大模型推理能力

CaMo: Camera Motion Grounded Evaluation and Training for Vision-Language Models

CaMo：基于摄像机运动的视觉-语言模型评估与训练

Hsiang-Wei Huang, Junbin Lu, Kuang-Ming Chen, Jianxu Shangguan, Cheng-Yen Yang, Jenq-Neng Hwang

机构 * Department of Electrical and Computer Engineering, University of Washington, Seattle, USA（华盛顿大学电气与计算机工程系） 纠错

专题命中 推理评测 ：reasoning(abstract)

AI总结 本文提出了一种基于摄像机运动的视觉-语言模型评估与训练方法CaMo，通过要求模型生成显式的空间叙述并进行推理，揭示了现有空间视觉-语言模型在空间认知方面的不足，并展示了CaMo在空间叙述评估和直接空间问题回答准确性上的一致表现。

Comments Code and model available at https://github.com/hsiangwei0903/CaMo

WoundFormer: Multi-Scale Spatial Feature Fusion for Multi-Class Wound Tissue Segmentation

WoundFormer: 多尺度空间特征融合用于多类伤口组织分割

Muhammad Ashad Kabir, Rabin Dulal

机构 * School of Computing, Mathematics and Engineering（计算、数学与工程学院） ； Charles Sturt University（查尔斯·斯特劳特大学） ； NSW, Australia（新南威尔士州，澳大利亚） 纠错

专题命中 推理评测 ：planning(abstract)

AI总结 本研究提出WoundFormer框架，通过多尺度空间特征融合提升多类伤口组织分割的准确性，解决了现有方法在处理异质组织组成时的不足。

Comments 10 pages

Vision Harnessing Agent for Open Ad-hoc Segmentation

用于开放即兴分割的视觉引导代理

Zilin Wang, Stella X. Yu

机构 * University of Michigan（密歇根大学） 纠错

专题命中 推理评测 ：reasoning(abstract)

AI总结 本文提出了一种名为VASA的视觉引导即兴分割代理，该代理通过结合视觉语言模型、分割基础模型和视觉引导工作流，实现了无需训练的即兴分割任务，其在PARS和RefCOCO等基准测试中均表现出色。

Comments 23 pages, 11 figures

MetaRA: Metamorphic Robustness Assessment for Multimodal Large Language Model-based Visual Question Answering Systems

MetaRA: 多模态大语言模型基于视觉问答系统的元形态鲁棒性评估

Quanxing Xu, Yuhao Tian, Ling Zhou, Xian Zhong, Xiaohua Huang, Rubing Huang, Chia-Wen Lin

机构 * School of Computer Science and Engineering, Macau University of Science and Technology, Macao SAR（澳门科学技术大学计算机科学与工程学院） ； Hubei Key Laboratory of Transportation Internet of Things, School of Computer Science and Artificial Intelligence, Wuhan University of Technology（湖北省交通物联网重点实验室，武汉理工大学） 纠错

专题命中 推理评测 ：reasoning(abstract)

AI总结 本文提出MetaRA，一种基于元形态测试的框架，用于评估多模态大语言模型基于视觉问答系统的鲁棒性，通过生成受控的图像-问题输入变体，揭示模型在语言扰动、视觉线索依赖和多模态推理中的弱点。

HAVEN: Hierarchically Aligned Multimodal Benchmark for Unified Video Understanding

HAVEN：用于统一视频理解的层次对齐多模态基准

Mengqi Shi, Haopeng Zhang

机构 * Department of Information and Computer Sciences（信息与计算机科学系） 纠错

专题命中 推理评测 ：reasoning(abstract)

AI总结 本文提出HAVEN，一个用于统一视频理解的层次对齐多模态基准，旨在解决现有多模态大语言模型在复杂叙事总结和推理方面评估不足的问题，通过引入全粒度和全多模态的数据集架构，提供了一个严谨的标准测试平台。

GraphInstruct: A Progressive Benchmark for Diagnosing Capability Gaps in LLM Graph Generation

GraphInstruct: 一个用于诊断LLM图生成能力差距的渐进性基准

Zihe Wei, Sheng Xiang, Ying Zhang, Changjun Jiang

专题命中 推理评测 ：reasoning(abstract)

