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。
在大音频语言模型中学习何时在聆听时思考
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出一种可学习的等待-思考-回答控制机制，通过多奖励强化学习优化大音频语言模型在流式语音交互中的推理时机，在提升准确率的同时减少响应延迟。
Comments 19 pages, 4 figures, 6 tables
HiSpec: 分层推测解码用于大语言模型
机构 * Department of Electrical and Computer Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校电子与计算机工程系）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出HiSpec框架，利用早期退出模型进行低开销中间验证，通过重用键值缓存和隐藏状态提高吞吐量，平均加速1.28倍，最高2.01倍，且不损失准确性。
自验证蒸馏：你的语言模型秘密地就是它自己的合成数据管道
机构 * Stanford University（斯坦福大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 提出自验证蒸馏算法，让大语言模型仅用无标注种子问题，通过自生成、自验证和自训练提升推理能力，在数学、科学和编程任务上取得显著提升。
自主AI代理在供应链管理中的可靠性与有效性
机构 * Harvard University（哈佛大学） ； MIT/Purdue（麻省理工学院/普渡大学） ； MIT（麻省理工学院） ； Harvard University/Kempner Institute（哈佛大学/凯普勒研究所） ； Georgia Tech（佐治亚理工学院）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过MIT啤酒游戏研究多级供应链中的自主生成式AI代理，发现模型能力是性能主导因素，但平均性能掩盖可靠性风险，并引入代理牛鞭效应，提出基于GRPO的后训练框架以提高可靠性。
MAIGO: 通过历史清理的在线策略自蒸馏缓解对话丢失
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Fuzhou University（福州大学） ； Tencent（腾讯）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL
AI总结 针对大语言模型在多轮对话中性能下降（对话丢失）的问题，提出MAIGO方法，通过在线策略自蒸馏和清理历史助手回复来减少自污染，无需验证器或推理时辅助，显著提升多轮对话准确性。
Verilog-Evolve：反馈驱动与技能演进的Verilog生成
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL
AI总结 提出Verilog-Evolve框架，通过反馈驱动（功能仿真、Yosys综合、ABC时序代理等）迭代优化Verilog代码，并利用跨会话技能演进提升生成质量，实验表明在VerilogEval和混合精度GEMM任务上提高了功能成功率和下游友好性。
PANDO: 通过在线技能蒸馏实现高效多模态AI智能体
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 提出PANDO框架，通过在线技能蒸馏、结构化技能库和缓存感知提示，在VisualWebArena任务中以更低token消耗实现更高成功率。
托管LLM中审计会话替换检测的承诺SAE特征轨迹
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 提出一种承诺-开放协议，通过Merkle树提交稀疏自编码器特征轨迹，以检测托管LLM提供商在服务中静默替换模型的行为。
Comments We identified inaccuracies in the security analysis: the closed-form intrinsic-dimension lower bound on the feature-forgery attacker (Proposition 4.2, Section 4, Appendix V) and the cross-backend noise calibration for the joint z-score threshold (Section 5.1, Table 2). These affect the claimed attack-resistance guarantees. We are withdrawing the paper to correct them before resubmission
InterSketch: 一种具有自校正视觉草图和逐步奖励的交错推理模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； SenseTime Research（商汤科技研究院） ； Shandong Normal University（山东师范大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；logical reasoning(abstract)
AI总结 针对视觉-语言模型在长程视觉推理中文本中心范式局限性的问题，提出InterSketch模型，通过自校正和逐步奖励机制增强交错视觉-文本思维链能力，在视觉推理基准上超越Gemini-3-Pro等专有模型。
DynFrame: 自适应推理驱动的多模态框架与动态帧增强用于复杂视频理解
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
专题命中 复杂问题求解 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.AI
AI总结 提出DynFrame框架，通过将时间窗口和采样密度作为原生token进行单步检索，并引入分段解耦GRPO优化，解决了视频多模态大模型中采样密度不可学习及检索与回答优化耦合的问题。
不确定性下通过策略信息分配理解LLM中的推理
机构 * Microsoft Research（微软研究院） ； KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；self-correction(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一个信息论框架，将推理分解为程序推进和认知外化（不确定性标记级外化），证明零散外化能在无显式错误触发时恢复收敛，并通过实验表明小规模SFT即可调控该能力，从而将推理重新定义为不确定性下的策略信息分配。
