大模型推理能力

Reasoning as an Attack Surface: Adaptive Evolutionary CoT Jailbreaks for LLMs

推理作为攻击面：针对大语言模型的自适应进化思维链越狱方法

Jianan Li, Simeng Qin, Xiaojun Jia, Lionel Z. Wang, Tianhang Zheng, Xiaoshuang Jia, Yang Liu, Xiaochun Cao

机构 * Nanyang Technological University, Singapore（南洋理工大学） ； The University of Hong Kong, Hong Kong, China（香港大学） ； The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学） ； Zhejiang University, Zhejiang, China（浙江大学） ； Renmin University of China, Beijing, China（中国人民大学） ； Sun Yat-sen University, Guangdong, China（中山大学） ； Northeastern University（东北大学） ； Hebei Key Laboratory of Data Science and Knowledge Management（河北省数据科学与知识管理重点实验室） 纠错

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

AI总结 提出自适应进化思维链越狱框架AE-CoT，通过教师角色扮演重写有害目标、分解推理片段、多代进化搜索及自适应变异率控制，有效生成高破坏性越狱提示，在多个模型和数据集上超越现有方法。

Detecting Unfaithful Chain-of-Thought via Circuit-Guided Internal-External Discrepancy

通过电路引导的内外不一致性检测不忠实的思维链

Xu Shen, Zhen Tan, Song Wang, Pingjun Hong, Rui Miao, Xin Wang, Tianlong Chen

机构 * Jilin University（吉林大学） ； University of Central Florida（中央佛罗里达大学） ； Arizona State University（亚利桑那州立大学） ； University of Vienna（维也纳大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 提出CIE-Scorer框架，通过追踪句子级电路并利用Fused Gromov-Wasserstein距离度量内部与外部推理图的不一致性，实现实例级思维链不忠实检测，在FaithCoT-Bench上取得最优性能并降低电路构建成本。

Asking LLMs to Verify First is Almost Free Lunch

先让LLMs验证几乎是免费的午餐

Shiguang Wu, Quanming Yao

机构 * Department of Electonic Engineering（电子工程系） 纠错

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

AI总结 提出Verification-First (VF)策略，通过先验证候选答案再生成解决方案，以低计算开销提升推理能力，并扩展为Iter-VF迭代方法，在多个基准上优于标准CoT和现有TTS策略。

Learning from Trials and Errors: Reflective Test-Time Planning for Embodied LLMs

从试错中学习：具身大语言模型的反思式测试时规划

Yining Hong, Huang Huang, Manling Li, Li Fei-Fei, Leonidas Guibas, Jiajun Wu, Yejin Choi

机构 * Stanford University（斯坦福大学） ； Northwestern University（西北大学） 纠错

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

AI总结 提出反思式测试时规划方法，通过行动中反思和行动后反思两种模式，结合回溯性反思，使具身智能体在测试时进行自我纠正和经验积累，显著提升长程任务性能。

AgentFugue: Agent Scaling for Long-Horizon Tasks through Collective Reasoning

AgentFugue：通过集体推理实现长时域任务的智能体扩展

Yuyang Hu, Hongjin Qian, Shuting Wang, Jiongnan Liu, Tong Zhao, Xiaoxi Li, Zheng Liu, Zhicheng Dou

机构 * GSAI, Renmin University of China（GSAI，中国人民大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

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

AI总结 提出AgentFugue框架，通过共享推理中心实现多个对等智能体并行探索和选择性信息共享，无需显式角色分工或工作流编排，从而提升长时域任务性能。

PathWise: Planning through World Model for Automated Heuristic Design via Self-Evolving LLMs

PathWise：通过世界模型规划实现基于自进化LLM的自动启发式设计

Oguzhan Gungordu, Siheng Xiong, Faramarz Fekri

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

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

AI总结 提出PathWise多智能体推理框架，将启发式生成建模为基于蕴含图的序列决策过程，通过策略智能体、世界模型智能体和评论智能体的协作实现状态感知规划，在组合优化问题上收敛更快、泛化更强。

Comments Accepted to ICML 2026

PlanRAG-Audio: Planning and Retrieval Augmented Generation for Long-form Audio Understanding

PlanRAG-Audio：面向长音频理解的规划与检索增强生成

Masao Someki, Chien-yu Huang, Siddhant Arora, Samuele Cornell, Markus Müller, Nathan Susanj, Rupak V Swaminathan, Grant P Strimel, Jing Liu, Shinji Watanabe