AI总结 本文提出GraphInstruct基准，通过六个复杂性层级和五个评估维度，结合800个人工指令和1582个算法生成的参考解决方案，评估LLM图生成能力，发现多约束组合而非推理深度具有更强区分能力，且无单一提示策略能跨层级或模型家族主导，域语义约束在所有测试方法中保持迭代不变，表明检索而非额外计算是下一步研究方向。

Comments 44 pages, 17 figures

Artifact-Bench: Evaluating MLLMs on Detecting and Assessing the Artifacts of AI-Generated Videos

Artifact-Bench: 评估MLLMs在检测和评估AI生成视频中的伪影

Yuqi Tang, Yang Shi, Zhuoran Zhang, Qixun Wang, Xuehai Bai, Yue Ding, Ruizhe Chen, Bohan Zeng, Xinlong Chen, Xuanyu Zhu, Bozhou Li, Yuran Wang, Yifan Dai, Chengzhuo Tong, Xinyu Liu, Yiyan Ji, Yujie Wei, Yuhao Dong, Shilin Yan, Fengxiang Wang, Yi-Fan Zhang, Haotian Wang, Yuanxing Zhang, Pengfei Wan

机构 * Kling Team（Kling团队） ； Shanghai AI Lab（上海人工智能实验室） 纠错

专题命中 推理评测 ：reasoning(abstract)

AI总结 本文提出Artifact-Bench，一个用于评估多模态大语言模型在检测和分析AI生成视频伪影能力的基准，揭示了现有模型在伪影感知和推理上的显著局限性。

Transformation-Augmented GRPO for Enhancing Exploration in Reasoning of Large Language Models

增强推理探索的变换增强GRPO

Khiem Le, Phuc Nguyen, Youssef Mroueh, Chi-Heng Lin, Shangqian Gao, Ting Hua, Nitesh V. Chawla

机构 * University of Notre Dame（诺特大学） ； IBM Research（IBM研究院） ； Meta AI ； Florida State University（佛罗里达州立大学） 纠错

专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.LG

AI总结 本文提出变换增强GRPO（TA-GRPO）方法，通过问题重述解决大语言模型强化学习中梯度消失和多样性崩溃问题，提升模型在推理任务中的探索能力。

Reasoning Portability: Guiding Continual Learning for MLLMs in the RLVR Era

推理可移植性：引导MLLMs在RLVR时代的持续学习

Qiuhe Hong, Yuyang Liu, Shuo Yang, Tiantian Peng, Fei Zhu, Yonghong Tian

机构 * Shenzhen Graduate School of Peking University（北京大学深圳研究生院） ； Centre for Artificial Intelligence and Robotics, HKISI, CAS（香港科学院人工智能与机器人研究中心） ； Peng Cheng Laboratory（鹏城实验室） 纠错

专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.LG

AI总结 本文提出了一种名为推理可移植性（RP）的机制，通过在持续学习中引入推理层面的约束，改进了多模态大语言模型在RLVR环境下的适应能力，实验表明RDB-CL在提升最后准确率方面优于基线方法。

Query-Conditioned Graph Retrieval for Contextualized LLM Reasoning in Personalized Wearable Data

基于查询的图检索用于个性化可穿戴数据中的上下文化LLM推理

Zhenyu Lu, Mahyar Abbasian, Amir M. Rahmani

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Irvine（加州大学 Irvine 分校） 纠错

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

AI总结 本文提出WAG框架，通过图检索实现LLM在可穿戴数据中的上下文化推理，通过构建个性化知识图谱并检索查询条件子图，提高推理效率和生成质量。

Emergence of Frontier Superposition: Möbius attractor and Cascade Supervision

前沿叠加的涌现：莫比乌斯吸引子与级联监督

Hongyu Gu, Jingwen Fu

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI、cs.LG

AI总结 本文研究了通过叠加实现深度推理的问题，提出莫比乌斯吸引子和级联监督方法，证明了在Erdős-Rényi图上，叠加推理的涌现是通过建筑和监督的贡献实现的。

