大模型推理能力

MemReread: Enhancing Agentic Long-Context Reasoning via Memory-Guided Rereading

MemReread: 通过记忆引导重读增强代理长上下文推理

Baibei Ji, Xiaoyang Weng, Juntao Li, Zecheng Tang, Yihang Lou, Min Zhang

机构 * Soochow University（苏州大学） ； Peking University（北京大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 MemReread通过记忆引导重读机制，在线性处理文档片段时避免二次检索，实现非线性推理并保持文档理解的逻辑流，通过强化学习框架提升长上下文推理任务性能。

Toward Multi-Database Query Reasoning for Text2Cypher

迈向多数据库查询推理的Text2Cypher

Makbule Gulcin Ozsoy

机构 * Neo4j（Neo4j公司） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL

AI总结 本文提出多数据库查询推理方法，解决跨多个独立图数据库的查询问题，通过三阶段路线图实现数据库路由、分解和异构查询推理。

Teaching LLMs to See Graphs: Unifying Text and Structural Reasoning

教LLM看见图：统一文本与结构推理

Dario Vajda

机构 * Faculty of Computer and Information Science University of Ljubljana（计算机与信息科学系卢布尔雅纳大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.LG

AI总结 本文提出GTLM，一种能原生处理图拓扑的新型架构，通过注入图感知注意力偏置，有效消除语义瓶颈，提升图结构数据处理性能。

CodeClinic: Evaluating Automation of Coding Skills for Clinical Reasoning Agents

CodeClinic：评估临床推理代理的编码技能自动化

Timothy Ossowski, Xinchi Liu, Danyal Maqbool, Vaibhav Dhanuka, Sheng Zhang, Hoifung Poon, Majid Afshar, Tyler Bradshaw, Junjie Hu

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

AI总结 CodeClinic通过MIMIC-IV构建基准，评估LLM代理是否能合成和组合可重用的临床技能，而非依赖固定工具库，包含纵向ICU监控和组合信息检索任务，提升多步推理效率。

GraphReAct: Reasoning and Acting for Multi-step Graph Inference

GraphReAct：多步图推断中的推理与行动

Xingtong Yu, Zhongwei Kuai, Chang Zhou, Xuanting Xie, Renhe Jiang, Xikun Zhang, Hong Cheng, Xinming Zhang, Yuan Fang

机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Science and Technology of China（中国科学技术大学） ； University of Electronic Science and Technology of China（电子科技大学） ； The University of Tokyo（东京大学） ； RMIT University（皇家墨尔本理工大学） ； Singapore Management University（新加坡管理学院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

AI总结 GraphReAct通过结合推理与行动，提升图数据的多步推断能力，通过拓扑和语义检索及上下文精炼实现信息逐步扩展与压缩，实验表明其优于现有方法。

Comments Under review

Batch-of-Thought: Cross-Instance Learning for Enhanced LLM Reasoning

批量思考：用于增强大语言模型推理的跨实例学习

Xuan Yang, Furong Jia, Roy Xie, Xiong Xi, Hengwei Bian, Jian Li, Monica Agrawal

机构 * Duke University（杜克大学） ； ByteDance Inc.（字节跳动公司） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

AI总结 本文提出Batch-of-Thought方法，通过联合处理相关查询实现跨实例学习，提升LLM推理准确性和效率，实验显示在多个基准测试中显著降低推理成本。

CauSim: Scaling Causal Reasoning with Increasingly Complex Causal Simulators

CauSim：通过日益复杂的因果模拟器扩展因果推理

Nicolás Astorga, Anita Kriz, Mihaela van der Schaar

机构 * DAMTP, University of Cambridge, Cambridge, UK（剑桥大学 DAMTP 实验室，剑桥，英国） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

AI总结 CauSim通过构建日益复杂的因果模拟器，将因果推理从稀缺标签问题转化为可扩展的监督学习问题，实现跨表示的泛化和因果推理能力的提升。

Training with Harnesses: On-Policy Harness Self-Distillation for Complex Reasoning

通过Harness训练：面向复杂推理的在线策略Harness自蒸馏

Zhengyang Zhao, Lu Ma, Wentao Zhang

机构 * Peking University（北京大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL

AI总结 本文提出OPHSD方法，通过将增强的模型作为教师进行自蒸馏，提升模型在复杂推理任务中的泛化能力和独立表现。

ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning

ROS-LLM：一个用于具身AI的ROS框架，具有任务反馈和结构化推理

Christopher E. Mower, Yuhui Wan, Hongzhan Yu, Antoine Grosnit, Jonas Gonzalez-Billandon, Matthieu Zimmer, Jinlong Wang, Xinyu Zhang, Yao Zhao, Anbang Zhai, Puze Liu, Daniel Palenicek, Davide Tateo, Cesar Cadena, Marco Hutter, Jan Peters, Guangjian Tian, Yuzheng Zhuang, Kun Shao, Xingyue Quan, Jianye Hao, Jun Wang, Haitham Bou-Ammar

