大模型推理能力

OBLIQ-Bench: Exposing Overlooked Bottlenecks in Modern Retrievers with Latent and Implicit Queries

OBLIQ-Bench：揭示现代检索器中被忽视的瓶颈——潜在与隐式查询

Diane Tchuindjo, Devavrat Shah, Omar Khattab

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 针对现有检索基准饱和但实际搜索问题未解决的现象，提出一类“倾斜查询”并构建OBLIQ-Bench基准，揭示检索与验证之间的不对称性，即推理LLM能可靠识别潜在相关性但检索管道无法召回多数相关文档。

NGDBench: Towards Neural Graph Data Management

NGDBench：迈向神经图数据管理

Yufei Li, Yisen Gao, Jiaxuan Xiong, Jiaxin Bai, Shijie Zhong, Haoyu Huang, Zhongwei Xie, Hong Ting Tsang, Yangqiu Song

机构 * HKUST（香港理工大学） ； Beijing Institute of Technology（北京理工大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； Guangdong University of Technology（广东技术大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 针对现有数据管理系统在噪声、不完整和动态更新下缺乏隐式结构发现和推理能力的问题，提出NGDBench基准，通过统一结构化与非结构化来源的图视图，评估神经查询方法在噪声和动态状态跟踪中的表现。

Comments https://github.com/HKUST-KnowComp/NGDBench

Organizational Adaptation to Generative AI in Cybersecurity

组织对生成式人工智能在网络安全中的适应

Christopher Nott

机构 * Independent Researcher, United States（美国独立研究者） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 本研究通过分析2022至2025年的25项研究，采用定性方法探讨组织如何通过修改框架和混合操作流程适应生成式AI，发现成熟基础设施、监管压力和人力资本投资是成功的关键，同时指出攻防能力不平衡等挑战。

Comments 38 pages, 1 table, 1 figure Revised title, abstract, and formatting for journal submission, corrected heading numbers, no substantive changes in content

TRACE: Task-Aware Adaptive Self-Evolving Agentic Jailbreaking

TRACE: 任务感知的自适应自我进化代理越狱

Churui Zeng, Weiwei Qi, Kedong Xiu, Tianhang Zheng, Chaochao Lu, Liang He, Zhan Qin, Kui Ren

专题命中 规划推理 ：planning(abstract)

AI总结 提出TRACE框架，通过任务分解、场景伪装和Q学习进化，实现LLM代理的高效越狱，在AgentHarm和AdvCUA上达到最高100%绕过率。

Comments 16 pages, 7 figures

Immuno-VLM: Immunizing Large Vision-Language Models via Generative Semantic Antibodies for Open-World Trustworthiness

Immuno-VLM：通过生成式语义抗体实现大型视觉-语言模型的开放世界可信赖性

Xiang Fang, Wanlong Fang, Wei Ji

机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Nanjing University（南京大学） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 针对大型视觉-语言模型在开放世界部署中因缺乏负面知识而将未知异常高置信度误分类为已知类别的“语义傲慢”问题，提出受生物免疫负选择启发的Immuno-VLM框架，利用大语言模型的生成推理主动产生“语义抗体”（近分布异常文本描述）来约束已知类决策空间，在ImageNet-1K和四个OOD基准上达到新最优。

Comments Accepted by ICML 2026

A Theory-Guided LLM Pedagogical Agent for STEM+C Scaffolding Without Over-Reliance

理论引导的LLM教学代理：用于STEM+C支架式教学，避免过度依赖

Clayton Cohn, Surya Rayala, Siyuan Guo, Hanchen David Wang, Naveeduddin Mohammed, Umesh Timalsina, Shruti Jain, Ryan Li, Angela Eeds, Menton Deweese, Pamela J. Osborn Popp, Rebekah Stanton, Shakeera Walker, Ashwin T S, Meiyi Ma, Gautam Biswas

专题命中 规划推理 ：reasoning(abstract)

AI总结 本文提出基于证据-决策-反馈框架的多智能体协作代理Copa，结合社会认知理论与社会建构主义，通过自适应对话支持促进STEM+C学习，实验证明其能增强学生信心和概念表达能力而不导致依赖。

Comments Submitted to Computers & Education. Currently under review

VLM-GLoc: Vision-Language Model Enhanced Monte Carlo Localization for Robust Semantic Global Localization in Cluttered Quasi-Static Environments

