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。
为什么远处看起来在上方：探究视觉-语言模型中的空间表征
机构 * Seoul National University（首尔国立大学） ； The Ohio State University（俄亥俄州立大学） ； NVIDIA（英伟达）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 通过最小对比对分析，发现视觉-语言模型存在垂直-距离纠缠（将图像垂直位置与距离混淆），这种透视偏差导致性能差距，并随数据规模扩大而加剧，而具有良好分离空间轴的模型更鲁棒。
直击要点：指向提升LVLMs的计数能力
机构 * Signals and Interactive Systems Lab, University of Trento（信号与交互系统实验室，特伦托大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出Point-then-Count方法，通过生成目标物体坐标进行零样本计数，在多个LVLM上取得最高准确率，并揭示坐标编码的空间信息是性能提升的关键。
通过逆动力学学习缓解视觉-语言-动作模型中的状态混叠
机构 * KAIST（韩国科学技术院） ； Korea University（韩国大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出将逆动力学学习作为辅助目标，直接监督VLA视觉编码器，通过预测当前与未来观测之间的动作来捕捉细粒度视觉差异，从而缓解状态混叠问题。
3DVLA：通过3D空间和实例理解增强视觉-语言-动作模型
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出3DVLA框架，通过多视角一致性3D特征编码、实例估计模块和掩码自监督3D编码，解决VLA模型缺乏3D场景理解的问题，在LIBERO-Plus和RoboTwin 2.0上显著提升操作性能。
BCER Agent: 通过编译、工件绑定和有界局部恢复实现可靠的长期MRI工作流执行
专题命中 视觉空间推理 ：planning(abstract)
AI总结 提出BCER控制器架构，通过解耦高层规划与执行、有界局部恢复机制，在长链MRI工作流上实现端到端执行一致改进，并保持输出与中间工件的可审计关联。
Comments Pre-review submitted version of a paper accepted to MICCAI 2026. The final authenticated version will be available on SpringerLink
Embodied3DBench: 视觉语言模型低级具身空间智能的基准测试
机构 * CFCS, School of CS, PKU（计算机学院CFCS，北京大学） ； Jingdong Technology Information Technology Co., Ltd（京东科技信息技术有限公司）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出Embodied3DBench基准，通过6类任务（空间结构理解与交互导向感知）系统评估视觉语言模型在3D环境中的低级空间智能，并合成130万QA对训练数据以弥补能力差距。
PrecisionCUA：代码编辑器中像素级光标定位的迭代视觉细化
机构 * Microsoft（微软公司） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出PrecisionCUA方法，通过迭代视觉反馈细化机制实现代码编辑器中像素级光标定位，显著提升点击精度和任务成功率。
关于推理的推理：LLM中思维链令牌复杂度的BAPO界限
机构 * Microsoft Research, Redmond, WA（微软研究院，西雅图，华盛顿）
专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 通过扩展BAPO模型，证明二元多数、三元组匹配和图可达性三个任务需要Ω(n)个思维链令牌，实验验证了线性缩放与理论下界一致。
Comments 31 pages; accepted to ICML '26
Opt-Verifier：通过双面验证释放大语言模型在优化建模中的潜力
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition（脑启发式感知与认知MoE实验室） ； University of Science and Technology of China（中国科学技术大学） ； Noah's Ark Lab, Huawei Technologies（华为技术诺亚实验室） ； Tianjin University（天津大学）
专题命中 测试时计算 ：verifier(title,title_cn)；分类 cs.AI
AI总结 提出Opt-Verifier框架，通过结构侧和解决方案侧的双面验证，利用大语言模型自动构建数学优化模型，显著提升建模准确性。
Journal ref International Conference on Machine Learning (ICML), 2026
推理轨迹前缀的保形认证
机构 * Department of Electrical & Computer Engineering, Rice University（电气与计算机工程系，里士满大学）
专题命中 测试时计算 ：reasoning(title,abstract)；verifier(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出CROP方法，通过保形校准选择阈值，返回最长无错前缀，并控制错误包含概率，平衡保留有效推理与丢弃误导后缀。
Comments Code available at https://github.com/matthewyccheung/crop
解锁大型语言模型的工作记忆以实现潜在推理
机构 * ELLIS Unit Linz and LIT AI Lab, Institute for Machine Learning, Johannes Kepler University Linz, Austria（林茨ELLIS单元和LIT AI实验室，机器学习研究所，约翰·凯撒大学林茨，奥地利） ； NXAI GmbH, Linz, Austria（NXAI公司，林茨，奥地利）