LaRe: 用于多模态推理的潜在重聚焦
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络与信息安全学院）
专题命中 复杂问题求解 ：reasoning(title,abstract)；CoT(abstract)；分类 cs.CL
AI总结 提出LaRe范式，在潜在空间内进行视觉重聚焦，结合语义增强训练，在提升推理准确率的同时大幅减少推理所需token数。
ASTRA: 面向复杂表格问答的自适应语义树推理架构
机构 * Zhejiang University（浙江大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出ASTRA架构，通过AdaSTR将表格重构为逻辑语义树，并利用DuTR双模式推理框架结合树搜索文本导航与符号代码执行，在复杂表格问答中达到最优性能。
Comments ACL 2026 Main
SciResearcher: 面向前沿科学推理的深度研究智能体规模化
机构 * HKUST（香港科技大学） ； CUHK（香港大学） ； Tencent AI Lab（腾讯AI实验室）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 提出SciResearcher框架，通过合成基于学术证据的概念与计算任务并训练智能体，在HLE-Bio/Chem-Gold等基准上达到最优性能。
Comments 23 pages, 6 figures, 15 tables
ORLoopBench：运筹学中自我修正与行为理性的求解器在环基准测试
专题命中 复杂问题求解 ：self-correction(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出ORLoopBench基准套件，通过将不可行模型修复形式化为求解器在环马尔可夫决策过程，利用不可约不可行子系统（IIS）反馈，结合验证强化学习训练（RLVR），使8B模型在LP修复上超越前沿API（95.3% vs 92.4% RR@5），并揭示全模型代码再生中的语义漂移问题。
Comments 58 pages, accepted by ICML 2026
FiRe：用于增强图像生成的细粒度多模态推理
机构 * KT Corporation（KT公司）
专题命中 复杂问题求解 ：reasoning(title,abstract)
AI总结 提出FiRe方法，通过细粒度多步推理和强化学习FiRe-GRPO，解决文本到图像生成中缺乏细粒度控制的问题。
AIDG：多轮LLM对话中信息提取与包含不对称性的形式化分解
机构 * Department of Computer Science and Engineering（计算机科学与工程系）
专题命中 复杂问题求解 ：reasoning(abstract)；planning(abstract)；分类 cs.CL
AI总结 提出AIDG框架，将多轮对抗对话形式化为部分可观察随机博弈，分解提取与包含角色，揭示防御性能聚类而攻击性能分散等不对称性。
Comments 20 pages, 5 figures, 13 tables. Includes appendix and supplementary materials
ContextGuard: 语言模型中上下文学习的结构化自我审计
机构 * Peking University（北京大学） ； SCUT（上海交通大学） ； Tsinghua University（清华大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出ContextGuard框架，通过结构化自我审计机制使大语言模型在复杂上下文任务中忠实遵循所有上下文约束，包括外围、持久和格式敏感要求。
一个通用悬崖与一个设计指纹：LLM编排下的跨段缺陷检测
机构 * Research Institute of Criminal Psychiatry（刑事精神病研究机构） ； Sex Offender Medical Center（性犯罪医疗中心） ； Department of Neuropsychiatry, Graduate School of Medicine, Kyoto University（京都大学医学研究生院神经精神病学部门）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本研究揭示在LLM编排下，所有模型检测跨段矛盾缺陷的能力大幅下降（检测率降低三分之二以上），并发现不同对齐范式下的模型行为差异，其中一家开发商的模型随对齐增强呈现报告标准偏移。
Comments 24 pages, 2 figures. Data and code: doi:10.5281/zenodo.20372696
MobileExplorer: 通过在线探索加速移动GUI代理的端侧推理
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 提出MobileExplorer框架，通过在线探索并行探测UI元素并记录为结构化记忆，结合两级回滚机制，减少推理步骤和延迟，提升移动GUI代理的端侧部署效率。
LLM蒸馏中的桥园困境：为什么混合硬标签和软标签有效
机构 * School of Computer Science and Technology, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学计算机科学与技术学院） ； Alibaba Group, Hangzhou, China（阿里巴巴集团） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院人工智能安全国家重点实验室） ； Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） ； Key Laboratory of Big Data Mining and Knowledge Management (BDKM), University of Chinese Academy of Sciences, Beijing, China（中国科学院大数据挖掘与知识管理重点实验室）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG
AI总结 针对大语言模型知识蒸馏中硬标签与软标签的混合使用，提出桥园分解理论解释其降低暴露偏差的机制，并开发自适应混合监督方法，在多个模型上实现性能提升和9.7倍训练成本降低。
Comments Accepted at ICML 2026
Weasel: 通过重要性-多样性数据选择实现Web智能体的域外泛化
机构 * Seoul National University（首尔国立大学） ； McGill University（麦吉尔大学） ； Mila -- Quebec AI Institute（蒙特利尔AI研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG
