大模型推理能力

Zoom, Don't Wander: Why Regional Search Outperforms Pareto Reasoning and Global Optimization in Budget-Constrained SBSE

聚焦，而非漫无目的搜索：在预算受限的SBSE中，区域搜索优于帕累托推理和全局优化

Kishan Kumar Ganguly, Tim Menzies

专题命中 规划推理 ：reasoning(title)

AI总结 本文研究发现，在预算受限的SBSE中，聚焦于有潜力区域的搜索方法比帕累托和全局优化更有效，提出的EZR方法在效率和可解释性上均优于传统方法。

Comments To be published in SSBSE 2026

LiteMedCoT-VL: Parameter-Efficient Adaptation for Medical Visual Question Answering

LiteMedCoT-VL: 用于医疗视觉问答的参数高效适应

Runze Ma, Shunbo Jia, Haonan Lyu, Guo Liu, Caizhi Liao

机构 * School of Information Technology（信息科技学院） ； Monash University Malaysia（墨尔本大学马来西亚分校） ； Faculty of Innovation Engineering（创新工程学院） ； Macau University of Science and Technology（澳门科学技术大学） ； Department of Bioelectronics（生物电子系） ； Faculty of Biomedical Engineering（生物医学工程学院） ； Shenzhen University of Advanced Technology（深圳先进技术大学） 纠错

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

AI总结 本文提出LiteMedCoT-VL，通过LoRA微调将大模型的推理过程转移到小模型，实现医疗视觉问答的高效部署，实验显示2B模型在准确率上超越4B模型。

Comments 17 pages, 5 figures

HiVLA: A Visual-Grounded-Centric Hierarchical Embodied Manipulation System

HiVLA：一种以视觉为基础的分层具身操作系统

Tianshuo Yang, Guanyu Chen, Yutian Chen, Zhixuan Liang, Yitian Liu, Zanxin Chen, Chunpu Xu, Haotian Liang, Jiangmiao Pang, Yao Mu, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 HiVLA提出一种分层框架，将高层语义规划与底层动作控制解耦，通过视觉 grounding 和 Diffusion Transformer 专家提升机器人操作能力，实验证明其在长时序技能组合和精细操作中表现优异。

Comments Project Page: https://tianshuoy.github.io/HiVLA-page/

Language Conditioned Multi-Finger Dexterous Manipulation Enabled by Physical Compliance and Switching of Controllers

通过物理合规性和控制器切换实现语言条件下的多指灵巧操作

Cheng Pan, Kai Junge, Benhui Dai, Qinghua Guan, Josie Hughes

机构 * Embodied AI（具身人工智能） 纠错

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

AI总结 本文提出一种结合高层视觉语言动作模型与小型控制模型的切换控制器，通过事件驱动机制实现多指灵巧操作的鲁棒控制，验证了硬件级合规性在提升接触稳定性方面的有效性。

ProcVLM: Learning Procedure-Grounded Progress Rewards for Robotic Manipulation

ProcVLM：基于学习的程序导向进度奖励用于机器人操作

Youhe Feng, Hansen Shi, Haoyang Li, Xinlei Guo, Yang Wang, Chengyang Zhang, Jinkai Zhang, Xiaohan Zhang, Jie Tang, Jing Zhang

机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； Zhipu AI（智谱AI） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

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

AI总结 ProcVLM通过程序结构和阶段内视觉变化学习密集的进度奖励，提升机器人操作的程序推理能力，优于现有基线方法。

PHMForge: Evaluating LLM Agents on Industrial Prognostics through MCP-Native, Algorithm-Grounded Tools

PHMForge：通过MCP原生、算法基础的工具评估LLM代理在工业预测维护中的表现

Tianjun Feng, Yunfeng Chen, Chun-Yi Tsai, Yihan Sun, Ayan Das, Kaoutar El Maghraoui, Shuxin Lin, Dhaval Patel

机构 * Columbia University（哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； IBM, New York（IBM，纽约） 纠错

