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。
GUI-CIDER：通过因果内化和密度感知示例重选进行GUI代理的中期训练
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Meituan（美团） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 提出GUI-CIDER中期训练方法，通过因果内化和密度感知示例重选显式内化GUI世界知识，提升代理对GUI操作的理解和任务成功率。
搜索前先规划：搜索智能体需要规划
机构 * Kuaishou Technology（快手科技） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（教育部多媒体可信感知与高效计算重点实验室，厦门大学） ； VCIP, CS, Nankai University（南开大学VCIP实验室）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Plan方法，通过将问题分解为有序子问题再进行检索，并引入自举训练范式，无需外部强模型蒸馏即可在多跳QA中激活规划能力。
框架至关重要：通过基于行为的价值对齐解决决策中的框架敏感性
机构 * Chung-Ang University（Chung-Ang 大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出Fragile基准测试框架，系统评估大语言模型在事实等价但不同框架输入下的决策稳定性，并设计Valign方法通过表示级干预有效降低框架引起的决策翻转。
Comments 29 pages, 7 figures, 31 tables
平衡万岁：信息瓶颈驱动的基于树的策略优化
机构 * Alibaba Cloud Computing, Alibaba Group（阿里云计算，阿里巴巴集团）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 针对在线强化学习中探索-利用不平衡问题，提出基于信息瓶颈理论的IB-Score指标和IB-TPO框架，通过树采样策略提升优化稳定性和性能。
Comments Accepted to ICML 2026 main conference
CiteCheck: 基于检索的科学文本中LLM引用幻觉检测
机构 * School of Computing Science, Simon Fraser University（西蒙·弗雷泽大学计算科学学院）
专题命中 规划推理 ：verifier(abstract)；分类 cs.AI
AI总结 提出CiteCheck框架，通过从外部学术来源检索候选出版物、使用结构化LLM验证器比较引用与候选信息，并将验证器得分映射为精确、次要和主要三个标签，以检测LLM生成的引用幻觉，在物理基准上达到88.7 macro-F1和88.9%准确率。
Eliot: 通过在线数据和学习交互式探索快速变化的科学文献趋势
机构 * University of South Carolina（南卡罗来纳大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出Eliot系统，通过查询时聚类和时间可视化，帮助研究人员可追溯地探索快速变化的科学文献趋势。
Comments Under-review at CIKM Applied Research 2026
Ocean4Rec：离线LLM生成的OCEAN画像用于请求时VOD重排序
机构 * Samsung Electronics Republic of Korea（韩国三星电子公司） ； Samsung Electronics India（印度三星电子公司）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出Ocean4Rec重排序层，利用LLM离线生成物品OCEAN画像，在请求时无需LLM调用，通过数值计算提升VOD推荐性能。
从预测到干预：人工智能在生物医学中的演进
机构 * BostonGene Corporation（波士顿基因公司）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出生物医学AI正从基于历史数据的预测范式转向能够模拟干预效果的干预智能，通过定义疾病级模型实现从推理到仿真的转变，以支持新型疗法和未观测干预下的决策。
Comments 10 pages, 3 figures, 1 table. Figures were replaced with a better versions
ClinicalAgents：具有双记忆的临床决策多智能体编排
机构 * The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出ClinicalAgents多智能体框架，通过蒙特卡洛树搜索动态编排和双记忆架构模拟临床推理，显著提升诊断准确性和可解释性。
Comments Accepted to the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
自预言解码以解锁LVLM中的视觉搜索
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； ShanghaiTech University（上海科技大学）
专题命中 规划推理 ：reasoning(abstract)
AI总结 提出SeProD框架，通过自预言解码利用预训练模型的内在单步能力，以无训练、即插即用的方式增强LVLM在多步视觉搜索中的连贯推理，在4个基准的12个分割上一致提升性能。
Comments Accepted at ICML 2026
并非所有不确定性都相同：不确定性粒度如何影响LLM辅助决策中的人类验证
专题命中 规划推理 ：reasoning(abstract)
AI总结 本研究通过大规模用户实验，探究LLM输出中不同粒度（输出级、关系级、词元级）的不确定性表达对用户验证行为的影响，发现词元级不确定性增加用户对AI的认同，而关系级不确定性减少外部验证。
