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。
不再有间隙：通过一个分词器实现零间隙多模态整合
机构 * Research Center for Frontier Fundamental Studies, Zhejiang Lab（前沿基础研究研究中心，浙江实验室） ； Research Center for Scientific Data Hub, Zhejiang Lab（科学数据枢纽研究中心，浙江实验室）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL
AI总结 本文提出One Tokenizer，通过统一词汇实现多模态无缝整合，克服传统架构的几何模态间隙问题，提升生物推理性能。
Comments Under review at NeurIPS 2026
通过激励与修正实现AI对齐
机构 * Princeton University（普林斯顿大学）
专题命中 逻辑推理 ：verifier(abstract)；分类 cs.AI、cs.LG
AI总结 本文从法律经济学威慑模型视角探讨AI对齐问题，提出通过激励机制和修正过程解决AI行为与对齐目标的平衡问题，构建双代理模型分析奖励设计对求解器和审计器行为的影响。
探索LLMs在金融图谱中反洗钱检测中的情境学习能力
机构 * The Vanguard Group, Inc.（先锋集团）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文研究了LLMs在金融图谱中进行反洗钱检测的能力，通过提取局部子图并利用少量样本进行情境学习，展示LLMs在识别可疑行为和生成解释方面的潜力。
Comments Accepted at AI4FCF-ICDM 2025
Journal ref 2025 IEEE International Conference on Data Mining Workshops (ICDMW)
GraphMERT：从非结构化数据中高效可扩展地蒸馏可靠知识图谱
机构 * Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出GraphMERT，一种高效的图神经网络模型，通过蒸馏高质量知识图谱提升领域知识的可靠性与有效性。
Comments Camera-ready version. Published in Transactions on Machine Learning Research (TMLR), 2026. Reviewed on OpenReview: https://openreview.net/forum?id=tnXSdDhvqc
Journal ref Transactions on Machine Learning Research, 2026
Simulus：结合高效样本世界模型代理的改进
机构 * Technion（技术ion大学） ； Microsoft Research（微软研究院） ； ByteDance Seed（字节跳动种子实验室）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Simulus，一种模块化的基于标记的世界模型代理，通过整合灵活的标记化框架、内在动机、优先世界模型回放和回归-分类方法，提升了样本效率，适用于多个基准测试。
Comments Revised version: updated title, abstract, and framing to better reflect our contributions and situate the work within the literature
通过神经符号AI实现自主业务系统
机构 * School of Systems Science and Industrial Engineering, Binghamton University, State University of New York（宾夕法尼亚州立大学布林顿分校系统科学与工业工程学院） ； AI Engineering, USA TODAY Co., Inc.（USA TODAY公司人工智能工程部） ； Binghamton Center of Complex Systems, Binghamton University, State University of New York（宾夕法尼亚州立大学布林顿复杂系统中心） ； Waseda Innovation Lab, Waseda University（早稻田大学创新实验室）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出自主业务系统AUTOBUS，结合大语言模型、谓词逻辑编程和企业数据，构建神经符号架构以执行端到端业务任务，通过人机协作提升业务处理的确定性和适应性。
Comments IEEE SysCon 2026
Journal ref 2026 IEEE International Systems Conference (SysCon), Halifax, NS, Canada, 2026, pp. 1-8
ReasonSTL：通过工具增强的过程奖励学习桥接自然语言与信号时间逻辑
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出ReasonSTL框架，通过工具增强和过程奖励学习，解决自然语言到信号时间逻辑（STL）的转换难题，提供透明、低成本且隐私保护的正式规范起草方案。
ConCovUp：面向并发测试的有效代理基于测试驱动生成
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 本文提出ConCovUp框架，结合LLM与程序分析，通过静态分析提取共享内存访问及调用上下文，利用LLM驱动的逆向追踪方法生成有效并发测试，提升SMAP覆盖率。
约束编程在萨凡纳市的拼车服务优化研究
专题命中 逻辑推理 ：planning(abstract)
AI总结 本文提出基于约束编程的拼车服务优化模型，通过萨凡纳案例证明其在服务效率和请求数量上的优势，相比传统方法更易实施且灵活性高。
小米OneVL：基于视觉-语言解释的一步潜在推理与规划
机构 * Xiaomi Embodied Intelligence Team（小米具身智能团队）
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)
AI总结 OneVL通过双重辅助解码器监督的紧凑潜在标记，实现了视觉-语言解释的一步潜在推理与规划，首次在延迟条件下超越了显式推理方法。
Comments Technical Report; 49 pages, 22 figures, 10 tables; Project Page at https://xiaomi-embodied-intelligence.github.io/OneVL GitHub at https://github.com/xiaomi-research/onevl
DeltaRubric: 通过联合规划和验证实现生成式多模态奖励建模
机构 * Tencent Hunyuan（腾讯文元） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； University of North Carolina, Chapel Hill（北卡罗来纳大学 Chapel Hill 分校）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；verifier(abstract)；分类 cs.CL
AI总结 DeltaRubric通过联合规划和验证流程，提升多模态奖励建模的可靠性与泛化能力，实验表明其在多模态任务中表现优异。