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 提出PlanRAG-Audio框架，通过规划查询所需模态和时间跨度并仅检索相关信息，实现长音频的高效推理，提升准确率并稳定性能。

Comments Accepted to Findings of ACL 2026

MoBayes: A Modular Bayesian Framework for Separating Reasoning from Language in Conversational Clinical Decision Support

MoBayes：一种用于对话式临床决策支持中推理与语言分离的模块化贝叶斯框架

Yusuf Kesmen, Fay Elhassan, Jiayi Ma, Julien Stalhandske, Yena Chang, David Sasu, Alexandra Kulinkina, Akhil Arora, Lars Klein, Mary-Anne Hartley

机构 * LiGHT, EPFL（LiGHT，瑞士联邦理工学院） ； University of Bern（伯尔尼大学） ； Aarhus University（奥胡斯大学） 纠错

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

AI总结 提出MoBayes框架，通过将LLM作为语言接口、贝叶斯模块进行概率推理，实现推理与语言分离，在临床决策支持中优于独立前沿LLM医生。

Comments 50 pages including appendix, 13 figures, 22 tables. Preprint

CoRe-Code: Collaborative Reinforcement Learning for Code Generation

CoRe-Code：面向代码生成的协作式强化学习

Zhihao Dou, Qinjian Zhao, Zhongwei Wan, Xiaoyu Xia, Sumon Biswas

机构 * The Ohio State University（俄亥俄州立大学） ； Royal Melbourne Institute of Technology（皇家墨尔本理工学院） 纠错

专题命中 规划推理 ：CoT(abstract,abstract_cn)；chain-of-thought(abstract)；planning(abstract)；分类 cs.AI

AI总结 提出CoRe-Code框架，通过规划器-编码器范式和基于GRPO的协作感知强化学习，增强多智能体间的协调与专业化，提升代码生成的准确性和效率。

Decoding ML Decision: An Agentic Reasoning Framework for Large-Scale Ranking System

解码机器学习决策：面向大规模排序系统的智能体推理框架

Longfei Yun, Yihan Wu, Haoran Liu, Xiaoxuan Liu, Ziyun Xu, Yi Wang, Yang Xia, Pengfei Wang, Mingze Gao, Yunxiang Wang, Changfan Chen, Wenjie Fu, Hong Yan, Junfeng Pan

机构 * Meta 纠错

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

AI总结 提出GEARS框架，通过智能体技能封装排序专家知识，将排序优化转化为自主发现过程，实现高层意图驱动的系统调控并保证生产可靠性。

Comments 12 pages, 5 figures

Hybrid Deep Searcher: Scalable Parallel and Sequential Search Reasoning

混合深度搜索器：可扩展的并行与顺序搜索推理

Dayoon Ko, Jihyuk Kim, Haeju Park, Sohyeon Kim, Dahyun Lee, Yongrae Jo, Gunhee Kim, Moontae Lee, Kyungjae Lee

机构 * Seoul National University（首尔国立大学） ； LG AI Research（LG AI研究） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Seoul（首尔大学） 纠错

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

AI总结 提出混合搜索策略HybridDeepSearcher，通过并行查询扩展与显式证据聚合结合顺序推理，在多个基准上显著提升性能并实现测试时搜索扩展。

Comments Accepted to ICLR 2026

SAM: State-Adaptive Memory for Long-Horizon Reasoning Agent

SAM：面向长程推理智能体的状态自适应记忆

Yuyang Hu, Hongjin Qian, Shuting Wang, Jiongnan Liu, Ziliang Zhao, Jiejun Tan, Zheng Liu, Zhicheng Dou

机构 * GSAI, Renmin University of China（GSAI，中国人民大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

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

AI总结 提出状态自适应记忆框架SAM，通过紧凑记忆线索和原始轨迹页面实现意图驱动的信息重建，无需重新训练基础模型，在多个基准上超越强基线。

RAG-Match: Retrieval-Augmented Knowledge Injection and Hierarchical Reasoning for Calibrated Semantic Relevance

RAG-Match：面向校准语义相关性的检索增强知识注入与分层推理

Hengjun Jiang, Liansheng Sun, Yan Jiang, Xiaojie Ke, Yongjin Wang, Xiangkun Liu, Cunxin Gu, Jian Xu, Guanjun Jiang