Comments 54 pages, 36 figures, accepted by ACM FAccT 2026
Audio-Mind: 一种可审计的音频理解智能体框架
机构 * School of Intelligence Science and Technology, Nanjing University, China（南京大学智能科学与技术学院） ； Department of Computer Science, ETH Zürich, Switzerland（苏黎世联邦理工学院计算机科学系） ； X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, China（上海交通大学计算机科学学院X-LANCE实验室） ； School of Automation Science and Engineering, Xi’an Jiaotong University, China（西安交通大学自动化科学与工程学院） ； School of Computer Science, Northwestern Polytechnical University, China（西北工业大学计算机科学学院）
专题命中 规划推理 ：reasoning(abstract)
AI总结 提出Audio-Mind框架，通过条件性证据获取动态结合强前端与规划器引导的工具使用，解决音频理解中智能体证据获取的时机问题，在MMAR和MSU-Bench上分别达到80.4%和82.8%的准确率，并生成可审计的推理轨迹。
Robo-Blocks：社交机器人终端用户设计与编程中的生成式支架
机构 * Department of Computer Sciences\ of Wisconsin--Madison
专题命中 规划推理 ：planning(abstract)
AI总结 通过研究通过设计（RtD）过程，提出基于LLM的积木式编程环境Robo-Blocks，利用生成式支架将高级想法转化为可执行机器人行为，支持新手程序员，并揭示了用户角色与使用模式。
VLA-Hijack: 通过视觉本体感觉劫持实现针对视觉-语言-动作模型的可迁移补丁攻击
机构 * Fudan University（复旦大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 规划推理 ：planning(abstract)
AI总结 提出VLA-Hijack框架，通过注意力引导的本体感觉抑制和多模态本体感觉注入攻击视觉自定位过程，实现跨架构黑盒迁移攻击。
SCALE-COMM：用于多智能体强化学习通信的共享、对比对齐潜在嵌入
专题命中 规划推理 ：planning(abstract)
AI总结 提出SCALE-COMM框架，通过自监督学习紧凑、稳定的潜在通信表示，解耦通信学习与策略优化，提升多智能体协调的稳定性和样本效率。
Comments IEEE IV 2026
弥合姿态-语义鸿沟：基于文本的人物异常搜索的级联框架
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
专题命中 规划推理 ：reasoning(abstract)
AI总结 提出结构-语义解耦级联（SSDC）框架，通过两阶段检索（结构感知粗检索和多智能体语义验证）平衡效率与语义推理，在PAB基准上达到最优性能。
Comments Accepted to ACL 2026.10 pages, 5 figures
EpiAgent: 一种以智能体为中心的古铭文修复系统
机构 * School of Computer Science and Engineering, Southeast University, China（东南大学计算机科学与工程学院） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其跨学科应用关键实验室（东南大学），教育部，中国） ； Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education, China（计算机网络与信息集成关键实验室（东南大学），教育部，中国） ； Nanjing University Museum, Nanjing University, China（南京大学博物馆，南京大学，中国） ； The China Centre for Linguistic and Strategic Studies, Nanjing University, China（中国语言战略研究中心，南京大学，中国）
专题命中 规划推理 ：planning(abstract)
AI总结 提出基于智能体的EpiAgent系统，通过分层规划与LLM协调多模态分析、历史经验和专用工具，实现灵活自适应的古铭文修复，在真实退化铭文上取得更优修复质量和泛化能力。
Comments Accepted by CVPR 2026
分割模型能理解世界吗？通过视觉思维链实现主动可供性推理
机构 * Northwestern University（西北大学） ； Northeastern University（东北大学） ； South China University of Technology（华南理工大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Beijing Normal - Hong Kong Baptist University（北京师范大学-香港 Baptist大学）
专题命中 视觉空间推理 ：chain-of-thought(title,abstract)；reasoning(title)；CoT(abstract,abstract_cn)；分类 cs.AI
AI总结 提出SegWorld框架，通过多级视觉思维链在意图级指令下进行主动场景观察和可供性推理，实现从目标到部件的高效分割。
MACReD：一种用于反应图解解析的多智能体协作推理框架
机构 * University of Science ； Technology of China \& iFLYTEK Co., Ltd. Hefei China ； Technology of China \& iFLYTEK Co., Ltd.