Comments 40 pages, 3 figures

TERGAD: Structure-Aware Text-Enhanced Representations for Graph Anomaly Detection

TERGAD: 用于图异常检测的结构感知文本增强表示

Wen Shi, Zhe Wang, Huafei Huang, Qing Qing, Ziqi Xu, Qixin Zhang, Xikun Zhang, Renqiang Luo, Feng Xia

机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； School of Computer Science and Information Technology, Adelaide University（阿德莱德大学计算机科学与信息科技学院） ； School of Computing Technologies, RMIT University（皇家墨尔本理工大学计算技术学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 本文提出TERGAD，一种通过大语言模型的语义推理能力增强图异常检测的新型数据增强框架，通过将节点拓扑属性转化为描述性自然语言，再结合门控双分支自编码器融合语义嵌入和原始节点属性，从而更有效地检测图中异常实体。

Comments 14 pages, 5 figures

One-Block Transformer (1BT) for EEG-Based Cognitive Workload Assessment

用于EEG认知负荷评估的单块变换器（1BT）

Stefanos Gkikas, Christian Arzate Cruz, Thomas Kassiotis, Giorgos Giannakakis, Raul Fernandez Rojas, Randy Gomez

机构 * Honda Research Institute Japan Wako City, Japan ； Department of Electronic Engineering Hellenic Mediterranean University Chania, Greece ； BioSIS (Biosensing \& Intelligent Systems) Lab Centre for Intelligent Computing ； Systems University of Canberra Canberra, Australia 纠错

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

AI总结 本文提出了一种用于EEG认知负荷评估的单块变换器（1BT），通过一个最小的潜在瓶颈聚合多通道时间序列，结合轻量级自注意力机制，实现了高效且紧凑的模型设计，从而在保持高性能的同时显著降低了计算成本。

Beyond Majority Voting: LLM Aggregation by Leveraging Higher-Order Information

超越多数投票：利用高阶信息进行LLM聚合

Rui Ai, Yuqi Pan, David Simchi-Levi, Milind Tambe, Haifeng Xu

机构 * Massachusetts Institute of Technology（麻省理工学院） ； School of Engineering and Applied Sciences（工程与应用科学学院） ； Harvard University（哈佛大学） ； Data Science, The University of Chicago（数据科学，芝加哥大学） 纠错

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

AI总结 本文提出Optimal Weight和Inverse Surprising Popularity两种算法，通过结合一阶和二阶信息，有效缓解多数投票的局限性，提升多智能体LLM聚合的可靠性。

Comments Accepted into ICML 2026

Rethinking How to Remember: Beyond Atomic Facts in Lifelong LLM Agent Memory

重新思考如何记忆：超越原子事实的终身LLM代理记忆

Jingwei Sun, Jianing Zhu, Jiangchao Yao, Tongliang Liu, Bo Han

机构 * TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 实验组） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shanghai Jiao Tong University（上海交通大学） ； Sydney AI Center, The University of Sydney（悉尼大学悉尼人工智能中心） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出TriMem，一种能够维护三种共存表示粒度的内存系统，通过保留原始对话片段、提取原子事实以及合成轮廓来实现对积累对话历史的忠实存储、高效检索和深度推理，从而克服现有方法在细节丢失和推理能力不足的问题。

K-Quantization and its Impact on Output Performance

K-量化及其对输出性能的影响

Robin Baki Davidsson, Pierre Nugues

机构 * Lund University（隆德大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文研究了不同量化级别（2-6位）对大型语言模型（LLM）在MMLU-Pro、CRUXEval和MuSR等任务上的性能和准确性的影响，发现高精度量化（如8位Q8_0）能提升性能，但降维量化（如2位Q2_K）会带来性能损失，且不同模型和任务的响应差异显著。

Comments 13 pages, 4 figures

Can LLMs Estimate Cognitive Complexity of Reading Comprehension Items?

