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。
GrepSeek：训练用于直接语料库交互的搜索代理
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Princeton University（普林斯顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出GrepSeek，一种通过两阶段训练（冷启动数据集+GRPO优化）和语义保持的分片并行执行引擎，训练紧凑型搜索代理直接与文本语料库交互（通过shell命令），在开放域问答中取得最优F1和精确匹配。
SURGENT: 一种跨围手术期工作流程的手术多智能体辅助系统
机构 * East China Normal University（华东师范大学） ； City University of Hong Kong（香港城市大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出SURGENT手术多智能体辅助系统，结合思维树规划器、多科室协作智能体和检索增强推理，通过新型记忆设计管理长期患者病史和短期工作摘要，在五项围手术期任务中优于基线LLM和现有医疗多智能体框架。
Comments preprint
用于电影心脏磁共振-文本驱动的心力衰竭结局预测的可组合多模态框架
机构 * Department of Cardiology, Nanjing Drum Tower Hospital, State Key Laboratory of Pharmaceutical Biotechnology, Nanjing University（南京鼓楼医院心内科，南京大学国家药物生物技术重点实验室） ； School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） ； College of Electronic and Optical Engineering, Nanjing University of Posts and Telecommunications（南京邮电大学电子与光学工程学院） ； College of Integrated Circuit Science and Engineering, Nanjing University of Posts and Telecommunications（南京邮电大学集成电路科学与工程学院） ； Department of Cardiology, Nanjing Drum Tower Hospital Clinical College of Nanjing Medical University（南京医科大学南京鼓楼医院临床学院心内科） ； Institute of Quantum Information and Technology, Nanjing University of Posts and Telecommunications（南京邮电大学量子信息与技术研究院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出一种可组合多模态框架，通过整合cine CMR影像、结构化临床指标和非结构化文本记录，实现比单模态AI算法更准确的心力衰竭预后预测，并支持个性化治疗优化。
无锚点多样化并行LLM创意生成
机构 * Bellini College of Artificial Intelligence, Cybersecurity, and Computing, University of South Florida（贝尔尼人工智能、网络安全与计算学院，佛罗里达州立大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 研究无锚点方法（如语义方向分层）在并行LLM创意生成中实现候选池多样化，无需依赖种子想法，在多样性、质量和计算效率上优于有锚点基线。
治疗条件扩散用于预测神经退行性疾病进展
机构 * Innoloft Inc.（Innoloft公司） ； Bogomolets National Medical University（博戈莫列茨国家医学大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 提出一种治疗条件扩散框架，通过条件化生成过程于患者的筛查DaTscan图像和一年内左旋多巴等效日剂量，预测高保真未来脑状态，在临床保真度上显著优于基线。
Comments 9 pages, 5 figures, 1 table
ActTraitBench: 通过人类行为验证量化大型语言模型中的知识-决策差距
机构 * Peking University（北京大学） ； Baidu Inc（百度公司）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出ActTraitBench框架，基于人类数据建立心理测量方面与行为范式的一一映射，并通过分位数映射校准LLM评分分布，揭示LLM在自我报告与行为决策之间的知识-决策差距，并引入CoCA干预来缓解该差距。
虚假提示：无关提示能否引导大型语言模型？
机构 * Heinrich Heine University Düsseldorf（海因里希·海因斯大学多特蒙德分校） ； Jagiellonian University（雅盖隆大学） ； IDEAS Research Institute（IDEAS研究所）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究语义无关的提示（虚假提示）对大型语言模型行为的影响，提出黑盒搜索方法发现此类提示，并证明其在多个基准和模型上能显著影响模型输出。
AutoSizer: 通过大语言模型代理自动调整模拟和混合信号电路的尺寸
机构 * Artificial Intelligence Department, Brookhaven National Laboratory, Upton, NY（布鲁赫斯国家实验室人工智能部） ； Instrumentation Department, Brookhaven National Laboratory, Upton, NY 11973（布鲁赫斯国家实验室仪器部）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出AutoSizer，一种反射式LLM驱动的元优化框架，通过双循环结构统一电路理解、自适应搜索空间构建和优化编排，在模拟和混合信号电路尺寸调整中实现更优解质量、更快收敛和更高成功率。
Skill-Pro: 通过非参数PPO从经验中学习可复用技能以用于LLM智能体
机构 * Key Laboratory of Interdisciplinary Research of Computation and Economics（交叉计算与经济学交叉研究实验室） ； Shanghai University of Finance and Economics（上海财经大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, Chinese Academy of Sciences（中国科学院人工智能研究所） ； University of Bristol（布里斯托大学） ； Peking University（北京大学） ； University College London（伦敦大学学院）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Skill-Pro框架，通过非参数PPO从交互经验中自动学习可复用的程序性技能，无需参数更新，实现高效经验重用和长期自主性。
