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。
预见与学习：在主动智能体中释放空闲时间计算
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 提出ProAct主动智能体架构，利用空闲时间计算预测并满足用户未来需求，通过ProActEval基准测试验证其在任务加速、减少用户努力和降低幻觉率方面的显著优势。
Comments 26 pages, 4 figures; code available at https://github.com/AgentACE-AI/ProAct
VT-Bench：视觉-表格多模态学习的统一基准
机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） ； School of Intelligence Science and Technology, Nanjing University, China（智能科学与技术学院，南京大学，中国） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
AI总结 提出首个视觉-表格多模态基准VT-Bench，涵盖9个领域14个数据集，评估23个模型，揭示视觉-表格学习的挑战。
OMD-GraphRAG：利用本体引导提取、多维聚类和双通道融合增强GraphRAG
机构 * Data Science & Artificial Intelligence Research Institute（数据科学与人工智能研究院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
AI总结 提出OMD-GraphRAG框架，通过本体引导知识提取、多维社区聚类和双通道图检索融合，提升GraphRAG在复杂推理和多跳查询中的性能。
BeyondSWE：当前代码代理能否超越单仓库错误修复？
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 提出BeyondSWE基准测试，评估代码代理在跨仓库、领域特定、依赖迁移和文档生成等复杂软件工程任务上的表现，发现现有代理在利用外部信息进行精确代码修改方面仍存在显著不足。
Comments Benchmark: https://huggingface.co/datasets/AweAI-Team/BeyondSWE. Repo: https://github.com/AweAI-Team/BeyondSWE. Scaffold: https://github.com/AweAI-Team/AweAgent
ADRD-Bench：阿尔茨海默病及相关痴呆症的初步大语言模型基准
机构 * Electrical Engineering, University of Notre Dame（诺丁汉大学电气工程系） ； Computer Science and Engineering, University of Notre Dame（诺丁汉大学计算机科学与工程系） ； School of Medicine, Indiana University（印第安纳大学医学院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 针对现有基准对阿尔茨海默病及相关痴呆症覆盖不足的问题，提出ADRD-Bench，包含统一问答和照护问答两部分，评估了36个LLM，发现顶级模型准确率高但推理质量不稳定。
Comments Update article
TowerMind: 一个用于LLM作为智能体的塔防游戏学习环境与基准
机构 * Newcastle University（新castle大学） ； University of Auckland（奥克兰大学）
专题命中 推理评测 ：planning(abstract)；分类 cs.AI
AI总结 本文提出TowerMind，一个基于塔防子类型的轻量级、多模态游戏环境，用于评估大语言模型在长期规划和决策中的能力，并揭示其与人类专家的性能差距及关键局限性。
Comments AAAI 2026 Oral
InfoSynth: 信息引导的大语言模型基准合成
机构 * UC Berkeley（加州大学伯克利分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 提出基于信息论（KL散度和熵）的InfoSynth框架，自动生成高难度、多样化的Python编程基准，97%的测试用例和解决方案准确。
IPIBench: 在连续流下评估多模态大模型的交互式主动智能
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； ByteDance（字节跳动）
专题命中 推理评测 ：reasoning(abstract)
AI总结 提出IPIBench基准，用于评估多模态大模型在流式视频场景中的交互式主动智能，并设计IPI-Agent框架以改善主动触发和交互协调。
FuzzPilot: 用于结构化文本模糊测试的高原触发式配方验证
专题命中 推理评测 ：reasoning(abstract)
AI总结 FuzzPilot 通过高原触发式配方验证，在覆盖率停滞时利用快照和微测试评估变异配方，以提升 AFL++ 的模糊测试效率。
Comments 41 pages, 7 figures, 7 tables. Preliminary cJSON-only evaluation (N=5 main, N=3 ablation; descriptive statistics, no significance claims). Code and 25-run artifacts at https://github.com/Qiao-Zhiyi/fuzz_agent (tag paper01-arxiv-v1). Venue-version Stage-1 pilot on libxml2, sqlite3, openssl_x509 currently in flight; v2 will report those results
Cyber-Physical Mobility Lab中的零样本多智能体强化学习基准测试
机构 * Cyber-Physical Mobility Lab（智能物理移动实验室） ； University of the Bundeswehr Munich（联邦国防军大学慕尼黑） ； RWTH Aachen University（亚琛工业大学）
专题命中 推理评测 ：planning(abstract)