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 提出RAG-Match三阶段框架，通过知识增强预训练、分层推理对齐和偏好决策校准，提升搜索场景中细粒度语义相关性判断的准确性。

Comments 17 pages, 1 figure, 5 tables

Prior Policy Guided Dual-Agent Coordinated Manipulation Planning of Spacecraft-Manipulator System

先验策略引导的航天器-机械臂系统双智能体协同操控规划

Yuhui Hu, Dong Zhou, Kaihong Ouyang, Zhongliang Yu, Jianfeng Lv, Xiangyu Shao

机构 * School of Astronautics（航天学院） ； School of Automation（自动化学院） ； School of Information Science and Engineering（信息科学与工程学院） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 针对空间机械臂与基座强耦合导致的姿态稳定问题，提出先验策略引导的双智能体协同操控规划框架，通过时间步级专家切换机制提升深度强化学习效率，实现末端执行器高精度到达与基座姿态稳定。

Comments 36 pages, 13 figures, 6 tables. Under review

Decision-Making with Lightweight Confidence-Aware Language Model for Autonomous Driving

基于轻量级置信感知语言模型的自动驾驶决策

Ruoyu Yao, Ruiguo Zhong, Pei Liu, Mingxing Peng, Rui Yang, Jun Ma

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)

AI总结 提出一种利用轻量级置信感知语言模型的决策框架，通过多智能体协作生成置信注释的决策演示并蒸馏到双头轻量模型，在nuPlan上实现SOTA成功率和低延迟。

Comments 8 Pages, 3 figures, ITSC 2026

M$^\star$: Every Task Deserves Its Own Memory Harness

M$^\star$：每个任务都应有专属的记忆框架

Wenbo Pan, Shujie Liu, Xiangyang Zhou, Shiwei Zhang, Wanlu Shi, Mirror Xu, Xiaohua Jia

机构 * City University of Hong Kong（香港城市大学） ； Microsoft（微软） 纠错

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

AI总结 提出M$^\star$方法，通过可执行程序进化自动发现任务优化的记忆系统，在对话、具身规划和专家推理等任务上优于固定记忆基线。

Comments Preprint. Code: https://github.com/wbopan/mstar ; Live demo: https://mstar.wenbo.io

LWM-CDE: A Representation Space for Wireless Data Reasoning and Transferability

LWM-CDE：无线数据推理与可迁移性的表示空间

Sadjad Alikhani, Akshay Malhotra, Shahab Hamidi-Rad, Ahmed Alkhateeb

机构 * School of Electrical, Computer and Energy Engineering, Arizona State University（电气、计算机与能源工程学院，亚利桑那州立大学） ； InterDigital, Inc.（InterDigital公司） 纠错

专题命中 规划推理 ：reasoning(title)；分类 cs.LG

AI总结 提出基于预训练无线基础模型特征空间的数据集相似性框架LWM-CDE，通过对比学习和几何形状损失微调数据集嵌入，构建距离可靠指示可迁移性的结构化流形，在无线基准测试中比现有指标更高效且与经验迁移性能相关性更强。

Comments The model and relevant scripts are available on the WILab Hugging Face page: https://huggingface.co/wi-lab

Agent Primitives: Reusable Latent Building Blocks for Multi-Agent Systems

Agent Primitives: 面向多智能体系统的可复用潜在构建模块

Haibo Jin, Peng Kuang, Ye Yu, Xiaopeng Yuan, Haohan Wang

机构 * School of Information Sciences, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校信息科学学院） ； Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） 纠错

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

AI总结 提出Agent Primitives，一组可复用的潜在构建模块，通过KV缓存内部通信和自动组合，提升多智能体系统的鲁棒性、效率和跨任务复用性。

Comments 16 pages

LLM Agent Based Renewable Energy Forecasting Using Edge and IoT Data A Review of Solar Wind Weather and Grid Aware Decision Support

基于LLM Agent的利用边缘和物联网数据的可再生能源预测：太阳能、风能、天气和电网感知决策支持综述

Pavan Manjunath, Thomas Pruefer

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 本文综述了如何利用大语言模型代理整合异构传感器流、天气API数据、历史发电记录和电网约束，形成统一的决策支持工作流，以增强可再生能源预测。

