei, Han Li, Xiaoshuai Sun

机构 * Kuaishou Technology（快播科技） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（教育部多媒体可信感知与高效计算重点实验室，厦门大学） 纠错

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

AI总结 本文提出CSMCIR，通过多级链式思维提示策略、对称双塔架构和熵基记忆库策略，实现高效查询-目标对齐，提升复合图像检索性能。

Benchmarking World-Model Learning with Environment-Level Queries

用环境级查询评估世界模型学习

Archana Warrier, Dat Nguyen, Michelangelo Naim, Moksh Jain, Yichao Liang, Karen Schroeder, Cambridge Yang, Joshua B. Tenenbaum, Sebastian Vollmer, Kevin Ellis, Zenna Tavares

机构 * Basis Research Institute ； DFKI GmbH ； Harvard University ； Universit\'e de Montr\'eal \& Mila - Quebec AI Institute ； University of Cambridge ； Massachusetts Institute of Technology ； Cornell University 纠错

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

AI总结 本文提出WorldTest协议，通过环境级查询评估智能体是否学习到支持多种环境属性的模型，通过AutumnBench验证人类在网格世界环境中的表现优于前沿模型。

Comments 34 pages, 10 figures

Reason to Play: Behavioral and Brain Alignment Between Frontier LRMs and Human Game Learners

玩乐的动机：前沿LRMs与人类游戏学习者的行为与大脑对齐

Botos Csaba, Sreejan Kumar, Austin Tudor David Andrews, Laurence Hunt, Chris Summerfield, Joshua B. Tenenbaum, Rui Ponte Costa, Marcelo G. Mattar, Momchil Tomov

机构 * University of Oxford（牛津大学） ； Columbia University（哥伦比亚大学） ； New York University（纽约大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文研究了前沿LRMs在游戏学习中的行为与大脑活动对齐情况，发现其在游戏发现阶段更接近人类行为，并能更准确预测大脑活动。

ReSeek: A Self-Correcting Framework for Search Agents with Instructive Rewards

ReSeek：一种具有指导性奖励的自我纠正搜索代理框架

Shiyu Li, Yang Tang, Yifan Wang, Peiming Li, Xi Chen

机构 * Basic Algorithm Center, PCG, Tencent, Shenzhen, China（腾讯基本算法中心、PCG、腾讯，深圳，中国） ； Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生学院，清华大学，深圳，中国） 纠错

专题命中 规划推理 ：reasoning(abstract)；self-correction(abstract)；分类 cs.CL

AI总结 本文提出ReSeek框架，通过引入自我纠正机制和密集指导性奖励函数，提升搜索代理在复杂任务中的表现和路径忠实度。

Comments ICML 2026

TRACE: Tourism Recommendation with Accountable Citation Evidence

TRACE：基于可问责引用证据的旅游推荐

Zixu Zhao, Sijin Wang, Yu Hou, Yuanyuan Xu, Yufan Sheng, Xike Xie, Wenjie Zhang, Won-Yong Shin, Xin Cao

机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； University of Adelaide（阿德莱德大学） ； Yonsei University（延世大学） ； USTC（中国科学技术大学） 纠错

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

AI总结 TRACE通过多轮对话结合评论引用和显式拒绝机制，解决旅游推荐中信任、可验证性和适应性问题，提出三项能力差距并验证评估方法。

LiteGUI: Distilling Compact GUI Agents with Reinforcement Learning

LiteGUI: 通过强化学习蒸馏紧凑的GUI代理

Yubin Wu, Zicheng Cai, Liping Ning, Hua Wang, Zhi Chen, Yaohua Tang, Hao Chen

机构 * Moore Threads AI 纠错

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

AI总结 本文提出一种无需监督微调的训练方法，通过引导在线蒸馏和多解决方案双层GRPO框架，提升小规模模型在GUI任务中的性能和探索能力。

RRCM: Ranking-Driven Retrieval over Collaborative and Meta Memories for LLM Recommendation

RRCM：基于协作和元记忆的排序驱动检索用于LLM推荐

Shijun Li, Wooseong Yang, Yu Wang, Tianxin Wei, Joydeep Ghosh

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） ； Capital One AI Foundations（Capital One AI基金会） ； 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 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 RRCM通过排序驱动的检索与推理框架，解决LLM推荐中构建相关上下文的挑战，利用自然语言表示的协作和元记忆，实现灵活的证据获取，提升推荐质量。

The Context Gathering Decision Process: A POMDP Framework for Agentic Search

上下文收集决策过程：一种用于代理搜索的POMDP框架

Chinmaya Kausik, Adith Swaminathan, Nathan Kallus

机构 * University of Michigan（密歇根大学） ； Netflix 纠错

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

AI总结 本文提出CGDP框架，通过将LLM行为建模为近似汤普森采样，引入谓词方法分解搜索过程，并设计两种干预措施提升多跳推理能力。

Comments 25 pages

Same Signal, Opposite Meaning: Direction-Informed Adaptive Learning for LLM Agents

同信号，异意义：方向感知的自适应学习用于大语言模型代理

Ziming Li, Jiatan Huang, Xiaoguang Guo, Guilin Wang, Chuxu Zhang

机构 * University of Connecticut（康奈尔大学） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

专题命中 规划推理 ：test-time compute(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出DIAL方法，通过方向感知的自适应学习解决LLM代理中计算需求与计算适宜性差异问题，提升性能-成本平衡。

From Storage to Experience: A Survey on the Evolution of LLM Agent Memory Mechanisms

从存储到经验：LLM代理记忆机制演化的综述

Jinghao Luo, Yuchen Tian, Chuxue Cao, Ziyang Luo, Hongzhan Lin, Kaixin Li, Chuyi Kong, Ruichao Yang, Jing Ma

机构 * Hong Kong Baptist University（香港 Baptist 大学） ； South China Normal University（南方中国师范大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology Beijing（北京科技大学） 纠错

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

AI总结 本文综述了LLM代理记忆机制的发展，提出三阶段框架，分析长程一致性、动态环境挑战和持续学习目标，探讨前瞻性探索与跨轨迹抽象等前沿机制，为下一代LLM代理设计提供指导。

Comments Accepted by ACL 2026 Findings

SeaEvo: Advancing Algorithm Discovery with Strategy Space Evolution

SeaEvo：通过策略空间进化推进算法发现

Sichun Luo, Yi Huang, Haochen Luo, Fengyuan Liu, Guanzhi Deng, Lei Li, Qinghua Yao, Zefa Hu, Junlan Feng, Qi Liu

机构 * The University of Hong Kong（香港大学） ； JIUTIAN Research, China Mobile（钧天研究院，中国移动） ； City University of Hong Kong（城市大学） 纠错

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

AI总结 SeaEvo通过策略空间进化层，将语言级策略推理转化为群体级进化状态，提升LLM引导的程序搜索效果，实现算法发现、系统优化和智能体设计任务的性能提升。

Position: Agent Should Invoke External Tools ONLY When Epistemically Necessary

位置：智能体应仅在知识上必要时调用外部工具

Hongru Wang, Cheng Qian, Manling Li, Jiahao Qiu, Boyang Xue, Mengdi Wang, Heng Ji, Amos Storkey, Kam-Fai Wong

机构 * University of Edinburgh（爱丁堡大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Northwestern University（西北大学） ； Princeton University（普林斯顿大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文探讨智能体在何种情况下应调用外部工具，提出应仅在内部推理无法可靠完成任务时才调用。引入了理论框架，强调决策中的不确定性管理，指出不必要的委托会降低效率并阻碍内部推理能力的发展。