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Leeds（利兹大学） ； Technical University of Darmstadt（达姆施塔特技术大学） ； East China Normal University（华东师范大学） ； Huawei Technologies（华为技术有限公司） ； ETH Zurich（苏黎世联邦理工学院） ； University College London（伦敦大学学院） 纠错

专题命中 复杂问题求解 ：reasoning(title)；分类 cs.AI

AI总结 本文提出一种基于ROS的框架，允许非专家通过自然语言提示和上下文信息编程机器人，结合大语言模型实现任务描述和行为模式控制，实验验证了其在多样化场景中的鲁棒性和扩展性。

Comments This document contains 26 pages and 13 figures

Journal ref Nature Machine Intelligence 8, 313-325 (2026)

Sanity Checks for Long-Form Hallucination Detection

长形式幻觉检测的合理性检查

Geigh Zollicoffer, Minh Vu, Hongli Zhan, Raymond Li, Manish Bhattarai

机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出一种控制不变性方法，通过强制和移除测试区分推理本身与最终答案的表面关联，展示轻量级评分器TRACT在未扰动轨迹上的有效性。

Operating Within the Operational Design Domain: Zero-Shot Perception with Vision-Language Models

在操作设计域内运行：基于视觉-语言模型的零样本感知

Berkehan Ünal, Hauke Dierend, Dren Fazlija, Christopher Plachetka

机构 * Volkswagen Aktiengesellschaft（大众汽车股份有限公司） ； L3S Research Center（莱比锡大学汉诺威研究中心） ； Faculty of Information Technology（信息科技学院） ； MOIA GmbH（MOIA公司） ； Motor AI GmbH（Motor AI公司） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 本文探讨了视觉-语言模型在无监督条件下对操作设计域的零样本感知能力，通过实验验证了基于链式推理的提示方法在OBD感知中的有效性，并提出了可重用的提示模板。

Comments 8 pages, 4 figures

MINGLE: VLMs for Semantically Complex Region Detection in Urban Scenes

MINGLE：用于城市场景中语义复杂区域检测的视觉语言模型

Liu Liu, Alexandra Kudaeva, Marco Cipriano, Fatimeh Al Ghannam, Freya Tan, Gerard de Melo, Andres Sevtsuk

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Hasso Plattner Institute（于尔克·平特纳研究所） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；planning(abstract)

AI总结 本文提出MINGLE模型，通过整合人类检测、视觉语言推理和轻量级空间聚合算法，实现城市场景中社交群体区域的检测，贡献包括新数据集和语义丰富的标注方法。

Comments 13 pages, 4 figures Updated with the camera-ready version after acceptance

RubricEM: Meta-RL with Rubric-guided Policy Decomposition beyond Verifiable Rewards

RubricEM: 通过规则引导的策略分解实现超越可验证奖励的元强化学习

Gaotang Li, Bhavana Dalvi Mishra, Zifeng Wang, Jun Yan, Yanfei Chen, Chun-Liang Li, Long T. Le, Rujun Han, George Lee, Hanghang Tong, Chen-Yu Lee, Tomas Pfister

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google Cloud AI Research（谷歌云人工智能研究） 纠错

专题命中 复杂问题求解 ：planning(abstract)；分类 cs.CL、cs.LG

AI总结 RubricEM通过规则引导的策略分解和反思元策略进化，解决深度研究代理在不可验证奖励下的训练问题，实现长周期优化和可重用经验积累。

Comments 63 pages, 6 figures

Skill-R1: Agent Skill Evolution via Reinforcement Learning

Skill-R1：通过强化学习实现智能体技能进化

Yash Vishe, Rohan Surana, Xunyi Jiang, Zihan Huang, Xintong Li, Nikki Lijing Kuang, Tong Yu, Ryan A. Rossi, Jingbo Shang, Julian McAuley, Junda Wu

机构 * UC San Diego（UC圣地亚哥大学） ； Adobe Research（Adobe研究院） 纠错

专题命中 复杂问题求解 ：planning(abstract)；分类 cs.AI、cs.LG

AI总结 Skill-R1通过强化学习框架实现实例级递归技能优化，利用可验证奖励训练轻量级技能生成器，提升智能体在复杂多步骤任务中的表现。

LLM as Graph Kernel: Rethinking Message Passing on Text-Rich Graphs

LLM作为图核：重新思考文本丰富图上的消息传递

Ying Zhang, Hang Yu, Haipeng Zhang, Peng Di

机构 * Ant Group（蚂蚁集团） ； ShanghaiTech University（上海科技大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出RAMP方法，将LLM作为图原生聚合算子，通过双表示方案实现文本丰富图的高效推理，解决传统方法信息瓶颈问题，提升图传播与深度文本推理的结合性能。