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

AI总结 PHMForge通过MCP原生工具评估LLM代理在工业预测维护中的可靠性，揭示了静态检索在预测计算中的局限性，展示了不同框架和模型的表现差异。

Comments 23 pages, 3 figures

Knowledge is Not Enough: Injecting RL Skills for Continual Adaptation

知识不足：注入强化学习技能以实现持续适应

Pingzhi Tang, Yiding Wang, Muhan Zhang

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Yuanpei College, Peking University（北京大学元培学院） 纠错

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

AI总结 本文提出PaST框架，通过提取领域无关的Skill Vector，实现高效知识适应。实验表明PaST在知识问答和工具使用任务中优于现有方法，展现出良好的可扩展性和跨领域迁移能力。

LLM-Augmented Chemical Synthesis and Design Decision Programs

基于大语言模型的化学合成与设计决策程序

Haorui Wang, Jeff Guo, Lingkai Kong, Rampi Ramprasad, Philippe Schwaller, Yuanqi Du, Chao Zhang

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑校区） ； National Centre of Competence in Research (NCCR) Catalysis（催化领域竞争力研究国立中心） ； Harvard University（哈佛大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出利用大语言模型增强的 retrosynthesis 规划方法，通过高效编码反应路径和新的路线搜索策略，提升多步合成规划与可合成分子设计能力。

Comments ICML 2025

LLM-FE: Automated Feature Engineering for Tabular Data with LLMs as Evolutionary Optimizers

LLM-FE：基于LLM的进化优化器用于表格数据的自动化特征工程

Nikhil Abhyankar, Parshin Shojaee, Chandan K. Reddy

机构 * Department of Computer Science, Virginia Tech（弗吉尼亚理工学院计算机科学系） 纠错

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

AI总结 本文提出LLM-FE框架，结合LLM的领域知识和推理能力，通过进化搜索自动发现表格学习任务中的有效特征，优于现有方法。

Comments Accepted in Transactions on Machine Learning Research (TMLR)

CLEAR: Revealing How Noise and Ambiguity Degrade Reliability in LLMs for Medicine

CLEAR: 揭示噪声和歧义如何降低LLM在医学中的可靠性

Kevin H. Guo, Chao Yan, Avinash Baidya, Katherine Brown, Xiang Gao, Juming Xiong, Zhijun Yin, Bradley A. Malin

机构 * Department of Biomedical Informatics, Vanderbilt University Medical Center（生物医学信息学系，范德比尔特大学医学中心） ； Vanderbilt University（范德比尔特大学） ； Intuit AI Research（Intuit AI研究） ； Department of Electrical and Computer Engineering, Vanderbilt University（电气与计算机工程系，范德比尔特大学） ； Department of Computer Science, Vanderbilt University（计算机科学系，范德比尔特大学） ； Department of Biostatistics, Vanderbilt University Medical Center（生物统计学系，范德比尔特大学医学中心） 纠错

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

AI总结 CLEAR框架评估了决策空间呈现、歧义性和不确定性对医学基准LLM推理的影响，揭示了现有评估方法的三大局限：增加合理答案数量会降低模型识别正确答案和避免错误答案的能力，歧义性增加导致模型更不谨慎，且模型规模越大，谦逊缺陷越严重。

Less Diverse, Less Safe: The Indirect But Pervasive Risk of Test-Time Scaling in Large Language Models

多样性越低，安全性越差：大规模语言模型测试时缩放的间接但广泛的风险

Shahriar Kabir Nahin, Hadi Askari, Muhao Chen, Anshuman Chhabra

机构 * Bellini College of AI, Cybersecurity, and Computing（人工智能、网络安全与计算学院） ； University of South Florida, Tampa, Florida, USA（佛罗里达州塔帕斯大学） ； University of California, Davis, California, USA（加州大学戴维斯分校） 纠错

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

AI总结 本文揭示了测试时缩放（TTS）中多样性降低导致安全风险增加的问题，提出RefDiv协议用于检测TTS管道中的漏洞，并发现现有安全防护措施对此类风险效果有限。

Comments Accepted to ICML 2026

Rethinking Agentic Search with Pi-Serini: Is Lexical Retrieval Sufficient?

