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。
当观察不足时：视觉注意结构揭示大语言模型中的幻觉
机构 * Thrust of Artificial Intelligence, HKUST (Guangzhou)（人工智能前沿 thrust，香港科技大学（广州）） ； Department of Computer Science and Engineering, HKUST（计算机科学与工程系，香港科技大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文通过分析视觉注意的高频结构揭示大语言模型中的幻觉现象，提出LaSCD解码策略，有效减少幻觉并保持模型能力。
Floorplan2Guide: 基于LLM的BLV室内导航floorplan解析
机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出利用基础模型将floor plan转化为可导航的知识图谱，并生成可读的导航指令，通过LLM提取空间信息，提升BLV用户室内导航的精度与安全性。
Comments Accepted for publication in the proceedings of the IEEE International Conference on Big Data (IEEE BigData 2025)
Journal ref IEEE International Conference on Big Data (IEEE BigData 2025), pp. 7477-7485
减少冗余：提升视觉语言模型在行走助手中的实用性
机构 * Pattern Recognition Center, WeChat AI, Tencent Inc（腾讯人工智能研究院）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出WalkVLM-LR模型，通过优化输出和时间冗余，提升视觉语言模型在行走助手中的实用性，实验表明其在输出简洁性和时间冗余方面表现优异。
Comments ICASSP 2026 Best Industry Paper
LychSim：一种可控且交互式的视觉研究仿真框架
机构 * Johns Hopkins University（约翰霍普金斯大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 LychSim基于Unreal Engine 5构建，提供简洁的Python API、生成多样化高保真环境的流程数据管道以及MCP协议集成，用于视觉研究中的可控仿真与闭环优化。
Comments 3D-LLM/VLA Workshop at CVPR 2026. Project page: https://lychsim.github.io/
解释情境感知的人类偏好以实现多目标机器人导航
机构 * Hochschule Bonn-Rhein-Sieg, Germany（波恩-莱茵-锡格应用科学大学，德国） ； University of Bonn, Germany（波恩大学，德国） ； Lamarr Institute for Machine Learning and Artificial Intelligence, Germany（拉马尔机器学习与人工智能研究所，德国）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文提出一种结合基础模型与多目标强化学习政策的框架，使机器人能理解并应用情境依赖的导航偏好，提升在共享人类环境中的适应性、透明性和可用性。
VIMCAN: 基于混合Mamba-交叉注意力网络的视觉-惯性3D人体姿态估计
机构 * Beihang University（北航） ； Peng Cheng Laboratory（鹏城实验室） ； Capital University of Physical Education and Sports（首都体育学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 VIMCAN结合Mamba的高效序列建模与交叉注意力的空间推理，实现RGB关键点与穿戴式IMU数据的鲁棒融合，取得更优精度和实时推理性能。
Comments Accepted in CVPR 2026
摒弃表演：用于忠实推理链的探针过滤强化学习
机构 * Intuit
专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；verifier(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出ProFIL方法，通过探针过滤强化学习减少推理链中的表演现象，提升推理链的忠实度并缩短链长，同时在多个领域和模型架构中验证了其有效性。
OmniThoughtVis: 一种可扩展的蒸馏流水线，用于可部署的多模态推理模型
机构 * Alibaba Group（阿里巴巴集团）
专题命中 测试时计算 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本文提出OmniThoughtVis流水线，通过大规模多模态Co T监督将高容量教师模型的推理能力转移到小型部署模型，实现了在多个基准上的性能提升。
LoopUS: 将预训练大语言模型转换为循环潜在细化模型
机构 * Department of Data Science（数据科学系） ； Department of Industrial Engineering（工业工程系） ； Pusan National University（釜山国立大学） ； Changwon National University（昌原国立大学）
专题命中 测试时计算 ：reasoning(abstract)；test-time compute(abstract)；分类 cs.AI、cs.LG
AI总结 LoopUS通过循环架构提升LLM推理性能，无需重新训练，采用四个核心组件稳定模型并提高效率。
ORCE：面向大型语言模型中明确自信度的顺序感知对齐
机构 * Stony Brook University（石溪大学） ； Massachusetts General Hospital and Harvard Medical School（麻省总医院和哈佛医学院） ； Morgan Stanley（摩根大通）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出一种解耦且顺序感知的明确自信度校准框架，通过分离自信度估计与答案生成过程，提升校准和失败预测性能，同时保持答案准确性。