VLM-GLoc：视觉语言模型增强的蒙特卡洛定位，用于杂乱准静态环境中的鲁棒语义全局定位

Shivendra Agrawal, Bradley Hayes

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 提出VLM-GLoc方法，利用开放词汇视觉语言模型作为统一语义观测前端，通过逆语义提议机制和文本到地图检索，在几何模糊和语义歧义的准静态环境中实现鲁棒全局定位。

Rectified flow-based prediction of post-treatment brain MRI from pre-radiotherapy priors for patients with glioma

基于整流流的胶质瘤患者放疗前先验信息治疗后脑MRI预测

Selena Huisman, Nordin Belkacemi, Vera C. Keil, Joost Verhoeff, Szabolcs David

机构 * Amsterdam UMC, Department of Radiation Oncology（阿姆斯特丹大学医学中心放射肿瘤科） ； Cancer Center Amsterdam, Imaging and Biomarkers（阿姆斯特丹癌症中心影像与生物标志物） ； Department of Radiology and Nuclear Medicine（放射科与核医学科） ； Amsterdam UMC, Vrije Universiteit Amsterdam, Amsterdam Neuroscience, Brain Imaging（阿姆斯特丹大学医学中心、阿姆斯特丹自由大学、阿姆斯特丹神经科学、脑成像） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 提出一种基于整流流的条件图像生成模型，利用放疗前MRI和剂量图预测治疗后任意时间点的脑MRI，实现快速推理并保持语义和视觉保真度。

Comments 10 pages, 6 figures, 1 supplementary table, added GitHub url, corrected figure captions

The Sword, Shield, and Achilles' Heel: Characterizing the Linguistic Inductive Bias of Large Language Models for Spatial Reasoning in Navigation Planning

剑、盾与阿喀琉斯之踵：大型语言模型在导航规划中空间推理的语言归纳偏置特征化

Xudong Zhang, Jian Yang, Shengkai Wang, Jiangpeng Tian, Shaowen Chen, Xian Wei, Ke Li, Xiong You

机构 * East China Normal University（东华大学） ； Information Engineering University（信息工程大学） ； Zhengzhou University（郑州大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.CL、cs.AI

AI总结 提出双干预框架，通过表示干预和上下文干预分离语言结构与上下文线索，揭示LLM在导航规划中语言归纳偏置的规律：拓扑信息是稳健规划的支柱，语言格式是双刃剑，语义信息是致命弱点。

SpatialAct: Probing Spatial Reasoning-to-Action Capabilities of VLM Agents in 3D Scenes

SpatialAct：探测VLM智能体在3D场景中的空间推理到行动能力

Tianhui Liu, Jie Feng, Zhiheng Zheng, Shengyuan Wang, Yiming Guo, Yanxin Xi, Hangyu Fan, Yong Li, Pan Hui

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） ； Helsinki University（赫尔辛基大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文提出SpatialAct基准，通过多轮交互细化、单步错误检测与修复等任务，揭示当前视觉语言模型在3D场景中从空间推理到行动存在显著差距。

Multi-Turn Multi-Agent Dialogue for Collaborative Reconstruction Improves VLM Performance on Spatial Reasoning, But Only Barely

多轮多智能体对话用于协作重建仅略微提升VLM在空间推理上的性能

Chalamalasetti Kranti, Sherzod Hakimov, David Schlangen

机构 * Computational Linguistics, Department of Linguistics University of Potsdam（语言学计算系，语言学系 柏林洪堡大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 研究通过多轮多智能体对话框架评估视觉语言模型在协作空间推理任务中的表现，发现视觉空间理解仍是主要瓶颈，文本表示和分解图像表示可部分提升性能。

Comments Preprint

Detect in Any Scene: An Agentic Framework for Object Detection with Experience-Aware Reasoning

任意场景检测：一种具有经验感知推理的目标检测智能体框架

Wenlun Zhang, Jun Yin, Kentaro Yoshioka

机构 * Keio University（Keio大学） ； Tsinghua University（清华大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.LG

AI总结 提出DetAS/DetAS-X智能体框架，利用多模态大语言模型自适应组合恢复模块和专用检测器，通过自进化经验积累实现经验感知推理，在六个基准上平均F1提升28.36%。