重新思考Pi-Serini中的代理搜索：词汇检索是否足够？

Tz-Huan Hsu, Jheng-Hong Yang, Jimmy Lin

机构 * University of Waterloo（滑铁卢大学） ； Stencilzeit University of Waterloo（斯泰尔齐特大学） 纠错

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

AI总结 本文探讨了在代理循环中，随着LLM能力提升，词汇检索是否足够。通过结合BM25与前沿LLM，引入Pi-Serini搜索代理，展示其在BrowseComp-Plus上优于现有检索代理的性能。

Comments 15 pages, 4 figures

GONE: Structural Knowledge Unlearning via Neighborhood-Expanded Distribution Shaping

GONE: 通过邻域扩展分布塑造实现结构知识卸载

Chahana Dahal, Ashutosh Balasubramaniam, Zuobin Xiong

机构 * University of Nevada, Las Vegas（内华达大学拉斯维加斯分校） ； Indian Institute of Technology Guwahati（印度理工学院古瓦哈提分校） 纠错

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

AI总结 本文提出GONE基准，用于评估LLM在结构知识图谱中的知识卸载能力，引入NEDS框架通过图连接性识别相关邻居，实现精确的遗忘边界划分，展示出在知识编辑和卸载任务中的优越性能。

MOOSE-Star: Unlocking Tractable Training for Scientific Discovery by Breaking the Complexity Barrier

MOOSE-Star: 通过突破复杂性障碍实现科学发现的可 tractable 训练

Zonglin Yang, Lidong Bing

机构 * MiroMind AI 纠错

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

AI总结 MOOSE-Star 通过分解子任务、层次搜索和受限组合方法，实现科学假设生成过程的可 tractable 训练，降低复杂度至对数级别，提升训练和推理效率。

Comments Accepted by ICML 2026

Continual Harness: Online Adaptation for Self-Improving Foundation Agents

持续Harness：面向自我改进基础代理的在线适应

Seth Karten, Joel Zhang, Tersoo Upaa, Ruirong Feng, Wenzhe Li, Chengshuai Shi, Chi Jin, Kiran Vodrahalli

机构 * Princeton University（普林斯顿大学） ； ARISE Foundation（ARISE基金会） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文提出持续Harness，一种无需人工干预的自我改进机制，通过在线适应提升具身代理在长视界部分可观察决策中的表现，实验证明其在Pokémon游戏中显著降低操作成本并接近专家水平。

Comments 28 pages, 19 figures, 5 tables

TAD: Temporal-Aware Trajectory Self-Distillation for Fast and Accurate Diffusion LLM

TAD: 时空感知轨迹自蒸馏用于快速准确的扩散大语言模型

Haoyang Zhou, Li Kong, Shijie Ren, Xiting Wang, Shuang Liang, Guowei Wang, Zhenxuan Pan

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 TAD通过时空感知轨迹自蒸馏方法，在提升生成速度的同时保持准确性，实验表明在LLaDA上质量模型将平均准确率提升至51.6%，速度模型将AUP提升至257.1。

Benchmarking Real-Time Question Answering via Executable Code Workflows

通过可执行代码工作流基准测试实时问答

Wenjie Zhou, Yuan Gao, Xin Zhou, Hao Fu, Zhongjian Miao, Wei Chen, Bo Chen, Xiaobing Zhao

机构 * Li Auto Inc（利亚 Auto 公司） ； Minzu University of China（民族大学） 纠错

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

AI总结 本文提出RT-QA框架，通过可执行代码工作流实现动态评估，发现现有模型在实时适应性上存在显著不足，主要问题包括懒惰检索和时间混淆。

EcoGym: Evaluating LLMs for Long-Horizon Plan-and-Execute in Interactive Economies

EcoGym：评估基于LLM的长周期计划与执行能力于交互经济中

Xavier Hu, Jinxiang Xia, Shengze Xu, Kangqi Song, Yishuo Yuan, Guibin Zhang, JinCheng Ren, Boyu Feng, Li Lu, Tieyong Zeng, Jiaheng Liu, Minghao Liu, He Zhu, Yuchen Eleanor Jiang, Wei Wang, Wangchunshu Zhou