专题命中 测试时计算 ：reasoning(title,abstract)；test-time compute(abstract)；分类 cs.CL、cs.AI
AI总结 提出一种名为RiM的潜在推理方法，通过固定记忆块替代自回归生成中间推理步骤，在单次前向传播中实现计算高效的潜在推理。
Comments Preprint
认知支点与视觉锚定：揭示并纠正多模态推理模型中的幻觉
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学 龙城人工智能学院） ； South China Agricultural University（华南农业大学） ； South China Normal University（华南师范大学） ； Monash University（莫纳什大学） ； Jishou University（吉首大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对多模态大推理模型在长链推理中易产生幻觉的问题，提出V-STAR训练范式，通过分层视觉注意力奖励和强制反思机制，将视觉锚定引入推理过程以减轻幻觉。
Comments TPAMI under review
重新审视LLM剪枝对测试时缩放的有效性
机构 * Bellini College of AI, Cybersecurity, and Computing（人工智能、网络安全与计算学院）
专题命中 测试时计算 ：reasoning(abstract)；test-time compute(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文研究非结构化剪枝对推理型大语言模型测试时缩放性能的影响，发现其优于结构化剪枝甚至有时超过未剪枝模型，并探讨了层间稀疏分配策略的作用。
基于稳健评分规则的强化学习
机构 * Huawei Technologies Co., Ltd.（华为技术有限公司）
专题命中 测试时计算 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 针对部分可验证的视觉-语言任务，提出RLR^3方法，通过双路径执行评分规则、最小暴露策略和层次聚合，实现从任务级到准则级验证的扩展，在15个基准上平均提升4.7分。
GRPO 秘密地是一个过程奖励模型
机构 * Department of Language Science ； Technology, Saarland Informatics Campus, Saarland University, Saarbr \"u cken, Germany
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文理论证明，使用结果奖励模型的 GRPO 强化学习算法等价于一个基于蒙特卡洛的过程奖励模型，并发现其缺陷，提出 λ-GRPO 改进，在推理任务上提升性能。
Comments 16 pages, 9 figures; accepted at ICML 2026
基于评分准则的逐步模型路由过程奖励
机构 * University of Science and Technology of China（中国科学技术大学） ； Southeast University（东南大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出RoRo框架，通过收集路由轨迹、构建偏好对、训练Rubricor生成评估准则和Judge评分，结合过程与结果奖励优化路由策略，提升大型推理模型逐步路由的准确性和成本效率。
Comments 17 pages, 9 figures, submitted to EMNLP 2026
无标签强化学习：跨模型熵方法
机构 * Independent Researcher（独立研究者） ； San Diego State University（圣地亚哥州立大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI、cs.LG
AI总结 提出跨模型熵（CME）作为无标签奖励信号，用于强化学习后训练大语言模型，在开放指令遵循任务上优于基线方法。
MarginGate: 用于批量不变LLM推理的稀疏边际触发验证
机构 * University of Connecticut（康涅狄格大学） ； UC Davis（加州大学戴维斯分校）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.LG
AI总结 提出MarginGate方法，利用logit边际稀疏触发验证，仅对低边际步骤进行验证并修复，以低成本实现批量不变LLM推理的确定性解码。
Comments 13 pages, 5 figures, 11 tables
EvoRubric: 用于开放生成的自我进化评分标准驱动强化学习
机构 * Tongyi Lab , Alibaba Group（通义实验室，阿里巴巴集团）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL
AI总结 提出EvoRubric，一种单策略共进化强化学习框架，通过动态交替生成响应和评分标准，并引入多层验证机制，解决开放生成任务中缺乏明确奖励的问题，在医学、写作和科学领域超越传统静态和外部LLM驱动方法。
面向情感支持对话的用户感知主动知识获取
机构 * Harbin Institute of Technology, China（哈尔滨工业大学） ； Baidu Inc., Beijing, China（百度公司）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL
AI总结 提出用户感知主动知识获取（UKA）框架，通过理论心智不确定性估计和主动学习，在情感支持对话中高效获取用户对齐的对话知识，提升对话质量和用户对齐。
TabPFN-3: 技术报告
机构 * Prior Labs
专题命中 测试时计算 ：test-time compute(abstract)；分类 cs.LG
AI总结 本文提出TabPFN-3，通过扩展训练数据和优化推理，在表格数据上实现最先进性能，并支持时间序列、关系数据和表格文本数据。
