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。
分享更多，搜索更少：面向高效测试时间扩展的协作并行思考
机构 * School of Computer Science, Beijing Institute of Technology（北京理工大学计算机学院） ； Xiaohongshu Inc（小红书公司）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出一种无需训练的协作并行思考框架，通过在并行分支间共享搜索信息来减少冗余探索，从而在测试时间扩展中实现更优的准确率-延迟帕累托边界。
Comments Preprint
Helicase: 不确定性引导的供应链知识图谱构建与自主多智能体大语言模型
机构 * Department of Engineering, University of Cambridge（剑桥大学工程系） ； The Alan Turing Institute（艾伦·图灵研究所）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Helicase，一种基于多智能体大语言模型的自主系统，通过不确定性引导的迭代验证和知识图谱构建，解决供应链中需要多跳推理的结构化推断问题，并引入SCQA基准评估。
通过QLoRA微调将工具知识内化到小型语言模型中
机构 * Columbia School of General Studies, Columbia University, NY, USA（哥伦比亚大学泛研学院） ； Columbia Engineering, Columbia University, NY, USA（哥伦比亚大学工程学院） ； IBM Research, NY, USA（IBM研究院）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 本文研究通过QLoRA参数高效微调将工具知识内化到小型语言模型中，在AssetOpsBench基准上，微调后的Gemma 4 E4B和Qwen3-4B模型在无描述推理下优于有完整工具描述的未微调基线，输入长度减少82.6%，规划分数提升。
CitePrism：面向引文审计与编辑完整性的人机协同AI
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出CitePrism框架，结合LLM推理、嵌入相似度、元数据验证和人工审核，实现稿件级引文审计，初步验证显示可辅助编辑筛选不相关引文。
Comments 30 pages, 5 main figures, 3 tables, appendices with interface screenshots and implementation details; pilot-stage framework and single-manuscript validation study
面向机器学习研究的自主长周期工程
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出AiScientist多智能体系统，通过轻量级层级研究团队和File-as-Bus工作空间解决长周期ML研究工程中的累积进度维持问题，在PaperBench和MLE-Bench Lite上取得显著提升。
Comments Repo: https://github.com/AweAI-Team/AiScientist
一种用于混合蒙特卡罗放疗计算的快速通用能量转移变换器
机构 * LaTIM, INSERM-UMR1101, University of Brest（拉蒂姆研究所、INSERM-UMR1101、布列塔尼大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 提出一种名为能量转移的深度学习框架，通过从简单单能输入合成多能剂量分布，实现加速蒙特卡罗剂量计算，并设计TransUNetSE3D架构结合Transformer和残差挤压激励模块，在保持实时速度的同时达到98%以上的伽马通过率。
Comments 13 pages, 6 figures, 6 tables
对基于Claude Opus和ChatGPT的TEE安全顾问进行红队测试
机构 * Virginia Tech（弗吉尼亚理工大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 针对TEE安全顾问角色下的LLM助手（ChatGPT-5.2和Claude Opus-4.6），提出TEE-RedBench评估方法，发现提示诱导的失败可跨模型迁移（最高12.02%），并通过LLM-in-the-loop流水线减少80.62%的失败。
Comments Accepted for publication in ACM CAIS '26 Workshop on AI Discovery in the Wild (AID-Wild)
三思而后行：通过思想修正增强智能体行为安全
机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Shanghai Pudong Research Institute of Cryptology, Shanghai, China（上海浦东密码研究院，上海，中国）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Thought-Aligner，一种轻量级插件式安全模型，在动作执行前对不安全思想进行因果修正，无需修改底层智能体，通过两阶段对比学习训练，在多个基准和六种LLM上将行为安全从约50%提升至约90%，超越现有防护约23%，同时提升有用性约5%。
Comments Accepted to ICML 2026
MuChator: 通过对话式音乐大语言模型在抖音音乐中实现主动音乐发现
专题命中 规划推理 ：reasoning(abstract)
AI总结 提出MuChator框架，通过音乐知识预训练、上下文感知指令微调和偏好对齐，使大语言模型能够理解用户用自然语言表达的情境化音乐意图，并在抖音音乐中实现主动音乐发现。
EgoExo-WM: 利用外部视频解锁自我世界模型
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 规划推理 ：planning(abstract)
AI总结 提出通过从外部视频提取结构化身体姿态并利用人体运动学先验将其转换为自我视频，从而利用丰富的野外外部数据训练自我世界模型，显著提升预测质量和下游规划性能。
Comments Project Page: https://vision.cs.utexas.edu/projects/EgoExo-WM/
Sentinel：具身协同空间推理与规划
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 视觉空间推理 ：reasoning(title,abstract)；planning(title,abstract)