Comments 23 pages, 5 figures

The Agent Use of Agent Beings: Agent Cybernetics Is the Missing Science of Foundation Agents

代理行为的代理使用：代理循证学是基础代理的缺失科学

Xinrun Wang, Chang Yang, He Zhao, Zhuoyi Lin, Shuyue Hu

机构 * Singapore Management University（新加坡管理大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） ； Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR)（信息通信研究院，科技研究局（A*STAR）） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出代理循证学作为基础代理的理论基础，通过将经典循证学定律映射到代理设计原则，提出可靠性、持续运行和自我改进三大工程需求，以指导复杂任务中的代理设计与部署。

Comments Preliminary Work

AdaPaD: Adaptive Parallel Deflation for PEFT with Self-Correcting Rank Discovery

AdaPaD: 适应性并行消去用于PEFT的自校正秩发现

Barbara Su, Fangshuo Liao, Anastasios Kyrillidis

机构 * Department of Computer Science（计算机科学系） ； Rice University（里士满大学） 纠错

专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.LG

AI总结 AdaPaD通过自校正机制实现并行消去，使秩分布成为输出而非输入，证明误差指数衰减并提供泛化界限，实验证明其在参数预算下与自适应秩LoRA基线和固定秩LoRA竞争。

Knowledge Poisoning Attacks on Medical Multi-Modal Retrieval-Augmented Generation

针对医疗多模态检索增强生成的知识污染攻击

Peiru Yang, Haoran Zheng, Tong Ju, Shiting Wang, Wanchun Ni, Jiajun Liu, Shangguang Wang, Yongfeng Huang, Tao Qi

机构 * Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Northwestern Polytechnical University（西北工业大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.AI

AI总结 本文提出M³Att框架，针对医疗多模态RAG系统，通过在文本数据中注入隐蔽虚假信息并利用配对视觉数据作为查询无关触发器，提升检索概率，从而在不依赖用户查询先验知识的情况下实现知识污染攻击。

Comments Accepted by ACL 2026

EconWebArena: Benchmarking Autonomous Agents on Economic Tasks in Realistic Web Environments

EconWebArena：在现实网络环境中评估自主代理在经济任务上的基准测试

Zefang Liu, Yinzhu Quan

机构 * Capital One ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出EconWebArena基准，通过360个精心挑选的任务测试自主代理在经济任务中的能力，强调权威数据源和基于网络的经济推理，评估多种多模态LLM的表现，揭示性能差距和挑战。

TRACER: Verifiable Generative Provenance for Multimodal Tool-Using Agents

TRACER：多模态工具使用代理的可验证生成溯源

Bihui Yu, Caijun Jia, Jing Chi, Xiaohan Liu, Yining Wang, He Bai, Yuchen Liu, Jingxuan Wei, Junnan Zhu

机构 * Shenyang Institute of Computing Technology, Chinese Academy of Sciences（中国科学院沈阳计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center in Jinan), Qilu University of Technology (Shandong Academy of Sciences)（教育部计算电力网络与信息安全重点实验室，山东计算机科学中心（济南国家超算中心），齐鲁工业大学（山东省科学院）） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 TRACER通过生成带结构溯源记录的答案句子，解决多模态工具使用代理中缺乏的 claim-level 依赖结构问题，提升工具使用可验证性和优化性。

Evading Visual Aphasia: Contrastive Adaptive Semantic Token Pruning for Vision-Language Models

逃避视觉失语：面向视觉-语言模型的对比自适应语义令牌修剪

Jie Ma, Yihang Liu, Zhike Qiu, Jiayi Ji, Xiaoshuai Sun

机构 * Xiamen University（厦门大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出COAST方法，通过对比自适应语义路由实现视觉-语言模型的高效令牌修剪，减少77.8%的视觉令牌并提升2.15倍的推理速度，同时保持98.64%的原始性能。

Towards Autonomous Business Intelligence via Data-to-Insight Discovery Agent

通过数据到洞察发现代理实现自主商业智能

Dongming Wu, Junwen Li, Ming Lu, Gang Wang, Ting Chen

机构 * Rajax Network Technology(Taobao Shangou of Alibaba)（阿里淘宝购物网络技术） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出AIDA框架，通过灵活的零售环境和定制DSL实现复杂业务环境的自主探索，实验表明其在洞察发现和分析深度上优于传统方法。

MCP-Cosmos: World Model-Augmented Agents for Complex Task Execution in MCP Environments