不要贪婪，三思而后行：文档级信息抽取的采样与选择
机构 * HiTZ Center - Ixa, University of the Basque Country UPV/EHU（希茨中心 - Ixa，巴斯克国家大学UPV/EHU）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL
AI总结 提出ThinkTwice框架，通过采样生成多个候选模板并选择最优，利用无监督一致性和有监督奖励模型，在文档级信息抽取中超越贪婪解码方法。
Comments Submitted to EMNLP 2026
LLMs 能提前多远规划？揭示思维链推理中的潜在视界
机构 * WeChat AI, Tencent Inc（腾讯AI实验室）
专题命中 复杂问题求解 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(title,abstract)；planning(abstract)
AI总结 通过探测方法 Tele-Lens 研究 LLMs 在思维链推理中的潜在规划能力，发现其具有短视视界，并基于此提出利用稀疏枢轴位置增强不确定性估计及自动识别 CoT 绕过的假设。
Comments Accepted to ICML 2026
具有潜在推理的鲁棒高效防护栏
机构 * University of California, Davis（加州大学戴维斯分校）
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COLAGUARD模型，通过阶段式训练将多步安全推理转移到连续潜在空间，在保持高安全性能的同时实现12.9倍加速和22.4倍令牌减少。
保留推理能力的大语言模型高效蒸馏：基于激活感知初始化
机构 * The Hong Kong Polytechnic University, Hong Kong SAR, China（香港理工大学） ； McGill University, Montreal, QC, Canada（麦吉尔大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.LG
AI总结 针对高效蒸馏导致的多步推理能力严重下降（推理崩溃），提出RED方法，通过激活感知初始化投影矩阵为通道选择矩阵，理论缓解有效秩崩溃，恢复推理能力并保持高效训练与通用性能。
置信捷径：掩码扩散模型的一种推理失败模式
机构 * Department of Artificial Intelligence, Yonsei University（延世大学人工智能系）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文发现掩码扩散模型在置信度解码时存在推理失败模式，表现为过早预测局部易解部分而忽略长程依赖，导致复杂输入错误率升高，而随机掩码训练能保持推理轨迹条件。
SVSR：一种用于多模态推理的自我验证与自我修正范式
机构 * South China Agricultural University（华南农业大学） ； University of Glasgow（格拉斯哥大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Monash University（莫纳什大学） ； University of Science and Technology of China（中国科学技术大学） ； National University of Defense Technology（国防科技大学） ； Renmin University of China（中国人民大学） ； South China Normal University（华南师范大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出SVSR框架，通过三阶段训练（统一偏好数据集构建、冷启动监督微调、半在线直接偏好优化）将自我验证与自我修正显式集成到多模态推理流程中，提升复杂视觉理解和多模态推理的鲁棒性与可靠性。
通过探针知识和推理揭示LLMs中的科学问题解决
机构 * Department of Computer Science, Yale University ； Department of Molecular \& Cellular Biology, Harvard University ； Allen Institute for AI ； Department of Computer Science, Northwestern University
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出SciReas基准和KRUX探针框架，系统评估LLMs在科学推理中的知识与推理角色，发现知识检索是主要瓶颈，外部上下文知识和推理增强均能提升性能。
Comments 33 pages, 18 figures
Journal ref ICML 2026 Main Conference
MediHive：用于医学推理的去中心化智能体集体
机构 * College of Computing and Informatics, Drexel University（德雷塞尔大学计算与信息学院）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出一种去中心化多智能体框架MediHive，通过共享记忆池和迭代融合机制，使LLM智能体自主分配角色、进行条件性基于证据的辩论并融合观点，在MedQA和PubMedQA上分别达到84.3%和78.4%的准确率。
Comments Accepted by Journal of Healthcare Informatics Research
推理与工具使用在智能体强化学习中的竞争：从量化干扰到解耦调优
机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； Bytedance Inc.（字节跳动公司）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文通过引入能力效应归因（CEA）量化推理与工具使用行为之间的干扰，并提出解耦动作-推理调优（DART）框架，通过分离参数更新来提升智能体强化学习的性能。
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