BilliardPhys-Bench: Benchmarking Physical Reasoning and Visual Dynamics of Multimodal LLMs

BilliardPhys-Bench: 多模态大语言模型的物理推理与视觉动力学基准测试

Ben Wang, Xiaogang Li, Ruochen Gao, Peiyao Xiao, Chengliang Xu, Zeyu Wang, Zichao Chen, Bing Zhao, Hu Wei

机构 * Alibaba Group（阿里巴巴集团） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出BilliardPhys-Bench基准，通过合成台球环境评估多模态大语言模型在物理推理（碰撞、反弹、最终位置预测）上的能力，发现模型存在“静态偏差”且性能随模拟时间与场景复杂度下降。

3ViewSense: Spatial and Mental Perspective Reasoning from Orthographic Views in Vision-Language Models

3ViewSense: 视觉-语言模型中基于正交视图的空间与心理视角推理

Shaoxiong Zhan, Yanlin Lai, Zheng Liu, Hai Lin, Shen Li, Xiaodong Cai, Zijian Lin, Wen Huang, Hai-Tao Zheng

机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院） ； School of Software Engineering, Chongqing University, Chongqing, China（重庆大学软件学院） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 提出3ViewSense框架，通过正交视图的“模拟-推理”机制解决视觉-语言模型在空间推理中的视角一致性问题，显著提升遮挡计数和空间推理性能。

Comments Accepted to ICML 2026

SpaMEM: Benchmarking Dynamic Spatial Reasoning via Perception-Memory Integration in Embodied Environments

SpaMEM：具身环境中通过感知-记忆集成进行动态空间推理的基准测试

Chih-Ting Liao, Xi Xiao, Chunlei Meng, Zhangquan Chen, Yitong Qiao, Weilin Zhou, Tianyang Wang, Xu Zheng, Xin Cao

机构 * The University of New South Wales（新南威尔士大学） ； The University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Xinjiang University（新疆大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)

AI总结 提出SpaMEM基准，通过动作条件场景变换和多模态数据，分层评估多模态大模型在具身环境中的空间信念演化能力，揭示坐标一致性和视觉记忆瓶颈。

Thinking in Structures: Evaluating Spatial Intelligence in Constraint-Governed Spaces

在结构中思考：评估约束空间中的空间智能

Chen Yang, Guanxin Lin, Youquan He, Peiyao Chen, Guanghe Liu, Yufan Mo, Zhouyuan Xu, Linhao Wang, Guohui Zhang, Zihang Zhang, Shenxiang Zeng, Chen Wang, Jiansheng Fan

机构 * Tsinghua University（清华大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；chain-of-thought(abstract)；logical reasoning(abstract)

AI总结 提出SSI-Bench基准，通过结构约束下的空间推理任务评估视觉语言模型的空间智能，发现模型与人类存在巨大差距。

Comments ICML 2026, Project Page: https://ssi-bench.github.io

Seeing Isn't Knowing: Do VLMs Know When Not to Answer Spatial Questions (and Why)?

看见不等于知道：视觉语言模型是否知道何时不回答空间问题（以及为什么）？

Yue Zhang, Zun Wang, Han Lin, Yonatan Bitton, Idan Szpektor, Mohit Bansal

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Google Research（谷歌研究） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 针对视觉语言模型在空间推理中过度自信回答的问题，提出SpatialUncertain框架，通过遮挡和视角歧义两种挑战，评估模型是否知道何时应弃权以及如何寻找可靠证据。

Comments Website: https://zhangyuejoslin.github.io/spatialuncertain/

Synthetic Stimuli, Real Gains: Rethinking VLM Fine-Tuning Through Fully Controlled Data Generation

合成刺激，真实收益：通过完全受控的数据生成重新思考VLM微调

Massimo Rizzoli, Simone Alghisi, Seyed Mahed Mousavi, Giuseppe Riccardi

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） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出一种完全受控的数据生成与标注流程，用于微调视觉语言模型（VLM），通过平衡分布和干净标注消除偏差，在空间推理任务上仅用130个样本即可实现均匀性能，并在真实世界数据上提升13%的性能。

VolFill: Single-View Amodal 3D Scene Reconstruction with Volumetric Flow Matching