LLMs能否估算阅读理解题的认知复杂性？

Seonjeong Hwang, Hyounghun Kim, Gary Geunbae Lee

机构 * Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（韩国立科学技术院人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH, Republic of Korea（韩国立科学技术院计算机科学与工程系） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文研究了大型语言模型是否能通过证据范围和转换级别两个维度估算阅读理解题的认知复杂性，结果显示LLMs能够近似估算认知复杂性，但存在推理能力与元认知意识之间的差距。

Comments ACL 2026 Main Conference

IR-Agent: Expert-Inspired LLM Agents for Structure Elucidation from Infrared Spectra

IR-Agent: 专家启发的LLM代理用于从红外光谱中解析分子结构

Heewoong Noh, Namkyeong Lee, Gyoung S. Na, Kibum Kim, Chanyoung Park

机构 * KAIST（韩国科学技术院） ； KRICT（韩国信息通信技术研究院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出IR-Agent，一种新的多代理框架，用于从红外光谱中解析分子结构，通过模拟专家驱动的分析过程，提升结构解析的准确性。

Comments ICLR 2026

A Nash Equilibrium Framework For Training-Free Multimodal Step Verification

为无训练多模态步骤验证构建纳什均衡框架

Rohit Sinha, Kunal Tilaganji, Tanuja Ganu, Nagarajan Natarajan, Amit Sharma, Vineeth N. Balasubramanian

机构 * Microsoft Research India（微软印度研究院） ； Indian Institute of Technology Hyderabad（印度海得拉巴理工学院） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出一种无训练的多模态步骤验证方法，将步骤验证视为专门法官之间的协调问题，并通过纳什均衡游戏形式化法官之间的交互，通过闭式解计算均衡分数，实现对分歧的敏感过滤和稳定性意识的排名，实验表明跨模态一致性（而非平均置信度）提供了鲁棒的验证信号。

Comments ICLR 2026 Workshop VerifAI-2

DynaTok: Temporally Adaptive and Positional Bias-Aware Token Compression for Video-LLMs

DynaTok: 时序自适应和位置偏见感知的视频大语言模型token压缩

Minyoung Park, Taehun Kong, Sangjun Ahn

机构 * LG Electronics, Seoul, South Korea（LG电子，首尔，韩国） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出DynaTok，一种无需训练的时序自适应和位置偏见感知的token压缩框架，通过在时序和空间维度上分配token预算，有效减少冗余的时空覆盖，提升视频大语言模型的效率和鲁棒性。

Towards Data-Efficient Video Pre-training with Frozen Image Foundation Models

迈向数据高效的视频预训练：使用冻结的图像基础模型

Svetlana Orlova, Niccolò Cavagnero, Gijs Dubbelman

机构 * Eindhoven University of Technology（埃因霍温理工大学） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文探讨了如何通过冻结预训练的图像基础模型并仅训练时间模块来实现数据高效的视频预训练，从而减少对大规模视频数据和计算资源的需求。

Comments Accepted to CVPR 2026 Workshops CV4Smalls

Toward Robust GraphRAG: Mitigating Retrieval Drift and Hallucination from Imperfect Knowledge Graphs

迈向稳健的GraphRAG：减轻不完美知识图谱中的检索漂移和幻觉

Yizhuo Ma, Jinchuan Xu, Tao Wen, Qizhi Chen, Jiakai Li, Rongzheng Wang, Muquan Li, Shuang Liang, Ke Qin

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文针对GraphRAG中因知识图谱不完美导致的检索漂移和幻觉问题，提出CS-RAG框架，通过精细化检索和充分性检查来减少不准确的证据延续。

Talk, Judge, Cooperate: Gossip-Driven Indirect Reciprocity in Self-Interested LLM Agents

谈话、评判、合作：在自利LLM代理中基于 gossip 的间接互惠

Shuhui Zhu, Yue Lin, Shriya Kaistha, Wenhao Li, Baoxiang Wang, Hongyuan Zha, Gillian K. Hadfield, Pascal Poupart

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出ALIGN框架，通过策略性分享开放式 gossip 实现去中心化代理的声誉形成、信任评估和社会规范协调，从而提升间接互惠并抵御恶意入侵，发现LLM的更强推理能力促进更激励对齐的合作，而聊天模型容易过度合作。

Comments ICML 2026