An Interactive Paradigm for Deep Research

深度研究的交互式范式

Lin Ai, Victor S. Bursztyn, Xiang Chen, Julia Hirschberg, Saayan Mitra

机构 * Adobe Research（Adobe研究院） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） 纠错

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

AI总结 提出SteER框架，通过可解释的中间过程控制、成本效益决策和实时用户模型，在深度研究中实现用户对齐，性能优于现有基线。

Tool-Call Dependency Structure is Linearly Decodable in LLM Agent Residual Streams

工具调用依赖结构在LLM智能体残差流中是线性可解码的

Tianda Sun, Dimitar Kazakov

机构 * University of York（约克大学） ； Department of Computer Science（计算机科学系） ； Heslington, York（约克大学赫斯林顿校区） 纠错

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

AI总结 本研究通过低容量边探针在Qwen3-32B残差流中解码工具调用依赖图，发现该表示追踪抽象拓扑而非标识符值，且在不同模型和任务中可复制。

Comments 16 pages, 7 figures

TimeSpot: Benchmarking Geo-Temporal Understanding in Vision-Language Models in Real-World Settings

TimeSpot: 在真实世界场景中评估视觉语言模型的地理时间理解能力

Azmine Toushik Wasi, Shahriyar Zaman Ridoy, Koushik Ahamed Tonmoy, Kinga Tshering, S. M. Muhtasimul Hasan, Wahid Faisal, Tasnim Mohiuddin, Md Rizwan Parvez

机构 * Computational Intelligence and Operations Laboratory (CIOL), Bangladesh（计算智能与运筹实验室（CIOL），孟加拉国） ； Shahjalal University of Science and Technology (SUST), Sylhet, Bangladesh（沙赫jalal科学与技术大学（SUST），沙赫里尔，孟加拉国） ； North South University (NSU), Dhaka, Bangladesh（北南大学（NSU），达卡，孟加拉国） ； Qatar Computing Research Institute (QCRI), Doha, Qatar（卡塔尔计算研究中心（QCRI），多哈，卡塔尔） 纠错

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

AI总结 提出TimeSpot基准，通过1,455张全球图像评估视觉语言模型在时间属性（季节、月份、时段、日光相位）和地理属性（大洲、国家、气候带、环境类型、经纬度）上的推理能力，发现现有模型性能低下，尤其时间推理不足。

Comments Accepted to ICML 2026

Meta-Agent: From Task Descriptions to Verified Multi-Agent Systems

Meta-Agent：从任务描述到经过验证的多智能体系统

Andy Xu, Yu-Wing Tai

机构 * Dartmouth College（达特茅斯学院） 纠错

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

AI总结 提出Meta-Agent两阶段框架，通过任务规划、网络搜索、代码生成和验证机制，自动从自然语言任务描述构建并执行可靠的多智能体系统，在编码、上下文学习和开放推理任务中提升成功率、错误恢复和工作流稳定性。

MimirRAG: A Multi-Agent RAG Framework for Financial Data Retrieval with Metadata Integration

MimirRAG：一种集成元数据的金融数据检索多智能体RAG框架

Magnus Samuelsen, Wilmer Nyström, Somnath Mazumdar, Mansoor Hussain, Mikkel Strange

机构 * Copenhagen Business School（哥本哈根商学院） 纠错

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

AI总结 提出MimirRAG多智能体RAG框架，通过元数据集成、表格感知分块和智能体工作流，在金融数据检索中实现89.3%准确率，优于基线。

Can LLMs Time Travel? Enhancing Temporal Consistency in Legal Agentic Search through Reinforcement Learning

LLM 能时间旅行吗？通过强化学习增强法律智能搜索中的时间一致性

Wei Fan, Yining Zhou, Mufan Zhang, Yanbing Weng, Yiran HU, Tianshi Zheng, Baixuan Xu, Chunyang Li, Jianhui Yang, Haoran Li, Yangqiu Song

机构 * Department of Computer Science and Engineering, HKUST, Hong Kong SAR, China（香港科技大学计算机科学与工程系） ； School of Law, Tsinghua University, Beijing, China（清华大学法学院） ； Cheriton School of Computer Science, University of Waterloo, Waterloo, Canada（滑铁卢大学丘成桐计算机科学系） 纠错