VolFill: 基于体素流匹配的单视图非模态3D场景重建

Tuan Duc Ngo, Chuang Gan, Evangelos Kalogerakis

机构 * UMass Amherst（马萨诸塞大学阿姆赫斯特分校） ； TU Crete（希腊技术大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 提出VolFill框架，利用混合3D VAE和潜在扩散Transformer从单张RGB图像生成完整3D场景结构，在SCRREAM和NRGB-D数据集上显著优于现有方法。

BiSegMamba: Efficient Bidirectional Tri-Oriented Mamba for 3D Medical Image Segmentation

BiSegMamba: 用于3D医学图像分割的高效双向三向Mamba

Bakht Zada, Chao Tong, Qile Su, Shuai Zhang

机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北航虚拟现实技术与系统国家重点实验室） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 提出BiSegMamba，一种基于双向三向Mamba的高效3D医学图像分割网络，通过渐进压缩主干、多尺度空间混合器、双向正交Mamba块和自适应方向融合，在降低计算成本的同时提升分割精度。

Comments 10 pages, 7 figures, 5 tables. Code is available at: https://github.com/bakhtzadaabshare/BiSegMamba

DGSG-Mind: Dynamic 3D Gaussian Scene Graphs for Long-Term Scene Understanding and Grounding

DGSG-Mind：用于长期场景理解与定位的动态3D高斯场景图

Luzhou Ge, Xiangyu Zhu, Jinyan Liu, Xuesong Li

机构 * School of Computer Science, Beijing Institute of Technology, China（北京理工大学计算机科学学院） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 提出DGSG-Mind，一种混合实例感知的3D高斯动态场景图系统，通过概率体素网格与显式3D高斯结合实现鲁棒的跨模态实例融合和增量语义映射，并构建层次化场景图与3D高斯思维进行多模态推理，在零样本3D视觉定位、开放词汇语义分割和场景重建中取得领先性能。

Comments 9 pages, 6 figures

SAW-Bench: Learning Situated Awareness in the Real World

SAW-Bench：在现实世界中学习情境感知

Chuhan Li, Rilyn Han, Joy Hsu, Yongyuan Liang, Rajiv Dhawan, Jiajun Wu, Ming-Hsuan Yang, Xin Eric Wang

机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Yale University（耶鲁大学） ； Stanford University（斯坦福大学） ； University of Maryland, College Park（马里兰大学学院市分校） ； Amazon（亚马逊） ； University of California, Merced（加州大学默塞德分校） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 提出SAW-Bench基准，通过自录视频和问答对评估多模态基础模型的以观察者为中心的情境感知能力，揭示人类与模型间的显著性能差距。

SignScene: Visual Sign Grounding for Mapless Navigation

SignScene: 用于无地图导航的视觉标志接地

Nicky Zimmerman, Joel Loo, Benjamin Koh, Zishuo Wang, David Hsu

机构 * Smart Systems Institute, National University of Singapore, 3 Research Link, 117602, Singapore.（新加坡国立大学智能系统研究所） ； School of Computing, National University of Singapore, 13 Computing Drive, 117417, Singapore.（新加坡国立大学计算机学院） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 提出SignScene，一种以标志为中心的空间语义表示方法，利用视觉语言模型将标志的语义指令与场景元素和导航动作对应，实现无地图导航，在114个查询中达到88%的接地准确率。

Comments Under review for a conference

LangMap: A Human-Verified Benchmark for Hierarchical Open-Vocabulary Goal Navigation

LangMap：一个用于分层开放词汇目标导航的人工验证基准

Bo Miao, Weijia Liu, Jun Luo, Lachlan Shinnick, Jian Liu, Thomas Hamilton-Smith, Yuhe Yang, Zijie Wu, Vanja Videnovic, Feras Dayoub, Anton van den Hengel

机构 * AIML, Adelaide University（AIML，阿德莱德大学） ； East China Normal University（华东师范大学） ； NERC-RVC, Hunan University（NERC-RVC，湖南大学） ； The University of Western Australia（西澳大学） ； Breaker Industries 纠错

专题命中 视觉空间推理 ：planning(abstract)

AI总结 针对现有基准在分层语义目标导航中的不足，提出LangMap基准，通过人工验证的语义标注和对比注释协议，支持场景、房间、区域和实例四个层级的目标导航任务，并引入PlaNaVid基线方法。