AI总结 提出Sentinel挑战和CoSaR框架，通过自然语言通信与空间导航算法结合，解决多智能体在城市规模户外环境中的协同空间推理与规划问题。
Comments The first two authors contributed equally
面向移动GUI导航的视觉语言模型：缩放、基准测试与推理
机构 * Wuhan University（武汉大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文系统研究了视觉语言模型在移动GUI导航中的数据缩放、基准测试与推理，提出了大规模数据集HyperTrack和开源工具包GUIEvalKit，并发现基于强化学习的微调优于监督微调，尤其在域外场景中表现更佳。
Comments Accepted at ICML 2026
通过视觉反馈学习具有空间推理能力的 GUI 定位
机构 * University of Edinburgh（爱丁堡大学） ； Microsoft（微软）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出将 GUI 定位重构为交互式搜索任务，利用多步在线强化学习训练 GUI-Cursor 模型，通过光标视觉反馈提升空间推理能力，在 GUI 定位和代理任务上超越强基线。
Comments Accepted at ICML 2026
Doc-CoB：通过视觉链式框推理增强文档理解
机构 * Zhejiang Key Laboratory of Accessible Perception and Intelligent Systems, Zhejiang University（浙江可感知与智能系统重点实验室，浙江大学） ； Alibaba Group（阿里巴巴集团） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出Doc-CoB框架，通过粗到细的布局感知视觉推理，结合多模态大语言模型，逐步聚焦查询相关布局区域，提升文档理解性能。
如何以及想象什么？统一多模态模型中的视觉思维用于跨视角空间推理
机构 * Mila - Québec AI Institute（蒙特利尔AI研究所） ； Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； ServiceNow AI Research（ServiceNow人工智能研究） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 提出View Dropout训练策略使模型利用中间思维图像进行跨视角空间推理，并发现全景视觉思维在信息性和可学习性上最优。
Comments Preprint
EgoProx: 在认知层级上评估多模态大语言模型的自我中心3D邻近推理能力
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； ByteDance（字节跳动） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 提出EgoProx基准，通过认知链任务和基于智能体的数据引擎，评估多模态大语言模型在自我中心3D邻近推理中的表现，发现模型虽具备空间知识但难以有效利用。
Comments Accepted to CVPR 2026
SpaceVista：从毫米到公里的全尺度视觉空间推理
机构 * Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Beijing University of Posts（北京邮电大学） ； Hong Kong University of Science（香港理工大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 本文提出全尺度空间推理解决方案，通过结构化知识系统、尺度感知建模和渐进训练范式，构建SpaceVista-1M数据集（38K视频场景、约1M空间QA对）和SpaceVista-7B模型，在5个基准上展现强泛化能力。
Comments Project Page: https://peiwensun2000.github.io/mm2km/
TPS-Drive: 基于VLM的自动驾驶任务引导表示净化
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
专题命中 视觉空间推理 ：reasoning(abstract)；planning(abstract)
AI总结 提出TPS-Drive框架，通过任务引导的表示净化（Agent-Centric Tokenizer）解决VLM在自动驾驶中的空间幻觉和表示干扰问题，实现精确的3D空间预测与安全规划。
PolyFusionAgent: 用于聚合物性能预测和逆向设计的多模态基础模型与自主AI助手
机构 * Department of Applied Computer Science, The University of Winnipeg（应用计算机科学系，温尼伯大学） ； Department of Mechanical Engineering, University of Manitoba（机械工程系，曼尼托巴大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出PolyFusionAgent框架，结合多模态聚合物基础模型PolyFusion和工具增强的设计代理PolyAgent，通过对齐序列、拓扑、3D几何和指纹等多模态视图学习共享潜在空间，实现热物理性能预测和化学有效、结构新颖的聚合物逆向设计，并利用文献证据检索闭环设计流程。
Comments 23 pages, 5 figures, 2 tables; Supplementary material included
VERA-V：用于破解视觉语言模型的变分推断框架
机构 * Department of Computer Science, Purdue University, USA（美国普渡大学计算机科学系）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 提出VERA-V变分推断框架，通过联合后验分布生成隐蔽的文本-图像对抗输入，以系统性地发现视觉语言模型的多模态漏洞，在多个基准上攻击成功率最高提升53.75%。
Comments 18 pages, 7 Figures,
基于AI视频监控的自杀风险评估：地铁站预防的可解释框架
机构 * Université TÉLUQ（大学TÉLUQ） ； Polytechnique Montréal（蒙特利尔理工学院） ； Université du Québec à Montréal（魁北克大学蒙特利尔分校）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出首个可解释框架，通过行人跟踪、活动识别、站台语义分割和轨迹风险热图建模，从监控视频中评估自杀风险，在真实数据上达到83.2% ROC-AUC。