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

AI总结 提出 LegalSearch-R1 框架，结合本地 statute RAG 和在线搜索，通过强化学习在跨修订期数据上训练，以解决法律 LLM 的时间偏差和搜索代理缺乏时间约束的问题，在13项法律任务上超越现有方法。

Comments Under Review

Scaling up Energy-Aware Multi-Agent Reinforcement Learning for Mission-Oriented Drone Networks with Individual Reward

面向任务驱动无人机网络的能量感知多智能体强化学习扩展与个体奖励

Changling Li, Ying Li

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Computer Science, Colby College（科尔比学院计算机科学系） 纠错

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

AI总结 提出基于个体奖励函数的能量感知多智能体强化学习模型，利用深度Q网络解决无人机网络动态环境和电池容量限制下的轨迹规划问题，实验表明在任务密度高时成功率接近100%，且扩展性优于共享奖励模型。

Comments IEEE Internet of Things Journal

Journal ref volume=12, number=8, year=2025, pages=10640-10654

Reason--Imagine--Act: Closed-Loop LLM Decision Making with World Models for Autonomous Driving

推理--想象--行动：基于世界模型的闭环LLM自动驾驶决策

Zhengqi Sun, Yiwen Sun, Boxuan Liu, Tailai Chen, Tianxu Guo, Jiabin Liu

机构 * 1Department of Information Management, Peking University, Beijing 100871, China ； 2School of Intelligence Science ； Technology, Peking University, Beijing 100871, China ； 3State Key Laboratory of General Artificial Intelligence, BIGAI, Beijing 100080, China ； 4Yuanpei College, Peking University, Beijing 100871, China ； 5China Agricultural University, Beijing, China ； 6CRSC Research \& Design Institute Group Co., Ltd., Beijing, China 纠错

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

AI总结 提出Reason--Imagine--Act (RIA)闭环框架，结合LLM推理器与动作条件世界模型进行在线安全验证，在CARLA点目标协议下实现80.05%路线完成率、51.10%到达率和0.20%碰撞率。

Comments Accepted by the 2026 IEEE International Conference on Intelligent Transportation Systems (ITSC 2026). 8 pages, 2 figures

Back to Parsimonious Latents: Learning Task-Centric World Models from Visual Foundations

回归简约潜在变量：从视觉基础学习以任务为中心的世界模型

Minghao Fu, Fan Feng, Nicklas Hansen, Biwei Huang

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 提出TC-WM框架，通过将预训练视觉嵌入线性投影为紧凑潜在状态、对比学习对齐子空间并重建嵌入，将基础模型特征转化为任务充分的世界表示，实现更好的世界建模质量和控制精度。

AEROS: A Single-Agent Operating Architecture with Embodied Capability Modules

AEROS：一种具有具身能力模块的单智能体操作架构

Xue Qin, Simin Luan, John See, Cong Yang, Zhijun Li

机构 * School of Software, Harbin Institute of Technology（哈尔滨工业大学软件学院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； School of Mathematical and Computer Sciences, Heriot-Watt University, Malaysia Campus（赫瑞-沃森大学马来西亚分校数学与计算机科学学院） ； School of Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院） 纠错

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

AI总结 提出AEROS架构，将机器人建模为单一持久智能主体，通过可安装的具身能力模块扩展能力，实现模块化可扩展性、可组合能力执行和一致的系统级安全。

Comments Submitted to Engineering Applications of Artificial Intelligence (EAAI). 48 pages, 5 figures, 9 tables

Transformer-based few-shot learning for modeling Electricity Consumption Profiles with minimal data across thousands of domains

基于Transformer的少样本学习：以最少数据跨数千个领域建模电力消费曲线

Weijie Xia, Gao Peng, Chenguang Wang, Peter Palensky, Eric Pauwels, Pedro P. Vergara

机构 * Intelligent Electrical Power Grids (IEPG) Group（智能电力电网组） ； Centrum Wiskunde & Informatica (CWI)（数学与信息学研究中心） ； Alliander N.V（Alliander公司） 纠错

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

AI总结 针对电力消费曲线建模中数据稀缺问题，提出一种结合Transformer和高斯混合模型的免微调少样本学习框架，仅需1.6%数据即可准确恢复复杂分布，优于现有方法。

Journal ref International Journal of Electrical Power & Energy Systems, Volume/Issue (February 2026), Article 111575