Comments 18 pages, 2 figures
连续离散扩散：使你的扩散语言模型成为潜在推理器
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Microsoft Research（微软研究院） ； Toyota Technological Institute at Chicago（丰田技术研究所（芝加哥）） ； Peking University（北京大学） ； Tsinghua University（清华大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出CCDD模型，结合连续和离散空间，提升扩散语言模型的表达能力和训练效果，通过联合多模态扩散过程实现高质量的生成与推理。
Comments 29 pages. Accepted to ICML 2026
大型语言模型在概念数据库建模中的局限性
机构 * Systems and Computing Department（系统与计算系）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 本文研究了大型语言模型在生成实体关系图方面的能力，发现其在复杂场景中可靠性下降，存在不一致和模糊性问题。
通过失败轨迹实现的在线自我进化以实现代理安全对齐
机构 * National University of Singapore（新加坡国立大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 本文提出FATE框架，通过将验证者评分的失败轨迹转化为修复监督，结合Pareto-Front Policy Optimization方法，提升代理安全性同时保持有用行为，实验显示在不同模型和规模上均有效。
在检索前路由：激活大语言模型的潜在路由能力用于RAG与长上下文选择
机构 * Beihang University（北航） ； HKUST（香港科技大学） ； Alibaba Group（阿里巴巴集团） ； Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出Pre-Route框架，通过结构化推理提前决策，利用轻量级元数据进行任务分析和信息需求预测，实现可解释且高效的路由决策，实验表明其在成本效益上优于现有方法。
忘掉BIT，一切关于TOKEN：面向大语言模型的语义信息理论
机构 * Bo Bai（白波）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出语义信息理论，将TOKEN作为意义载体，重构注意力机制和Transformer模型，建立预训练、强化学习和推理中的信息度量方法，明确下一token预测与格兰杰因果推断的关系。
UGround: 向统一视觉接地迈进的展开变换
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Zhejiang University（浙江大学）
专题命中 测试时计算 ：reasoning(abstract)
AI总结 UGround通过引入Policy-Prompted Masking机制，动态选择展开变换层作为掩码提示，解决传统方法依赖固定最后一层和隐式投影的问题，统一了从传统参照表达分割到新提出的推理分割等多种视觉接地任务。
Comments This work has been accepted to ICML 2026, please refer to https://github.com/rui-qian/UGround
安全上下文注入：通过静态过滤和代理分析实现推理时的安全对齐
专题命中 测试时计算 ：reasoning(abstract)
AI总结 本文提出Safety Context Injection框架，通过静态过滤和代理分析在推理阶段提升模型安全性，减少攻击成功率和毒性。
Comments 17pages, 6 figures, 8tables
探究基于推理的语言模型在缓解社会偏见中的思维行为
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文研究了基于推理的语言模型在缓解社会偏见中的思维机制，发现两种导致偏见累积的失败模式，并提出轻量级提示方法减少偏见同时保持准确性。
Comments Due to issues found with the annotations in Section 4.3, we have decided to withdraw this preprint
通过结构化元认知实现通用代理中的深度推理
机构 * University of Washington（华盛顿大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出深度推理方法，通过结构化元认知构建任务特定框架，提升复杂任务处理能力，在四个基准测试中超越现有方法，减少早终止和幻觉。
Comments Preprint under review
FERA：面向大语言模型的不确定性感知联邦推理
机构 * Indiana University（印第安纳大学） ； The University of New South Wales（新南威尔士大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Adobe Research（Adobe研究院）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.LG
AI总结 FERA通过迭代服务器-客户端协同细化，解决联邦推理中客户端可靠性依赖查询的问题，提升多步骤推理能力，实验表明其在多个推理基准上优于联邦训练和无训练基线。
Comments 44 pages, 8 figures
多模态大语言模型中的视觉对齐潜在推理
机构 * Byungwoo Jeon ； Yoonwoo Jeong ； Hyunseok Lee ； Minsu Cho ； Jinwoo Shin
专题命中 复杂问题求解 ：reasoning(title,abstract)
AI总结 本文提出视觉对齐潜在推理框架，通过动态生成视觉对齐的潜在标记，提升多模态大语言模型在长上下文理解和精确视觉感知任务中的表现。