Comments 9 pages, 6 figures, 1 table. Accepted for Publication in the International Joint Conference of Artificial Intelligence (IJCAI)
DinoComplete: 利用蒸馏语义先验和状态空间模型进行3D形状补全
机构 * Chair of Media Technology（媒体技术教授职位） ； Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与机器智能研究所） ； School of Computation Information and Technology, Technical University of Munich（计算信息科学学院，慕尼黑技术大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出DinoComplete框架，通过从DINO特征中蒸馏语义先验并结合多尺度体素Mamba模块，实现高效、鲁棒的3D形状补全，在未见类别和真实噪声扫描上优于现有方法。
OmniGF: 一种用于统一视线跟随的双分支视觉-语言框架
机构 * Stony Brook University（石英布大学） ； The University of Adelaide（阿德莱德大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出OmniGF框架，通过双分支解码策略（语言分支生成离散推理状态，连续空间分支利用密集隐藏状态）结合头部嵌入，实现多人场景下精确的空间视线估计、语义视线预测和复杂社会视线推理，在多个基准上达到新最优。
并非所有模态都平等：面向多模态视频的指令感知门控
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能学院） ； Tianjin University（天津大学） ； Chongqing University（重庆大学） ； Linköping University（林奈大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出UniMVU框架，通过内模态和模态级指令感知动态门控实现多模态视频理解，在六个基准上优于静态融合方法。
Comments 19 pages, 8 figures, 7 tables, preprint
CAGE-SGG：用于开放词汇场景图生成的反事实主动图证据
机构 * Institute of Intelligent Vision and Embodied Cognition（智能视觉与具身认知研究院）
专题命中 视觉空间推理 ：verifier(abstract)
AI总结 提出基于反事实关系验证的开放词汇场景图生成框架，通过分解谓词为软证据基并使用反事实验证器确保关系有视觉证据支持，从而提升可靠性、可解释性和泛化能力。
Comments This manuscript has been withdrawn by the authors because we found a methodological flaw in the formulation and evaluation of the proposed approach. The issue affects the reliability of the experimental results and the conclusions drawn from them. Therefore, the authors consider the current version unsuitable for citation or further use
通过层交换重新思考多语言推理差距
机构 * LightOn ； Inria（法国国家科学研究中心）
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 本文通过构建多语言推理数据集并微调专家模型，发现本地推理与英语枢轴推理的性能差距远小于先前报道，并提出层交换方法将英语专家的推理中间层迁移到本地专家，以缩小差距。
语言模型推理中带有重置的信用分配
机构 * Meta AI ； Columbia University（哥伦比亚大学） ； Meta Superintelligence Labs（Meta超智能实验室） ； Tel Aviv University（特拉维夫大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出随机重置策略优化（RRPO）和自重置策略优化（SRPO）两种方法，通过重置到中间状态并重新采样反事实延续来改进语言模型多步推理中的信用分配，SRPO在多个推理基准上优于标准GRPO和RRPO。
ARBITER：测试时采样中的推理轨迹盆地与多数投票失败
机构 * School of Computing and Information Systems（计算与信息系统学院） ； University of Melbourne（墨尔本大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.LG
AI总结 本文发现语言模型测试时采样的推理轨迹会聚集成少数“推理盆地”，导致多数投票选择最稳定而非最准确的盆地，并提出ARBITER方法通过保守加性证据修正共识，从样本池中恢复部分正确性。
Comments Preprint. 34 pages, 2 figures
使用推理型大语言模型从临床笔记中提取社会健康决定因素事件
机构 * Department of Population Health Sciences, Weill Cornell Medicine（流行病学与公共卫生系，韦尔·科恩医学中心）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本研究提出一种基于推理型大语言模型的提示工程方法，通过四个模块（简洁提示、少样本学习、自一致性机制和后处理）从临床笔记中提取结构化SDOH事件，取得0.866的微平均F1分数，展示了简单实现与强性能的平衡。
超越语义：无理由中间标记的不合理有效性
机构 * School of Computing and AI（计算与人工智能学院） ； Arizona State University（亚利桑那州立大学） ； Amazon AGI（亚马逊人工通用智能） ； Yale University（耶鲁大学）
专题命中 测试时计算 ：CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 通过从零训练Transformer模型于形式可验证推理轨迹，发现模型在正确与损坏轨迹上表现相似，且损坏轨迹在分布外任务上泛化更好，挑战了中间标记反映或诱导可预测推理行为的假设。
Comments Published in Transactions on Machine Learning Research (TMLR)
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