Comments Accepted at ICML 2026 (spotlight); 22 Pages, 6 Figures, 5 Tables
基于季节性空间先验和LLM活动链生成的GPS增强游客移动性建模
机构 * UCLA Mobility Lab, Department of Civil and Environmental Engineering, University of California, Los Angeles（加州大学洛杉矶分校移动实验室，土木与环境工程系，加州大学洛杉矶分校） ； Novateur Research Solutions（Novateur研究解决方案） ； University of Central Florida（中央佛罗里达大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出一种四阶段仿真框架，结合GPS和调查数据推导的月份条件空间先验、游客人口统计信息、距离可行区域序列分配以及基于LLM的活动链生成，以解决游客移动性建模中非例行、吸引驱动且对旅行目的、季节和成员组成高度敏感的问题。
UI-KOBE：面向轻量级图引导GUI代理的知识导向行为探索
机构 * CUHK MMLab（香港大学多模态实验室） ； Huawei Research（华为研究） ； Shenzhen Loop Area Institute（深圳河套学院） ； CPII under InnoHK（创新香港下的CPII）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出UI-KOBE框架，通过自动构建应用知识图谱并引导轻量级GUI代理进行运行时决策，以提升其移动端GUI任务执行效果。
AI增强教育中的从业者信念与行为：DOT框架调查证据
机构 * Curtin University（Curtin 大学） ； Georgia Tech Research Institute（佐治亚理工研究学院） ； Georgia Institute of Technology（佐治亚理工学院） ； University of North Texas（北卡罗来纳州立大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 基于DOT框架，通过横截面调查（n=72）探究高等教育从业者对AI整合的信念、行为及制度条件，发现从业者支持AI教学辅助但强调人类监督，且设计导向实践与理论存在差距。
BEAMS：用于建模与仿真的AI基准测试与评估
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出BEAMS倡议，通过建立以人为本的基准测试框架，评估AI工具在建模与仿真中的表现，发现其在因果推理和定量修正方面存在不足。
Slide Deck Q&A 质量保证应用：面向教学问题生成的多阶段流水线
机构 * TalkNicer, Inc.（TalkNicer公司）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 提出一个基于Flask的多阶段大语言模型流水线，从PDF幻灯片中提取文本和图像，生成结构化的教学问题集，并通过窗口规划、幻灯片合成、标注和协调四个阶段提高问题质量。
Comments 15 pages, 3 research questions, 1 figure, 1 table, 6 references, 2 appendices
ConceptM$^3$oE：面向可解释计算病理学的概念引导多模态专家混合模型
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Dell Children’s Medical Center（德尔儿童医疗中心） ； The University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心） ； University of Nevada, Reno（内华达大学里诺分校）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出ConceptM$^3$oE框架，通过概念引导的多模态专家混合路径嵌入概念形成，并利用残差路径保持性能与可解释性，在脑肿瘤分类中优于基线并提升小样本性能。
小型智能体群是数字健康的未来
机构 * State University of New York at Binghamton（纽约州立大学布inghamton分校） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出小型智能体群（SAG）通过协作推理替代单一大型模型，在数字健康中实现更优的有效性、可靠性和部署效率。
Comments ICML'26
大型语言模型是否具有社会适应性？对比大型语言模型与人类的信念演化
机构 * Tsinghua University（清华大学） ； Department of Psychological and Cognitive Sciences（心理与认知科学系） ； College AI（人工智能学院） ； School of Management（管理学院） ； Fudan University（复旦大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Northwestern University（西北大学） ； University of Oxford（牛津大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本研究提出基于社会心理学的仿真基准FairMindSim和信念-奖励对齐行为演化模型BREM，通过连续经济游戏对比人类与LLM的决策动态，发现中等能力模型表现出过度惩罚的刚性攻击性，而前沿模型随推理能力提升趋向人类式的克制与宽容。
Comments KDD 2026 Oral
LEO卫星网络中用户流量需求的突发感知预测
专题命中 规划推理 ：planning(abstract)
AI总结 针对LEO卫星网络中突发流量导致缓冲区溢出和丢包的问题，提出一种基于Transformer架构的突发感知预测方法，通过嵌入突发距离、解码器线性层和不对称损失函数，显著降低预测误差。
Comments Accepted by IEEE International Conference on Communications (ICC) 2026
补贴顺序搜索
专题命中 规划推理 ：reasoning(abstract)
AI总结 研究企业通过补贴消费者搜索成本来竞争注意力的市场，建立补贴排序原则，并证明在直觉准则下存在唯一均衡，该均衡最大化信息揭示并确保有效搜索，随后分析AI中介平台的最优线性定价导致过度搜索。
诊断答案正确长链思维训练轨迹中的有害延续
