大模型推理能力

A Sheaf Framework for Strategic Multi-Agent Systems: From Consensus to Nash Equilibria

面向策略性多智能体系统的层框架：从共识到纳什均衡

Manuel Hernández, Eduardo Sánchez-Soto

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)

AI总结 本文提出一个统一的范畴框架，通过引入博弈层概念，将事件演算、SCEL类集成形成和博弈论奖励结构整合到时空历史的格罗滕迪克拓扑中，并证明纳什均衡对应于派生最佳响应对应层的全局截面，而同调障碍分类策略一致性的失败。

Baton: Explicit Semantic Blueprints for Joint Video-Audio Generation

Baton: 用于联合视频-音频生成的显式语义蓝图

Shuyuan Tu, Qi Tian, Zihan Yang, Yue Wu, Xintong Han, Weijie Kong, Jiangfeng Xiong, Jian-Wei Zhang, Zhao Zhong, Liefeng Bo, Zuxuan Wu, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Tencent Hunyuan（腾讯幻元） 纠错

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)

AI总结 提出Baton框架，通过VA-Planner生成语义对齐的模态感知规划令牌作为蓝图，注入扩散骨干以协调视频和音频去噪，解决现有方法因缺乏共享长期规划导致的跨模态对齐脆弱问题。

REALISTA: Realistic Latent Adversarial Attacks that Elicit LLM Hallucinations

REALISTA: 引发LLM幻觉的逼真潜在对抗攻击

Buyun Liang, Jinqi Luo, Liangzu Peng, Kwan Ho Ryan Chan, Darshan Thaker, Kaleab A. Kinfu, Fengrui Tian, Hamed Hassani, René Vidal

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 提出REALISTA框架，通过潜在空间优化语义等价的对抗提示，有效引发大语言模型幻觉，优于现有方法。

Comments Accepted at ICML 2026. Code is available at https://github.com/Buyun-Liang/REALISTA

COMAP: Co-Evolving World Models and Agent Policies for LLM Agents

COMAP：面向LLM智能体的世界模型与智能体策略协同进化

Youwei Liu, Jian Wang, Hanlin Wang, Wenjie Li

机构 * Central South University（中南大学） ； College of Computer Science, Sichuan University（四川大学计算机学院） ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） 纠错

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

AI总结 提出COMAP框架，通过闭环交互协同进化文本世界模型和智能体策略，在具身任务规划、网页导航和工具使用基准上显著提升性能。

Predicting the risk of colorectal anastomotic leak based on preoperative mapping of the blood supply of the bowel

基于术前肠道血供映射预测结直肠吻合口漏风险

Zahra Tabatabaei, Jon Sporring, Mark Bremholm Ellebæk, Alaa El-Hussuna

机构 * Computer Science Department, Københavns Universitet (KU)（哥本哈根大学计算机科学系） ； University of Southern Denmark（南部丹麦大学） ； Odense University Hospital（奥登塞大学医院） ； OpenSourceResearch Collaboration（开源研究协作） 纠错

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

AI总结 提出一种基于术前CT影像的AI驱动系统，通过分析血管和组织特征量化吻合口漏风险，并结合内容检索支持临床决策。

Network Distributed Multi-Agent Reinforcement Learning for Consensus Control of Quadcopters

网络分布式多智能体强化学习用于四旋翼无人机一致性控制

Youssef Mahran, Zeyad Gamal, Aamir Ahmad, Ayman El-Badawy

机构 * Mechatronics Engineering Department, German University in Cairo (GUC), Egypt（埃及德国大学（GUC）机械工程系） ； Institute of Flight Mechanics and Control (IFR), Head of Flight Robotics, University of Stuttgart, Germany（德国斯图加特大学飞行力学与控制研究所） ； Faculty of EMS, Head of Mechatronics Engineering Department, German University in Cairo (GUC), Egypt（埃及德国大学（GUC）EMS学院） 纠错

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

AI总结 提出网络分布式多智能体强化学习框架，利用通信图实现分布式策略，通过MASAC训练高层规划器，实现零样本扩展到250个智能体。

Comments This is the Author Accepted Manuscript version of a paper accepted for publication. The final published version is available via IEEE Xplore