PAC-MCTS：具有偏见意识的剪枝用于稳健的LLM引导搜索与规划
机构 * School of Mathematics, Southeast University（东南大学数学学院）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出PAC-MCTS框架，通过动态调整置信区间来应对LLM引导下的偏见问题，实验表明其在Blocksworld和ALFWorld任务中显著提升了鲁棒性和搜索效率。
Comments 18 pages, 4 figures
通过规划实现高效的LLM协作
机构 * KAIST（韩国科学技术院） ； Yonsei University（延世大学）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 本文提出COPE框架，通过规划模型与执行模型的协作，提升小模型和大模型在复杂任务中的性能，同时显著降低推理成本。
智能体是否需要分步规划？重新审视数据导向工具调用中的规划范围
机构 * Megagon Labs（Megagon实验室）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.CL
AI总结 本文研究了数据导向任务中规划范围的影响，发现全范围规划结合延迟重规划在准确性和效率上优于单步规划。
Comments CAIS 2026
计划是什么？LLMs中隐式规划的度量及其在押韵生成和问答中的应用
机构 * HPI / University of Potsdam（HPI/波茨坦大学） ； Utrecht University（乌特勒支大学） ； Google DeepMind（谷歌DeepMind）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出简单方法评估LLM隐式规划，通过押韵生成和问答案例展示其可扩展性，发现隐式规划在1B参数模型中普遍存在，为AI安全提供新视角。
Comments 41 pages, 34 figures, Accepted at ICLR 2026, Code available at https://github.com/Jim-Maar/implicit-planning-in-llms
CLR-voyance：通过结果感知的评分表强化住院患者临床决策支持中的开放性推理
机构 * ASUS Intelligent Cloud Services (AICS)（ASUS智能云服务（AICS）） ； Rehabilitation Research Institute of Singapore, Nanyang Technological University（新加坡康复研究院，南洋理工大学） ； Department of Family Medicine, Taipei Veterans General Hospital（台北荣民总医院家庭医学部） ； School of Medicine, National Yang Ming Chiao Tung University（国家阳明交通大学医学院） ； Yong Loo Lin School of Medicine, National University of Singapore（新加坡国立大学 Yong Loo Lin 医学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 CLR-voyance将住院患者推理建模为POMDP，通过结果感知和临床验证的奖励机制提升决策支持，实现住院患者临床推理的最新进展。
AssemPlanner：一种面向灵活装配系统的多智能体任务规划框架
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen 518055, China（清华大学深圳国际研究生院，清华大学，深圳 518055，中国） ； Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China（清华大学机械工程系，清华大学，北京 100084，中国）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 本文提出AssemPlanner，一种多智能体任务规划框架，通过自然语言描述的任务转化为可执行的生产操作序列，解决传统方法配置耗时的问题。
CHARMS：用于自动驾驶中的推理与运动风格化的认知层次代理
机构 * School of Mechanical and Electronic Engineering, Wuhan University of Technology（武汉理工大学机械与电子工程学院） ； Intelligent Transportation Systems Research Center, Wuhan University of Technology（武汉理工大学智能交通系统研究所） ； Department of Data and Systems Engineering, The University of Hong Kong（香港大学数据与系统工程系） ； School of Computer Science and Artificial Intelligence, Wuhan University of Technology（武汉理工大学计算机科学与人工智能学院） ； School of Mechanical Engineering, Southeast University（东南大学机械工程学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 CHARMS通过强化学习预训练和监督微调pipeline，实现人类般的决策行为和交互真实性，同时利用泊松认知层次理论生成多样化驾驶场景。
Journal ref ITSC 2025
克服多步复杂性以实现多模态理论思维推理：一种可扩展的贝叶斯规划器
机构 * Dartmouth College（达特茅斯学院） ； Honda Research Institute USA（本田美国研究院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出了一种可扩展的贝叶斯理论思维规划器，通过分步贝叶斯更新分解理论思维推理，利用弱到强控制使小语言模型专精于理论思维似然估计，并将其推理行为转移给大语言模型，从而在多模态理论思维基准测试中实现4.6%的准确率提升。
Comments Accepted as a Spotlight at the 2025 Forty-Second International Conference on Machine Learning (ICML 2025)
REI-Bench: 体感代理能否在任务规划中理解模糊的人类指令？
机构 * MARS Lab, School of Mechanical and Aerospace Engineering（MARS实验室，机械与航空航天工程学院）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文研究模糊参照表达对LLM任务规划的影响，提出REI-Bench基准，发现模糊性会显著降低机器人规划性能，提出任务导向上下文认知方法提升表现。
Comments Accepted at ICLR 2026
有效解释支持在不确定性下的规划
机构 * University of Tübingen（图宾根大学） ； Technical University Darmstadt（达姆施塔特技术大学） ； Max Planck Institute for Biological Cybernetics（生物 cybernetics 最大平面研究所） ； University of Cambridge（剑桥大学） ； Stanford University（斯坦福大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一种计算模型，将解释转化为行动计划，通过大规模语言模型生成策略先验和价值图，结合规划代理在部分可观测条件下执行，验证了高质量解释能提升导航效率。