专题命中 视觉空间推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 提出MACReD分层多智能体框架，通过协调分子感知、箭头理解、文本提取和反应重建等专用智能体，在统一VLM引导架构下实现化学图解解析，在RxnScribe基准上达到最优性能。
Comments Preprint. Code is available at https://github.com/TC9905/MACReD
SSR3D-LLM: 通过潜在步骤实现结构化空间推理以实现统一3D-LLM中的细粒度定位
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Soochow University（苏州大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对统一3D-LLM中细粒度查询的脆弱性，提出SSR3D-LLM，通过潜在空间推理步骤和几何感知评分器逐步精炼候选排名，在多个基准上取得最优结果。
面向多跳音视频推理的主动全模态感知代理
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对多跳音视频推理中证据稀疏且跨模态分布的问题，提出MOV-Bench基准和AOP-Agent代理框架，通过分层全模态记忆与观察-反思-重规划循环实现主动感知，显著提升开源全模态大模型在长视频和推理密集型问题上的性能。
推理的形状：大型语言模型中推理轨迹的拓扑分析
机构 * University of Cambridge, Department of Engineering, England（剑桥大学工程系） ； National University of Singapore, School of Computing, Singapore（新加坡国立大学计算机学院）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出基于拓扑数据分析（TDA）的评估框架，通过捕捉推理轨迹的几何结构实现高效自动评估，实验表明拓扑特征比图指标更有效预测推理质量。
Comments Accepted in ICML 2026 Workshop: Epistemic Intelligence in Machine Learning
基于3D场景图的开放世界交互式物体搜索的关系语义推理
机构 * University of Freiburg（弗赖堡大学） ； Toyota Motor Europe（丰田欧洲公司）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出SCOUT方法，通过从LLM蒸馏的关系探索启发式直接搜索3D场景图，实现高效开放世界交互式物体搜索，性能匹配LLM且计算高效。
关于Transformer图像嵌入在非可解空间推理中的内在限制
机构 * School of Electronic Science and Engineering, Nanjing University, Nanjing, China（电子科学与工程学院，南京大学，南京，中国）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文通过将空间理解形式化为群同态问题，证明恒定深度Transformer由于TC⁰复杂度限制，无法在单次前向传播中捕获非可解群（如SO(3)）的空间结构。
点、视觉与文本：点云能否提升大语言模型的空间推理能力？一项偏差控制研究
机构 * Tsinghua University（清华大学） ； ByteDance Seed（字节跳动种子）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文通过引入包含文本、视觉和点云模态的3D空间推理基准ScanReQA，评估不同模态下大语言模型的空间推理能力，发现点云和视觉模态的模型表现优于纯文本模型，并揭示了3D大语言模型中的注意力下沉现象。
MemCog: 从记忆即工具到记忆即认知的对话代理
机构 * WeChat, Tencent Inc.（腾讯公司）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出MemCog系统，通过可导航记忆存储、跨维度导航接口和主动推理协议，将记忆访问融入推理过程，在被动问答和主动记忆触发基准上达到最优性能。
VesselSim: 无需专家标注的3D血管分割学习
机构 * Department of Computer Science and Software Engineering, Concordia University, Montreal, Canada（计算机科学与软件工程系，康科迪亚大学，蒙特利尔，加拿大） ； Department of Electrical and Computer Engineering, Concordia University, Montreal, Canada（电气与计算机工程系，康科迪亚大学，蒙特利尔，加拿大）
专题命中 视觉空间推理 ：planning(abstract)；分类 cs.AI
AI总结 提出VesselSim两阶段框架，通过几何驱动的合成血管生成和自监督测试时适应，实现无需真实标注的3D血管分割，在多个临床数据集上达到与有监督方法竞争的性能。
Comments This preprint has not undergone peer review or any post-submission improvements or corrections. The Version of Record of this contribution will be published as part of the MICCAI 2026 proceedings in October
经典与神经采样算法在机器人导航中的性能比较
机构 * dept. of Economics Oran2 Mohamed BenAhmed University（经济系奥兰2莫哈梅德·本·阿赫迈德大学）
专题命中 视觉空间推理 ：planning(abstract)；分类 cs.AI
AI总结 本文在含凸凹障碍物的环境中比较了RRT*、Neural RRT*和Neural Informed RRT*三种算法，发现神经引导规划器能生成更短（最多14%）和更平滑（55-75%）的路径，其中Neural Informed RRT*综合性能最优。
Journal ref Presented at The 3rd Edition of National Conference on Applications of Artificial Intelligence A2I' 26. 2026
EigeNet：几何信息引导的多模态学习用于少样本新视角RIR预测
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出EIGENET框架，通过跨视角交替注意力Transformer和几何信息调制块，结合多任务学习，实现少样本新视角房间脉冲响应预测，达到最先进性能。
Comments Code available on https://github.com/FEAfeatherTHER/EigeNet
MolLingo：面向LLM驱动的科学智能体的分子原生表示
机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出MolLingo多智能体系统，通过共享内存协调文献、化学家和编排智能体，结合基于BRICS的片段枚举（BFE）表示方法，实现分子块级推理与编辑，在四个基准上优于前沿LLM和专用基线。
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