Comments Published as conference proceeding for ICML 2026. Last two authors advised equally
EsoLang-Bench: 通过奇特编程语言评估大语言模型的真实推理能力
机构 * Lossfunk
专题命中 复杂问题求解 ：reasoning(title)；分类 cs.AI、cs.LG
AI总结 EsoLang-Bench通过五种奇特编程语言评估大语言模型在分布外编程语言上的推理能力，发现前沿模型在处理陌生语言时存在显著能力差距。
Comments 45 pages, 8 figures, preprint
AlphaGRPO：通过分解性可验证奖励解锁UMMs中的自反思多模态生成
机构 * The University of Hong Kong（香港大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 AlphaGRPO通过分解性可验证奖励提升多模态生成能力，实现文本到图像生成和自反思修正，验证了自反思强化方法在生成高质量输出中的有效性。
Comments ICML2026
分层可变性：持续性与治理在持久自修改代理中的作用
机构 * Kamiwaza AI
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出分层可变性框架，分析持久自修改代理中行为持续性和治理挑战，指出突变速度、下游耦合强度、可逆性弱和可观测性低会导致层间不匹配，主要贡献是揭示了自修改代理的失效模式是组合漂移而非突变对齐。
Comments 17 pages, 2 figures, 3 tables. self-modifying agents; AI governance; identity drift; persistent memory; runtime adaptation; model editing Primary: cs.AI Cross-list: cs.LG, cs.CY
中间产物作为第一公民：代理系统中持久中间产物的数据模型
机构 * ThruWire, Inc.（ThruWire公司）
专题命中 复杂问题求解 ：chain-of-thought(abstract)；分类 cs.AI
AI总结 本文提出一种数据模型，旨在保存可追溯、可版本化且可被下游计算使用的持久中间产物，以提高AI生成工作的可审查性和可维护性。
Comments 18 pages, 1 figure, 3 tables
SmellBench：评估LLM代理在建筑代码异味修复上的表现
机构 * University of Craiova（克劳索瓦大学） ； NVIDIA（NVIDIA公司） ； University Politehnica of Bucharest（布加勒斯特理工大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出SmellBench框架，用于评估LLM代理在修复建筑代码异味方面的性能，通过专家验证发现最佳代理修复率为47.7%，但修复 aggressiveness 与代码库质量呈负相关。
MedMemoryBench：个性化医疗中智能体记忆的基准测试
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Alibaba Group（阿里巴巴集团） ； Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出MedMemoryBench，通过合成真实医疗场景数据，评估智能体长期记忆能力，并揭示主流架构在复杂医疗推理中的缺陷。
VulTriage：基于LLM的漏洞检测三路径上下文增强
机构 * Tsinghua University（清华大学） ； Henan University（河南大学） ； Dalian Maritime University（大连海事大学） ； The Chinese University of Hong Kong（香港中文大学） ； Northwestern Polytechnical University（西北工业大学） ； BNU-HKBU United International College（北京理工大学-香港大学联合国际学院） ； Southeast University（东南大学） ； Jilin University（吉林大学） ； Sun Yat-sen University（中山大学） ； Peng Cheng Laboratory（鹏城实验室） ； Guangzhou Intelligence Communications Technology Co., Ltd.（广州智能通信技术有限公司） ； The Fifth Electronic Research Institute of MIIT（信息产业部第五电子研究所）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出VulTriage框架，通过三路径上下文增强提升LLM在漏洞检测中的性能，实验表明其在关键指标上优于现有方法，且在低资源和类别不平衡场景下具有良好的泛化能力。
长话短说：在对比视觉语言模型中解构组合性与长描述理解
机构 * Department of Computer Science, University of Copenhagen（哥本哈根大学计算机科学系） ； MBZUAI（马克斯·普朗克人工智能研究所）
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 本文研究对比视觉语言模型中组合推理与长描述理解之间的关系，通过实验发现两者存在双向但敏感的关联，高质量数据和合理架构设计有助于提升模型泛化能力。
Comments To be published in Findings of ACL 2026
当推理痕迹成为行为性：基于步骤级的证据显示链式思维是不完美的疏忽通道
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Fujitsu Research of America Inc.（富士通美国研究公司）
专题命中 推理评测 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.AI
AI总结 研究通过步骤级检测-分类-比较框架，发现链式思维痕迹与计算过程不一致，揭示其作为答案形成报告的不可靠性。
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