MCP-Cosmos：用于MCP环境复杂任务执行的世界模型增强型智能体

Giridhar Ganapavarapu, Dhaval Patel

机构 * IBM 纠错

专题命中 复杂问题求解 ：planning(abstract)；分类 cs.AI

AI总结 MCP-Cosmos融合世界模型与MCP框架，通过引入生成世界模型提升智能体在复杂任务中的执行能力，实验显示其在工具成功率和参数准确性等方面有显著提升。

UserGPT Technical Report

UserGPT 技术报告

Yunyi Xuan, Hao Yi, Fengling Mao, Daye Cai, Leikun Liang, Xingsheng He, Jiangnan Xie, Guoshuai Wang, Yushan Han, Wenwen Guo, Xiaoxiao Xu, Lin Qu

机构 * Alibaba Group（阿里巴巴集团） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出UserGPT框架，通过属性生成和摘要生成提升LLM的人格理解能力，结合行为模拟引擎和数据导向语义化模块，实现对长行为历史的高效推理。

Large Language Models as Students Who Think Aloud: Overly Coherent, Verbose, and Confident

大型语言模型作为思考出声的学生：过于连贯、啰嗦且自信

Conrad Borchers, Jill-Jênn Vie, Roger Azevedo

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Soda Team, Inria Saclay（Soda团队，法国国家科学研究中心萨克雷分部） ； University of Central Florida（中央佛罗里达大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 本文评估LLM在模拟学生思考过程中的表现，发现其推理过于连贯、啰嗦且缺乏变异性，揭示了使用生成式AI设计适应性系统时的认知局限。

Comments Manuscript under review

Information Extraction of Nested Complex Structure of Quantum Cascade Lasers via Large Language Models

通过大语言模型提取量子级联激光器嵌套复杂结构的信息

Xiao Fang, Ming Lü, Hanwen Liang, Xingshen Song, Kele Xu, Hui Cai, Chaofan Zhang

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出基于JSON Schema指导的信息提取流程，提升复杂结构数据提取精度，通过12种先进LLM测试，最高F1分数达83.4%，显著提升中等和开源模型性能。

Generating Complex Code Analyzers from Natural Language Questions

从自然语言问题生成复杂代码分析器

Amirmohammad Nazari, Sadra Sabouri, Wang Bill Zhu, Robin Jia, Souti Chattopadhyay, Mukund Raghothaman

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出Merlin系统，通过整合LLM与CodeQL，解决复杂代码分析问题，提升代码问题解答的准确性和效率。

Comments 12 pages, 8 figures, 1 table

Agentic AI for Particle-Based Simulation: Automating SPH Workflows for Debris Flow Modeling

基于代理的AI用于粒子模拟：自动化SPH工作流用于碎屑流建模

Danrong Zhang, Ruijia Wang, Chenying Liu, Yumeng Zhao

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出首个用于无网格模拟的代理AI工作流，通过整合工具编排、多模态输入和人机交互，实现了碎片流建模的端到端模拟，展示了多模态输入在提升用户体验和减少失败模式方面的优势。

Comments 24 pages, 10 figures, 5 tables

VEBench:Benchmarking Large Multimodal Models for Real-World Video Editing

VEBench: 多模态大模型在真实世界视频编辑中的基准测试

Andong Deng, Dawei Du, Zhenfang Chen, Wen Zhong, Fan Chen, Guang Chen, Chia-Wen Kuo, Longyin Wen, Chen Chen, Sijie Zhu

机构 * ByteDance Intelligent Creation（字节跳动智能创作） ； CRCV, University of Central Florida（中央佛罗里达大学CRCV） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 VEBench通过高质量视频和人工验证问题对多模态大模型在视频编辑中的知识理解和操作推理能力进行评估，揭示当前模型与人类水平间的显著差距。

Comments CVPR Findings 2026

C-CoT: Counterfactual Chain-of-Thought with Vision-Language Models for Safe Autonomous Driving

C-CoT：基于视觉-语言模型的反事实链式推理用于安全自动驾驶

Kefei Tian, Yuansheng Lian, Kai Yang, Xiangdong Chen, Shen Li

机构 * College of Transportation, Tongji University（同济大学交通运输学院） ； Department of Civil Engineering, Tsinghua University（清华大学土木工程系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院） ； Department of Civil and Environmental Engineering, National University of Singapore（新加坡国立大学土木与环境工程系） 纠错

专题命中 推理评测 ：CoT(title,title_cn)；chain-of-thought(title,abstract)；reasoning(abstract)；planning(abstract)

AI总结 本文提出C-CoT框架，利用视觉-语言模型将驾驶决策分解为五个阶段，通过反事实推理提升自动驾驶在复杂环境中的安全性和鲁棒性。