Decoding the Surgical Scene: A Scoping Review of Scene Graphs in Surgery

解码手术场景：手术中场景图的范围综述

Angelo Henriques, Korab Hoxha, Daniel Zapp, Peter C. Issa, Nassir Navab, M. Ali Nasseri

机构 * School of Computation, Information and Technology, Technical University of Munich（计算信息学院，慕尼黑技术大学） ； Klinik und Poliklinik für Augenheilkunde, TUM University Hospital（眼科诊所，TUM大学医院） ； Computer Aided Medical Procedures, Technical University of Munich（医学辅助程序，慕尼黑技术大学） ； Department of Biomedical Engineering, University of Alberta（生物医学工程系，阿尔伯塔大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 本文通过PRISMA-ScR指导的范围综述，系统梳理了手术中场景图（SG）的研究现状，分析了52项研究，揭示了从图神经网络向基础模型和生成式AI的方法论转变，并提出了“验证三位一体”评估框架以弥合临床转化差距。

Comments Submitted and accepted to Medical Image Analysis (DOI: 10.1016/j.media.2026.104083). An interactive version of the summary tables is available at: osf.io/fruq8

Journal ref Medical Image Analysis (2026)

Effective Reasoning Chains Reduce Intrinsic Dimensionality

有效推理链降低内在维度

Archiki Prasad, Mandar Joshi, Kenton Lee, Mohit Bansal, Peter Shaw

机构 * Google DeepMind（谷歌DeepMind） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文通过内在维度量化推理链有效性，发现有效推理策略能降低任务内在维度，并在GSM8K上验证其与泛化性能的强负相关。

Comments ICML (spotlight) camera-ready; 22 pages, 3 figures

Chain-of-Thought and Compressed Looped Transformers: A Memory-Budget Separation

思维链与压缩循环Transformer：记忆预算分离

Haozhou Zhang

机构 * Department of Mathematics and Statistics（数学与统计学系） 纠错

专题命中 测试时计算 ：chain-of-thought(title,abstract)；reasoning(abstract)；分类 cs.LG

AI总结 本文通过比较三种记忆机制（压缩潜在循环、全序列状态循环和思维链暂存区），证明压缩循环Transformer的记忆预算限制其推理能力，而思维链通过扩展上下文实现更强的问题求解。

Diversity Matters: Revisiting Test-Time Compute in Vision-Language Models

多样性至关重要：重新审视视觉-语言模型中的测试时计算

Yijie Tong, Yifan Hou, Shaobo Cui, Antoine Bosselut, Mrinmaya Sachan

机构 * ETH Zürich（苏黎世联邦理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； EPFL（苏黎世联邦理工学院） 纠错

专题命中 测试时计算 ：test-time compute(title,abstract)；reasoning(abstract)；分类 cs.LG

AI总结 针对视觉-语言模型（VLM）中测试时计算（TTC）策略应用不足的问题，提出基于预测熵的ETTC方法，通过利用模型间的置信度差异提升集成性能，理论证明并实验验证其优于多数投票和最佳单模型。

Comments ICML 2026

VeriGate: Verifier-Gated Step-Level Supervision for GRPO

VeriGate: 验证器门控的步骤级监督用于GRPO

Aakriti Agrawal, Minghui Liu, Furong Huang

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

专题命中 测试时计算 ：verifier(title,abstract)；reasoning(abstract)；分类 cs.LG

AI总结 提出VeriGate方法，通过验证器门控的步骤级监督扩展GRPO，解决稀疏奖励和信用分配问题，在多个推理基准上显著提升准确率。

IAPO: Information-Aware Policy Optimization for Token-Efficient Reasoning

IAPO：面向令牌高效推理的信息感知策略优化

Yinhan He, Yaochen Zhu, Mingjia Shi, Wendy Zheng, Lin Su, Xiaoqing Wang, Qi Guo, Jundong Li

机构 * University of Virginia（弗吉尼亚大学） ； LinkedIn Inc.（LinkedIn公司） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL、cs.LG

AI总结 提出信息感知策略优化框架IAPO，通过基于条件互信息的令牌级优势塑造，在提升推理准确率的同时将推理长度减少高达36%。