Journal ref 2026 IEEE 23rd Mediterranean Electrotechnical Conference (MELECON)

Two-Fidelity Best-Action Identification for Stochastic Minimax Tree

随机极小极大树的双保真度最优动作识别

Peter Chen, Xi Chen

机构 * Department of Mathematics, Columbia University（哥伦比亚大学数学系） ； Stern School of Business, New York University（纽约大学斯特恩商学院） 纠错

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

AI总结 针对随机极小极大树中的固定置信度最优动作识别问题，提出双保真度树搜索算法2FFS，结合极小极大快速扩展与MCTS随机采样，自适应选择廉价有偏评估或昂贵精确评估，理论证明固定置信度正确性、有限停止及多项式深度成本上界，实验表明比现有BAI-MCTS基线显著减少样本和计算。

Comments 36 pages

Agentic Transformers Provably Learn to Search via Reinforcement Learning

智能体Transformer通过强化学习可证明地学会搜索

Tong Yang, Yu Huang, Yingbin Liang, Yuejie Chi

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pennsylvania（宾夕法尼亚大学） ； The Ohio State University（俄亥俄州立大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 本文通过构建双头Transformer实现随机深度优先搜索，并分析策略梯度训练动力学，证明该搜索机制能从稀疏强化反馈中分阶段涌现，且具备深度泛化能力。

PEACE: A Planner-Executor Agent with Constraint Enforcement for UAVs

PEACE: 一种用于无人机的带约束执行的规划-执行智能体

Erdem Uysal, Timo Kehrer, Sebastiano Panichella

机构 * Institute of Computer Science, University of Bern（伯尔尼大学计算机科学研究所） ； AI4I - The Italian Institute of Artificial Intelligence（意大利人工智能研究所） 纠错

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

AI总结 提出一种基于大语言模型的规划-执行智能体架构，通过解耦高层任务规划与低层控制，并引入约束执行层和有限重规划，实现无人机可解释、可约束的自主飞行。

Comments Accepted to ICRA 2026 Workshop on Semantics for Reliable Robot Autonomy: From Environment Understanding and Reasoning to Safe Interaction

Unified Context Evolution for LLM Agents

统一上下文演化：面向LLM智能体

Zixuan Zhu, Yitong Hu, Yong Dai, Junfeng Fang, Chunyang Jiang, Senkang Hu, Yuzhi Zhao

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

AI总结 提出统一上下文演化（UCE）框架，通过将智能体经验外部化为四种类型的可演化上下文单元（ECU），实现跨任务的知识积累与动态调度，在ALFWorld和WebShop上显著提升性能。

Scaling Agentic Capabilities via Grounded Interaction Synthesis

通过基于交互合成扩展智能体能力

Wenhang Shi, Jinhao Dong, Yiren Chen, Zhe Zhao, Shuqing Bian, Wei Lu, Xiaoyong Du

机构 * Renmin University of China（中国人民大学） ； Peking University（北京大学） ； Tencent（腾讯） 纠错

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

AI总结 提出GAIS框架，通过两阶段接地机制（协议锚定环境和结构引导规划）自动生成多样化的环境和复杂任务，显著提升智能体在BFCL、τ²-Bench和ACEBench上的性能。

Cost-Aware Diffusion Draft Trees for Speculative Decoding

用于推测解码的成本感知扩散草稿树

Shuai Zhang, Huachuan Qiu, Hongliang He, Yong Dai

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） 纠错

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

AI总结 提出CaDDTree方法，通过联合优化树结构和节点预算直接最大化令牌吞吐量，并证明在凸验证成本下吞吐量函数是单峰的，从而无需离线预算搜索。

ATLAS: Agentic Test-time Learning-to-Allocate Scaling

ATLAS: 智能体测试时学习分配缩放

Peijia Qin, Qi Cao, Pengtao Xie

机构 * University of California, San Diego（加州大学圣迭戈分校） 纠错

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

AI总结 提出ATLAS框架，让LLM编排器通过单一

Revisiting Ripple Effects in Knowledge Editing through Pressure-Aware Joint Neighborhood Optimization