AI总结 本文基于Cyber-Physical Mobility Lab构建了一个可复现的基准测试平台，用于评估联网自动驾驶汽车多智能体强化学习策略的仿真到现实迁移，并揭示了性能下降的两个互补来源。
SOLE-R1：视频语言推理作为机器人强化学习的唯一奖励
机构 * MIT（麻省理工学院） ； RAI Institute（机器人智能研究所）
专题命中 其他推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.CL
AI总结 提出SOLE-R1模型，通过视频语言时空推理生成密集任务进度估计作为唯一奖励信号，实现在无真实奖励、演示或任务特定调优下的零样本在线强化学习。
GeoFaith: 时空双视角下的忠实思维链
机构 * Xidian University（西安电子科技大学） ； Xi’an Jiaotong University（西安交通大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Science and Technology of China（中国科学技术大学）
专题命中 其他推理 ：chain-of-thought(title,abstract)；reasoning(abstract)；CoT(abstract)；分类 cs.CL、cs.AI
AI总结 针对思维链推理中的事后合理化问题，提出基于潜在几何结构和熵动力学的时空框架GeoFaith，通过可扩展的引导流水线构建忠实性检测器并联合优化结果正确性、过程忠实性和轨迹一致性。
为什么LLMs会在结构化知识上产生幻觉：对线性化表示推理的机制分析
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文通过机制分析发现，大型语言模型在结构化知识推理中产生幻觉是由于注意力过度集中于捷径式结构线索和前馈层未能将知识语义接地，导致模型依赖参数记忆。
Comments To appear in Proceedings of ACL 2026
混合与非混合大语言模型中的推理原语：架构差异在状态追踪和召回中是否带来优势？
机构 * Lamarr Institute for Machine Learning and Artificial Intelligence（拉玛尔机器学习与人工智能研究所） ； Rheinische Friedrich-Wilhelms-Universität Bonn（波恩莱茵河弗里德里希-威廉大学）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本研究通过五个受控任务族比较了Transformer和混合架构在状态召回任务上的表现，发现推理增强是主要优势因素，而混合架构的优势较窄且依赖于任务。
Vital Trace: 协议约束的患者状态推理用于纵向临床轨迹
机构 * TU Dresden（德累斯顿理工大学）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出Vital Trace，一个协议约束的多智能体框架，通过紧凑的持久患者状态记忆和四个协调智能体（Router、Reasoner、Auditor、Steward）进行分阶段推理，以解决长期临床轨迹推理中的上下文漂移和不稳定问题，在MIMIC-IV和eICU数据集上预测未来血管加压药、呼吸、肾脏支持和恶化任务中优于自由形式多智能体基线。
BASIS: 基于单次采样信息共享的批量优势估计用于LLM推理
机构 * University of Science and Technology of China（中国科学技术大学） ； London School of Economics and Political Science（伦敦政治经济学院） ； University of Oxford（牛津大学）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 提出BASIS算法，通过单次采样和批次内信息共享改进价值函数估计，在减少计算开销的同时提升策略优化性能。
Comments 17 pages, 7 figures
BAIT: 基于边界引导的自我条件推理披露升级
机构 * The Harbin Institute of Technology（哈尔滨工业大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Shenzhen University（深圳大学） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出BAIT三步越狱框架，通过识别保护边界、细化边界和请求详细示例，利用模型自身推理和一致性倾向实现恶意目标披露，实验表明在多个基准上攻击成功率显著优于传统方法。
Cassandra: 通过自推测解码在边缘设备上实现推理型大语言模型
专题命中 其他推理 ：reasoning(title,abstract)
AI总结 提出Cassandra算法-硬件协同设计的自推测解码框架，通过细粒度数据选择和无训练剪枝与尾数截断构建高性能草稿模型，实现低批量场景下高达2.41倍加速。
Comments To appear at ISCA 2026
LLM支持的气候变化动机推理内容分析
专题命中 其他推理 ：reasoning(title,abstract)
AI总结 本研究利用大语言模型对YouTube评论进行定性标注，结合社会网络分析和线性混合效应模型，发现气候变化讨论中不同话题的互动模式差异反映了动机推理。
Comments 11 pages, 3 figures. Accepted for ASIS&T 2025
概念隐写术
机构 * University of Southern California Information Sciences Institute（南加州大学信息科学研究所）
专题命中 其他推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL
AI总结 提出概念隐写术，通过思维链中的高级推理行为模式而非词汇选择嵌入信息，实验表明其对释义防御比标准关键词方法更鲁棒，且不影响推理效用。
自信号驱动的多LLM辩论以实现高效准确的推理
机构 * University of Cambridge（剑桥大学） ； Sorbonne Université（索邦大学） ； University of Science and Technology of China（中国科学技术大学） ； Beihang University（北航大学） ； Nanyang Technological University（南洋理工大学）
专题命中 其他推理 ：reasoning(title)；分类 cs.CL、cs.AI