机构 * OPPO-PersonalAI（OPPO-个人AI） 纠错

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

AI总结 EcoGym提出一个通用基准，用于评估LLM在交互经济中的长周期计划与执行能力，通过三个环境展示不同策略和行动的优化挑战。

Comments update

DSGBench: A Diverse Strategic Game Benchmark for Evaluating LLM-based Agents in Complex Decision-Making Environments

DSGBench：一种多样化的战略游戏基准，用于评估基于大语言模型的代理在复杂决策环境中的能力

Wenjie Tang, Yuan Zhou, Erqiang Xu, Keyan Cheng, Minne Li, Liquan Xiao

机构 * College of Computer, National University of Defense Technology（国防科技大学计算机学院） ； Intelligent Game and Decision Lab (IGDL)（智能博弈与决策实验室） 纠错

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

AI总结 DSGBench通过六个复杂战略游戏评估LLM代理在复杂决策环境中的能力，采用细粒度评分系统和自动决策追踪机制，揭示不同LLM模型的优劣与系统限制。

Comments 43 pages, 5 figures, conference

Interactive Critique-Revision Training for Reliable Structured LLM Generation

交互式批评-修订训练用于可靠的结构化大语言模型生成

Fei Xu Yu, Zuyuan Zhang, Mahdi Imani, Nathaniel D. Bastian, Tian Lan

机构 * The George Washington University（乔治华盛顿大学） ； Northeastern University（东北大学） ； United States Military Academy（美国军事学院） 纠错

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

AI总结 本文提出DPA-GRPO方法，通过生成器-验证器游戏中的结构化验证干预，提升结构化决策的准确性与一致性，实验显示其在TaxCalcBench TY24上优于零样本生成和生成器-only RL基线。

LaWM: Least Action World Models for Long-Horizon Physical Consistency from Visual Observations

LaWM：基于视觉观测的最短作用世界模型用于长时间物理一致性

Qixin Xiao, Maani Ghaffari

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 LaWM通过在视觉潜在空间中实现最小作用原理，提升长horizon视觉预测的物理一致性，改进了物理不变性、背景一致性、运动平滑度和外观几何预测指标。

Forecasting Source Stability in Scientific Experiments using Temporal Learning Models: A Case Study from Tritium Monitoring

利用时间学习模型预测科学实验中的源稳定性：氚监测的案例研究

Nicholas Tan Jerome, Nadia Aouadi, Christoph Koehler, Suren Chilingaryan, Andreas Kopmann

机构 * Institute for Data Processing（数据处理研究所） ； Schmalkalden University of Applied Sciences（施马尔卡尔登应用科学大学） ； Technical University Munich（慕尼黑技术大学） ； Max-Planck-Institut für Kernphysik（马克斯·普朗克核物理研究所） 纠错

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

AI总结 本文利用深度学习模型预测氚源稳定性，解决传统方法在稀疏不稳定事件和长预测周期中的不足，通过N-BEATS模型优化大规模物理实验。

Hypothesis-Driven Deep Research with Large Language Models: A Structured Methodology for Automated Knowledge Discovery

基于大语言模型的假设驱动深度研究：一种用于自动化知识发现的结构化方法论

Michael Chin

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出假设驱动深度研究方法论，通过结构化流程实现自动化知识发现，提升事实密度和准确性，实验显示在事实密度、主体匹配精度等方面有显著提升。

ReCAPA: Hierarchical Predictive Correction to Mitigate Cascading Failures

ReCAPA：分层预测性修正以缓解级联故障

Xiyin Zeng, Yuyu Sun, Haoyang Li, Shouqiang Liu, Hao Wang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； South China Normal University（华南师范大学） 纠错

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

AI总结 ReCAPA通过分层预测修正和对齐架构，缓解多模态环境中多步骤任务执行中的级联故障问题，引入新的指标量化误差传播与恢复过程，实验表明其在多个代理基准测试中表现优异。

Model Merging Scaling Laws in Large Language Models

大语言模型中的模型合并缩放规律

Yuanyi Wang, Yanggan Gu, Yiming Zhang, Qi Zhou, Zhaoyi Yan, Congkai Xie, Xinyao Wang, Jianbo Yuan, Hongxia Yang