Comments CogSci 2026
利用大视觉-语言模型从遥感图像中推导建成环境
机构 * Department of Urban and Regional Planning, University of Florida（佛罗里达大学城市与区域规划系）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文研究了大语言模型在智慧城市中的应用，通过多尺度遥感图像输入多模态语言模型，评估其对建成环境推理的影响，并比较了InternVL和Qwen等先进模型在生成建成环境建议中的准确性和可靠性。
Comments Published in the International Conference on Industrialized Construction 2026
FocalAD：端到端自动驾驶中的局部运动规划
机构 * School of Transportation Science and Engineering（交通科学与工程学院） ； State Key Lab of Intelligent Transportation System（智能交通运输系统国家重点实验室） ； Hangzhou International Innovation Institute（杭州国际创新研究院） ； School of Computer Science and Technolog（计算机科学与技术学院） ； Beijing Jiaotong University（北京交通大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出FocalAD框架，通过增强局部运动表示和关注关键局部邻居，提升自动驾驶的规划可靠性与鲁棒性，在nuScenes和Bench2Drive等数据集上表现优异。
Journal ref FocalAD: Local Motion Planning for End-to-End Autonomous Driving. Automot. Innov. (2026)
V-ABS：基于动作-观察者的动态视觉推理束搜索
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University（上海交通大学图像处理与模式识别研究所） ； SenseTime Research（商汤科技研究院） ； Institute of Medical Robotics, Shanghai Jiao Tong University（上海交通大学医学机器人研究所）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出V-ABS框架，通过思考-行动-观察循环和熵适应加权算法，缓解IAO偏差，提升多模态模型在复杂视觉推理中的性能。
SCORP：具有稳定在线强化学习后训练的场景一致多智能体扩散规划用于协作驾驶
机构 * School of Information Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）信息科学与技术学院） ； Middle East Technology University (METU)（中东技术大学） ； Robotics and Autonomous Systems Thrust, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统方向） ； School of Computer Science and Technology, Qinghai University（青海大学计算机科学与技术学院）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 SCORP通过场景条件多智能体去噪架构和两层马尔可夫决策过程提升多智能体协作驾驶的场景一致性和效率，实验表明其在安全性和效率指标上优于现有基线方法。
QM-ToT: 一种用于量化模型的医学树状思维推理框架
机构 * City University of Hong Kong(Dongguan)（香港城市大学（东莞）） ； Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出QM-ToT框架，通过树状思维方法分解复杂医疗问题，提升INT4量化模型在MedQAUSMLE数据集上的性能，使LLaMA2-70b模型准确率从34%提升至50%。
Comments Accepted by ICIC 2026 Poster
高效多机器人运动规划与预计算的平移不变边束
机构 * Smead Aerospace Engineering Sciences, University of Colorado Boulder（科罗拉多大学博尔德分校航空航天工程科学系） ； Department of Computer Science, University of Colorado Boulder（科罗拉多大学博尔德分校计算机科学系） ； Cherry Creek High School, Greenwood Village, CO, USA（科罗拉多州格里诺村樱桃溪高中）
专题命中 规划推理 ：planning(title,abstract)
AI总结 本文提出KiTE-Extend方法，通过预计算轨迹段提升多机器人运动规划效率，尤其在多智能体场景中显著改善规划性能和可扩展性。
基于风险的光伏丰富配电系统规划使用生成式AI
专题命中 规划推理 ：planning(title,abstract)
AI总结 本文提出一种基于风险的光伏容量评估框架，利用生成式AI生成时间相关负载需求场景，以量化电压违规的风险，提升配电系统规划的实用性。
元认知行为调节用于多跳问答的大型语言模型
机构 * Dept. of ECE Seoul Nat’l Univ.（首尔国立大学电子工程系） ； AI Center Samsung Elec. Korea（三星电子韩国人工智能中心） ； AIIS, ASRI, INMC, ISRC, Interdisc. Prog. in AI Seoul Nat’l Univ.（首尔国立大学人工智能研究所、高级研究机构、人工智能中心、国际研究所以及人工智能跨学科研究计划）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；self-correction(abstract)；分类 cs.AI
AI总结 本文提出元认知行为调节（MBT）框架，通过五阶段结构提升多跳问答任务的准确性和效率，减少冗余并保持推理轨迹稳定。
Comments 41 pages
MaD Physics：在物理环境中评估受约束的信息获取
机构 * Mila – Quebec AI Institute, Université de Montréal（Mila-魁北克人工智能研究所，蒙特利尔大学） ； Google DeepMind（谷歌DeepMind）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 MaD Physics通过三个基于不同物理定律的环境，评估智能体在资源受限条件下进行测量和推理的能力，揭示了现有模型在科学推理和约束规划方面的不足。
Comments 64 pages, 10 figures. Project page: https://mad-physics.github.io/
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