重新审视知识编辑中的涟漪效应：通过压力感知联合邻域优化

Haoben Huang, Shuxin Liu, Ou Wu, Di Gao

机构 * Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（杭州高等研究院，中国科学院大学） 纠错

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

AI总结 针对大语言模型单次编辑引发的涟漪效应，提出联合邻域优化框架，通过压力感知协调和语义预执行门控联合优化可编辑侧与保留侧的耦合压力，在RippleEdits上传播与保留指标提升至少7.0%。

A Communication-Centric 6G-LLM Architecture for Scalable Tactical Autonomous Defense Vehicle Networks

面向可扩展战术自主防御车辆网络的以通信为中心的6G-LLM架构

Kiran Khurshid, Shumaila Javaid, Nasir Saeed

机构 * Department of Computer and Software Engineering, National University of Sciences and Technology (NUST), Islamabad, Pakistan（计算机与软件工程系，国家科学与技术大学（NUST），伊斯兰堡，巴基斯坦） ； Department of Control Science and Engineering, College of Electronics and Information Engineering, Tongji University and National Key Laboratory of Autonomous Intelligent Unmanned Systems, Tongji University, China（控制科学与工程系，电子与信息工程学院，同济大学，以及自主智能无人机系统国家重点实验室，同济大学，中国） ； Department of Electrical and Communication Engineering, UAE University, Al-Ain 15551, UAE（电子与通信工程系，阿联酋大学，阿恩15551，阿联酋） 纠错

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

AI总结 提出一种以通信为中心的分层架构，通过集成边缘辅助大语言模型推理与6G语义通信，在战术自主防御车辆网络中实现协调效率提升、通信开销降低和延迟韧性增强。

Comments 10 pages, accepted in IEEE Network Magazine

Journal ref K. Khurshid, S. Javaid and N. Saeed, "A Communication-Centric 6G-LLM Architecture for Scalable Tactical Autonomous Defense Vehicle Networks," in IEEE Network, Early access, 2026

HomeFlow: A Data Flywheel for Smart Home Agent Training with Verifiable Simulation

HomeFlow: 面向智能家居智能体训练的可验证数据飞轮

Yi Gu, Huacan Wang, Shuo Zhang, Yuqing Hou, Lei Xue, Weipeng Ming, Chen Liu, Fangzhou Yu, Kuan Li, Ronghao Chen, Sen Hu, Xiaofeng Mou, Yi Xu

机构 * Midea Group（美的集团） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Donghua University（东华大学） ； Peking University（北京大学） 纠错

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

AI总结 提出HomeFlow，一种通过统一仿真环境HomeEnv、程序化家居生成HomeMaker、蓝图编译用户意图、MCTS-Flow合成可验证轨迹，并结合监督微调和逐步RLVE优化智能体的可验证数据飞轮方法，在SmartHome-Bench上达到84.60%和87.03%的任务成功率，其中8B模型超越GPT-5.5 1.23个百分点。

Can LLM Agents Sustain Long-Horizon Organizational Dynamics?

LLM智能体能否维持长期组织动态？

Xuancheng Zhu, Yang Yue, Shuaibing Wan, Zihan Dou, Xiaohan Zhang, Yongrui Liu, Guoshun Nan

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 提出TaskWeave分层智能体框架，通过记忆中心的协调机制（规划-分解-诊断-对齐循环和依赖感知追踪记忆）实现长期组织模拟，实验表明该框架能维持连贯的组织动态并产生可靠的人工制品。

Deep Research as Rubric for Reinforcement Learning

深度研究作为强化学习的评估准则

Wangyi Mei, Zhouhong Gu, Zhenhan Bai, Yin Cai, Lefan Zhang, Zhenxin Ding, Bo Chen, Yan Gao, Yi Wu, Yao Hu, Jiaqing Liang, Deqing Yang

机构 * Fudan University（复旦大学） ； Xiaohongshu Inc.（小红书公司） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 提出DR-rubric框架，通过两阶段过程（迭代多轮智能体搜索构建准则，然后蒸馏为可验证约束用于GRPO策略优化）为开放式推理和长文本生成任务生成细粒度奖励信号，实验表明该方法在多个基准上表现优异。