机构 * The Hong Kong Polytechnic University (PolyU)（香港理工大学） ； Amazon（亚马逊） ； Innovation Research Institute（创新研究院） 纠错

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

AI总结 研究语言模型合并的缩放规律，发现模型大小与专家数量间存在幂律关系，揭示合并收益随专家数量增加而递减的规律，为模型合并提供可预测的规划方法。

Comments ICML 2026

HAMLET: A Hierarchical and Adaptive Multi-Agent Framework for Live Embodied Theatrics

HAMLET：一种分层自适应的多智能体框架用于实时具身戏剧

Shufan Jiang, Sizhou Chen, Chios Chen, Chi Zhang, Xiao-Lei Zhang, Xuelong Li

机构 * East China University of Science and Technology（东华大学） ； The University of Sydney（悉尼大学） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究所） ； China Telecom（中国电信） ； Datawhale Org（Datawhale组织） ； Independent Researcher（独立研究员） 纠错

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

AI总结 HAMLET通过分层自适应多智能体框架实现戏剧创作与实时表演，提升戏剧表现力和物理交互性，采用自适应推理模块和具身互动增强沉浸感。

Comments Accepted to the Fourteenth International Conference on Learning Representations (ICLR 2026)

TrajDLM: Topology-Aware Block Diffusion Language Model for Trajectory Generation

TrajDLM：基于块扩散语言模型的拓扑感知轨迹生成框架

Wilson Wongso, Lihuan Li, Arian Prabowo, Xiachong Lin, Baiyu Chen, Hao Xue, Flora D. Salim

机构 * University of New South Wales（新南威尔士大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 TrajDLM结合块扩散模型与拓扑感知嵌入，实现高效且真实的轨迹生成，优于现有方法，在速度和细粒度相似性上表现优异，并在跨领域迁移中表现出色。

HAGE: Harnessing Agentic Memory via RL-Driven Weighted Graph Evolution

HAGE: 通过RL驱动的加权图进化利用代理记忆

Dongming Jiang, Yi Li, Guanpeng Li, Qiannan Li, Bingzhe Li

机构 * Department of Computer Science, The University of Texas at Dallas（德克萨斯大学达拉斯分校计算机科学系） ； Department of Electrical and Computer Engineering, University of Florida（佛罗里达大学电气与计算机工程系） ； University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 HAGE提出了一种加权多关系记忆框架，通过RL驱动的训练框架优化路由行为和边表示，提升长周期推理准确性和效率。

LLM-Guided Monte Carlo Tree Search over Knowledge Graphs: Composing Mechanistic Explanations for Drug-Disease Pairs

基于知识图谱的LLM引导蒙特卡洛树搜索：为药物-疾病对构建机制性解释

Rishabh Jakhar, Michel Dumontier, Remzi Celebi

机构 * Institute of Data Science, Department of Advanced Computing Sciences, Maastricht University（数据科学研究所，高级计算科学系，马斯特里赫特大学） 纠错

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

AI总结 本文提出TESSERA框架，结合LLM和知识图谱进行多步解释提取，通过约束结构和反向传播实现长周期搜索，验证了其在药物机制解释中的有效性。

Comments Accepted at IJCAI-ECAI 2026. 9 pages (7 content + 2 references), 5 figures, 3 tables. Includes supplementary material (26 pages)

Governing AI-Assisted Security Operations: A Design Science Framework for Operational Decision Support

治理人工智能辅助的安全运营：一种用于操作决策支持的设计科学框架

Elyson A. De La Cruz, Rishikesh Sahay, Md Rasel Al Mamun

机构 * Department of Artificial Intelligence, University of the Cumberlands（人工智能系，坎伯兰大学） ； Department of Management Information Systems, University of Illinois Springfield（管理信息系统系，伊利诺伊大学斯普林菲尔德分校） 纠错

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

AI总结 本文提出了一种设计科学框架，用于在高风险数字基础设施中管理人工智能辅助的操作决策支持，通过定义设计提案、角色问责制、成熟阶段、质量门禁、评估标准和证据边界。

Comments 28 pages, 1 listing, 1 figure, 20 Tables