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Singapore Management University（新加坡管理学院）
专题命中 视觉空间推理 ：CoT(title,abstract)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI
AI总结 研究长链思维训练数据中答案正确但后续推理有害的延续现象，通过删除后缀实验发现其损害训练效果，并提出轻量级边界代理方法。
推理中的回声：通过思维链实现隐蔽且有效的数字水印
机构 * School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； Nanyang Technological University, Singapore（南洋理工大学） ； National University of Singapore, Singapore（新加坡国立大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；verifier(abstract)；分类 cs.LG
AI总结 提出BiCoT框架，通过将水印嵌入推理轨迹的内部几何结构，并利用基于Top-logprob的黑盒验证器RSR，在不影响推理保真度的前提下实现鲁棒的水印检测。
Comments This paper is accepted by ICML2026
视觉语言模型后训练中推理与感知的非对称优化研究
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 通过合成任务诊断发现，后训练中推理提升显著优于感知，SFT源于感知token少导致训练信号弱，RL源于奖励耦合，提出动态重加权损失和感知奖励可缓解不平衡并提升端到端性能。
Comments Project: https://asymmetric-vlm-post-training.github.io/
快门之前：3D场景中美学的且可执行的人像摄影规划
机构 * The Hong Kong Polytechnic University（香港理工大学）
专题命中 视觉空间推理 ：planning(title,abstract)；分类 cs.AI
AI总结 提出在3D场景中生成人像姿态、相机、照明和曝光方案的方法，通过构建摄影场景图实现美学引导的规划，生成视觉上引人注目且几何与光度可行的人像。
超越3D VQA：将3D空间先验注入视觉-语言模型以增强几何推理
机构 * FAIR at Meta（Meta的FAIR）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出GASP框架，通过将几何先验注入LLM的Transformer层，利用对比损失和深度一致性监督训练，显著提升VLM的3D空间推理能力，在多个基准上取得大幅提升。
Comments CVPR 2026. Project page: https://danielchyeh.github.io/GASP/
JAEGER：模拟物理环境中的联合3D音频-视觉定位与推理
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent AI Lab（腾讯AI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JAEGER框架，通过集成RGB-D观测和多通道一阶环境声学，将音频-视觉大语言模型扩展到3D空间，实现联合空间定位与推理，并引入神经强度向量（Neural IV）提升声源方向估计的鲁棒性。
Comments Accepted to ICML 2026
ROVER: 面向对象中心视觉证据的路由用于基于多图像推理
机构 * Kuaishou Technology（快手科技）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出ROVER，一种轻量级可学习插件，通过对象中心差分注意力聚合上下文、蒸馏图像内线索并路由历史感知证据，实现高效全局视觉证据路由，在多图像推理中提升答案和定位精度。
训练智能体而非专家：学习利用异构专家进行多轮视觉推理
机构 * Sun Yat-sen University（中山大学） ； HKUST（香港科技大学） ； Harbin Institute of Technology（哈尔滨理工大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 提出VisHarness，一种可训练的视觉智能体，通过解耦高层感知推理与低层任务执行，学习利用异构视觉专家模型，以轻量训练实现多轮交互下的通用视觉任务求解。
RewardFlow: 面向大语言模型智能体强化学习的拓扑感知状态图奖励传播
机构 * TMLR Group（TMLR小组） ； Hong Kong Baptist University（香港 Baptist大学） ； TCL Corporate Research (HK) Co Ltd（TCL企业研究（香港）有限公司） ； Cooperative Medianet Innovation Center Shanghai Jiao Tong University（合作中位网创新中心上海交通大学） ； Department of Mathematics Hong Kong Baptist University（香港 Baptist大学数学系）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出RewardFlow方法，通过构建状态图进行拓扑感知的奖励传播，为智能体推理提供无标注的密集奖励，显著提升强化学习性能。
基于交互式VR实验的心理旋转深度学习模型
机构 * Department of Computer Science, Aalto University, Espoo, Finland（奥卢大学计算机科学系，芬兰埃斯波） ； Department of Neuroscience and Biomedical Engineering, Aalto University, Espoo, Finland（奥卢大学神经科学与生物医学工程系，芬兰埃斯波）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出一个由等变编码器、神经符号对象编码器和神经决策代理组成的深度学习模型，通过VR实验验证，准确模拟人类心理旋转的性能、响应时间和行为。
Comments Version accepted at ICML 2026
基于三维感知的空间视觉语言建模
机构 * UCSD（加州大学圣迭戈分校） ； MIT（麻省理工学院） ； NVIDIA（英伟达）
专题命中 视觉空间推理 ：chain-of-thought(abstract)
AI总结 提出GR3D模型，通过显式2D定位、隐式2D定位和单目3D定位三种互补定位能力，在单一框架内实现空间链式推理，并在定位与非定位空间基准上取得一致提升。
Comments CVPR 2026 https://www.anjiecheng.me/gr3d
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