AI-IoT-Robotics Integration: Survey of Frameworks, Emerging Trends, and the Path Toward Connected Robotics

AI-IoT-机器人集成：框架、新兴趋势及迈向互联机器人的路径综述

Ranulfo Bezerra, Satoshi Tadokoro, Kazunori Ohno

机构 * Tohoku University（东大大学） 纠错

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

AI总结 本文综述了人工智能、物联网和机器人三者融合的现状，提出了模块化系统架构，并强调了小语言模型（SLM）和大型语言模型（LLM）在分布式认知与自主决策中的作用，为下一代互联机器人和物理AI生态系统提供了概念和技术路线图。

Comments 15 pages, 3 figures, 3 tables. Published in IEEE Internet of Things Journal

Journal ref IEEE Internet of Things Journal, vol. 13, no. 10, pp. 20398-20412, 15 May15, 2026

FALAT: Tracing Failures in LLM Agent Trajectories via Dependency-Guided Search

FALAT: 通过依赖引导搜索追踪LLM智能体轨迹中的失败

Md Nakhla Rafi, Md Ahasanuzzaman, Dong Jae Kim, Zhijie Wang, Tse-Hsun Chen

机构 * SPEAR Lab（SPEAR实验室） ； Concordia University（康科德大学） ； DePaul University（德保罗大学） 纠错

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

AI总结 提出FALAT框架，通过依赖引导搜索方法，在LLM智能体轨迹中识别导致失败的关键步骤和责任智能体。

Critic-R: Improving Agentic Search using Instruction-tuned Retrievers with Natural Language Introspective Feedback

Critic-R：使用具有自然语言内省反馈的指令调优检索器改进智能搜索

Md Zarif Ul Alam, Alireza Salemi, Hamed Zamani

机构 * Center for Intelligent Information Retrieval（智能信息检索中心） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

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

AI总结 提出Critic-R框架，通过引入评论模型评估智能体内省推理轨迹，实现检索模型与推理代理之间的反馈闭环，无需人工标注即可优化检索质量与下游答案准确性。

Spatiotemporal Multi-Task Graph Transformer for Trip-Level Transit Prediction

时空多任务图Transformer用于行程级公交预测

Oluwaleke Yusuf, Adil Rasheed, Frank Lindseth

机构 * Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（工程 cybernetics 部，挪威科学与技术大学（NTNU）） ； Department of Computer Science, Norwegian University of Science and Technology (NTNU)（计算机科学部，挪威科学与技术大学（NTNU）） 纠错

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

AI总结 提出SMT-GraphFormer，一种将行程级公交预测建模为序列到序列问题的时空多任务图Transformer，通过图嵌入、上下文编码器和多门专家混合模块，在挪威特隆赫姆公交数据上优于停靠级基线方法。

Comments 25 pages, 7 figures, 11 tables, including appendix. Code available at https://github.com/Outsiders17711/SMTGraphFormer

Neural Decision-Propagation for Answer Set Programming

面向回答集编程的神经决策传播

Thomas Eiter, Katsumi Inoue, Sota Moriyama

机构 * Vienna University of Technology (TU Wien)（维也纳技术大学（ TU Wien）） ； National Institute of Informatics（日本信息处理学会） ； The Graduate University for Advanced Studies, SOKENDAI（高级研究大学，SOKENDAI） 纠错

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

AI总结 提出决策传播（DProp）方法及其可微扩展神经决策传播（NDProp），通过交替假决策和真传播高效计算稳定模型，提升神经符号推理的可扩展性和准确性。

Comments This is the full version (with appendix) of a paper appearing at the 35th International Joint Conference on Artificial Intelligence (IJCAI-ECAI 2026)

ProactiveLLM: Learning Active Interaction for Streaming Large Language Models

ProactiveLLM: 学习流式大语言模型的主动交互

Junlong Tong, Yao Zhang, Anhao Zhao, Yingqi Fan, Yunpu Ma, Xiaoyu Shen

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出ProactiveLLM，利用模型内生状态指导交互决策，通过掩码流式建模和同步特权自蒸馏实现主动交互，减少延迟并保持质量。