AI总结 提出一种利用模型级置信度和token级语义焦点两种自信号来自适应引导多LLM辩论过程的方法，在提高准确性的同时减少token消耗。
基于对抗感知的多教师同策略蒸馏以实现领域保留下的通用能力恢复
机构 * Kuaishou Technology, Beijing, China（快手科技，北京，中国）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对多教师同策略蒸馏在提示覆盖不完全时出现的恢复-保留对抗和弱信号平坦化问题，提出CaMOPD方法，通过解耦交替训练和基于差距的样本选择，在保持领域性能的同时有效恢复通用能力。
AI工作流架构的效果透明治理：语义保持、表达最小性与可判定性边界
机构 * Mashin, Inc.（Mashin公司）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文通过机器验证的形式化方法，证明在AI工作流架构中，效果级治理可以在不降低内部计算表达性的前提下实施，并建立了治理与计算表达性正交的理论基础。
Comments 15 pages. Companion proofs: https://github.com/mashin-live/governance-proofs. Project: https://mashin.live. v2: corrected cross-reference identifiers for companion papers. License updated
Muddit: 通过统一离散扩散模型解放超越文本到图像的生成
机构 * M-E-AGI-Lab（M-E-AGI实验室）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出Muddit，一种统一离散扩散Transformer，结合预训练文本到图像骨干的强视觉先验与轻量文本解码器，实现跨文本和图像模态的快速并行生成，在质量和效率上优于大型自回归模型。
Comments Accepted to ICLR 2026. Codes and Supplementary Material: https://github.com/M-E-AGI-Lab/Muddit
分离跳跃链接与$R$-探针：解耦特征聚合与梯度传播用于MLLM OCR
机构 * State Key Laboratory for Multimedia Information Processing, School of Computer Science, PKU-Anker LLM Lab, Beijing Key Laboratory of Software and Hardware Cooperative Artificial Intelligence Systems, Peking University, Beijing, China（多媒体信息处理国家重点实验室，计算机科学学院，PKU-Anker LLM实验室，软件与硬件协同人工智能系统北京重点实验室，北京大学，北京，中国） ； Tsinghua University, Beijing, China（清华大学，北京，中国） ； Baidu Inc, Beijing, China（百度公司，北京，中国）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对多模态大语言模型在OCR任务中因梯度干扰导致细粒度视觉信息丢失的问题，提出分离跳跃链接（Detached Skip-Links）以解耦前向特征聚合与反向梯度传播，并引入$R$-探针（$R$-Probe）诊断视觉令牌的可重构性，从而提升OCR及通用多模态任务性能。
Comments Accepted by ICML 2026. Ziye Yuan and Ruchang Yao contributed equally to this work (co-first authors, listed in random order)
DeepInterestGR: 利用多模态大语言模型挖掘深度多兴趣用于生成式推荐
机构 * Southeast University（东南大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出DeepInterestGR框架，通过多LLM兴趣挖掘、奖励标记深度兴趣和兴趣增强物品离散化，解决生成式推荐中的浅层兴趣问题，在三个Amazon数据集上显著提升推荐性能。
对齐来源与授权：面向LLM智能体的双图防御
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出AuthGraph双图对齐防御框架，通过构建注入推理图与授权图的结构化比较，检测工具调用和参数来源级别的偏差，在AgentDojo上将攻击成功率从40%降至1%并保持76%任务完成率。
Agentic AI 工作负载特征
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文通过端到端追踪基础设施，在五个智能体基准测试上刻画 ReAct 风格智能体的 LLM 服务和工具执行特征，发现智能体工作负载并非简单长提示工作负载，其执行以解码为主且依赖长寿命 KV 缓存状态，工具使用具有从读/探索到执行/写的时序结构。
RISE: 自进化视觉语言模型的可靠改进
机构 * AMAP, Alibaba Group（阿里集团AMAP实验室）
专题命中 其他推理 ：reasoning(abstract)
AI总结 针对视觉语言模型自进化中角色交替粗粒度、问题质量下降和类型坍缩问题，提出RISE框架，通过细粒度角色交替、质量监督器和技能感知动态平衡实现可靠自进化。
超越文本提示：视觉到视觉生成作为统一范式
机构 * City University of Hong Kong（香港城市大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； Celia Research HK（Celia研究香港） ； Great Bay University（大湾大学） ； Lingnan University（岭南大学）
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出视觉到视觉（V2V）生成范式及无需训练的V2V-Zero框架，通过利用视觉页面隐藏状态替代文本条件，在多个任务上达到或接近优化后的文本到图像性能。
Comments Project Page: https://yaofang-liu.github.io/V2V_Web
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