AI总结 提出Weasel方法，通过优化平衡单步重要性与状态、网站、交互模式成对多样性的目标，选择固定预算的轨迹子集，结合目标中心AXTree剪枝和风格一致理由替换，提升Web智能体离线训练的域外泛化性能并降低训练成本。
Comments ICML 2026. Code is released at https://github.com/fatemehpesaran310/weasel
GraphMind：从操作轨迹到自演化工作流自动化
机构 * Microsoft, USA ； University of Illinois Chicago, USA ； Microsoft, Spain
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 提出GraphMind系统，通过离线提取因果工作流图、在线多智能体遍历执行和自适应遍历强化，实现云数据库事故调查中的自动化工作流，相比基线方法减少8倍检索上下文并降低26%幻觉率。
NF-TrackLLM：用于LAE XL-MIMO系统的无人机轨迹与近场波束联合预测
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 提出NF-TrackLLM框架，通过多模态语义感知和GPT-2时空推理，联合预测近场XL-MIMO系统中无人机轨迹和波束，实现高精度跟踪与波束预测。
OCR-Reasoning基准：揭示MLLMs在复杂文本丰富图像推理中的真实能力
机构 * South China University of Technology（华南理工大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
专题命中 推理评测 ：reasoning(title,title_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出OCR-Reasoning基准，包含1069个人工标注样本，覆盖6种核心推理能力和18个实际推理任务，通过双标注（最终答案和逐步推理过程）评估多模态大语言模型在文本丰富图像推理中的能力，发现最先进模型准确率均低于50%。
Comments ICLR 2026
EpiQAL：大型语言模型在流行病学问答与推理中的基准测试
机构 * Emory University（埃默里大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； Microsoft（微软公司）
专题命中 推理评测 ：reasoning(title,abstract)；chain-of-thought(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出EpiQAL基准，通过三个子集（事实回忆、多步推理、不完整信息下结论重建）评估LLM在流行病学推理中的表现，发现当前模型在多步推理上表现有限。
Comments 31 pages, 7 figures, 25 tables
解码科学实验图像：用于感知、理解和推理的SPUR基准
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 推理评测 ：reasoning(title,abstract)；chain-of-thought(abstract)
AI总结 提出SPUR基准，通过4264个问答对评估多模态大模型在科学实验图像上的细粒度感知、跨面板关系理解和专家级推理能力，揭示当前模型与专家水平的差距。
Comments Accepted to ACL 2026 Main Conference
Omanic：迈向大语言模型多跳推理的逐步评估
机构 * The University of Tokyo（东京大学） ； Yale University（耶鲁大学） ； Stanford University（斯坦福大学） ； Xiaomi EV（小米EV） ； Soongsil University（顺天大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 针对大语言模型在多跳问答中中间步骤推理失败难以诊断的问题，提出Omanic基准，通过分解为单跳子问题并分析步骤级错误，揭示后期跳数瓶颈、事实知识下限和错误传播，微调后提升多个推理基准性能。
TFD：面向低资源语言处理和大规模建模的综合结构化藏语基础数据集
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Xizang University（西藏大学） ； ZenWeave AI ； The State Key Laboratory of Tibetan Intelligence（藏语智能国家重点实验室） ； Nanyang Technological University（南洋理工大学）
专题命中 推理评测 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 为解决藏语大语言模型开发中缺乏覆盖预训练、指令微调、安全对齐、偏好优化和推理监督等完整流程的数据集问题，提出首个结构化、大规模、专家精选的藏语基础数据集TFD，包含超过110亿词元的统一语料库及链式推理数据集，通过训练Sun-Shine系列藏语模型在理解、安全、推理和生成基准上取得显著提升。
PersianMedQA: 在波斯语-英语双语医学问答基准上评估大型语言模型
机构 * School of Electrical and Computer Engineering, University of Tehran（德黑兰大学电气与计算机工程学院） ； Shahid Beheshti University of Medical Sciences（沙希德·贝赫什提医学科学大学） ； Institute for Research in Fundamental Sciences (IPM)（基础科学研究所（IPM））
专题命中 推理评测 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本文提出PersianMedQA数据集，包含20,785道波斯语医学多选题，用于评估41个LLM在零样本和思维链设置下的双语医学推理能力，发现闭源通用模型表现最佳，而波斯语模型性能较差，且翻译会丢失文化临床线索。
Comments Accepted at LREC 2026 (The Fifteenth Language Resources and Evaluation Conference), Palma, Mallorca, Spain, May 2026
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