Comments ICML 2026

Coupling Language Models with Physics-based Simulation for Synthesis of Inorganic Materials

将语言模型与基于物理的模拟相结合用于无机材料的合成

Edward W. Staley, Tom Arbaugh, Michael Pekala, Alexander New, Christopher D. Stiles, Nam Q. Le, Gregory Bassen, Wyatt Bunstine, Tyrel McQueen

机构 * Johns Hopkins Applied Physics Laboratory（约翰霍普金斯应用物理实验室） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提出一种结合热力学数据库与简化动力学模型的混合框架，评估大语言模型在无机材料合成规划中的表现，以铌氧体系为例证明其能生成更可行的合成策略。

Comments Accepted to the AI for Accelerated Materials Design (AI4Mat) Workshop at Neurips 2025

Measuring and Mitigating Bias in Code Generated by Large Language Models

测量和减轻大型语言模型生成代码中的偏见

Yuxi Chen, Yutian Tang, Timothy Storer

机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算机科学学院） 纠错

专题命中 规划推理 ：chain-of-thought(abstract)；分类 cs.AI

AI总结 本文针对GPT-4o和Gemini等主流代码生成工具，提出评估框架，使用代码偏见分数和属性变化比率量化偏见，并探索四种轻量级缓解策略。

A phenomenon of AI-conformity: how algorithms change human moral decision-making

AI从众现象：算法如何改变人类道德决策

Yana Venerina, Dmitry Koch, Nare Meloyan, Gerda Prutko, Valeriia Lelik, Victoria Taova, Andrey Kurpatov

机构 * Neuroscience Laboratory, Sberbank, Moscow, Russia（神经科学实验室，俄罗斯储蓄银行，莫斯科） 纠错

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

AI总结 本研究通过改编经典Asch范式，发现具有推理能力的AI模型对人类道德判断的影响程度与人类多数相当，表明道德决策也可能受到算法从众的影响。

Comments 31 pages, 1 figure

Agents on a Tree: Pathwise Coordination for Multi-Objective Molecular Optimization

树上的智能体：多目标分子优化的路径协调

Jia Zhang, Tengfei Ma, Tianle Li, Daojian Zeng, Xieping Gao, Xiangxiang Zeng

机构 * College of Information and Science（信息科学学院） ； Hunan Normal University（湖南师范大学） ； College of Computer Science（计算机科学学院） ； Electronic Engineering, Hunan University（电子工程学院，湖南大学） 纠错

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

AI总结 提出ATOM多智能体框架，将分子优化建模为树结构搜索，通过路径协调实现多目标权衡，在活性、可合成性和ADMET相关性质上优于基线。

Comments 17 pages, 6 figures

Mean-Field Diffuser: Scaling Offline MARL to Thousands of Agents

均场扩散器：将离线多智能体强化学习扩展到数千个智能体

Wenhao Li, Xiangfeng Wang, Bo Jin

机构 * Tongji University（同济大学） ； East China Normal University（华东师范大学） 纠错

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

AI总结 提出MF-Diffuser框架，通过将轨迹规划提升到轨迹分布的Wasserstein空间，并利用混沌传播和分层粗到细策略，将离线多智能体强化学习扩展到数千个智能体，理论证明均场近似误差为$O(H^2/\sqrt{N})$且离线分布偏移不随群体规模增长，实验在三个均场RL基准上取得最佳回报。

Comments 62 pages, 15 figures, 16 tables

Coding Agent Is Good As World Simulator

编码智能体作为世界模拟器

Hongyu Wang, Jingquan Wang, Bocheng Zou, Radu Serban, Dan Negrut

机构 * Department of Mechanical & Aerospace Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校机械与航空航天工程系） ； School of Computer, Data, and Information Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机、数据与信息科学学院） 纠错

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

AI总结 提出一个通过可执行模拟代码构建基于物理的世界模型的智能体框架，协调规划、代码生成、视觉审查和物理分析智能体，迭代修正代码以满足物理约束，在物理准确性、指令忠实度和视觉质量上超越视频模型。