Aggregating LLM-Based Weak Verifiers for Spatial Layout Generation
基于LLM的弱验证器聚合用于空间布局生成
机构 * Stanford University（斯坦福大学） ； Roblox
专题命中 视觉空间推理 ：verifier(abstract)；分类 cs.LG
AI总结 提出一种通过聚合LLM生成的弱验证器来构建强验证器的流水线，用于空间布局领域，在3D房间布局和2D海报设计任务中F1分数提升高达7倍。
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 视觉空间推理 14 篇
Zero-Shot 3D Question Answering via Hierarchical View-to-Token Transportation
零样本3D问答通过层级视图到令牌传输
机构 * Dongsheng Wang（王东生） ； Dawei Su（苏大卫） ； Hui Huang（黄慧）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出KeyVT方法，通过层级视图和令牌级输入上下文收集，结合像素特征与相机参数评估视图重要性，并利用最优传输识别代表性令牌，实现零样本3D问答性能提升。
Comments Accepted at ICML 2026. 19 pages, 6 figures
Image Generators are Generalist Vision Learners
图像生成器是通用视觉学习者
机构 * Google（谷歌）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文研究了图像生成器在视觉理解中的通用学习能力，通过引入Vision Banana模型，展示了图像生成训练如何像语言模型预训练一样，使模型在多种视觉任务中取得最佳性能，证明了图像生成预训练在构建基础视觉模型中的核心作用。
Comments Project Page: http://vision-banana.github.io
AffordanceVLA: A Vision-Language-Action Model Empowering Action Generation through Affordance-Aware Understanding
AffordanceVLA：一种通过可供性感知理解赋能动作生成的视觉-语言-动作模型
机构 * Peking University（北京大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong（香港中文大学） ； Knowin AI
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出AffordanceVLA框架，通过引入结构化可供性预测作为任务导向的中间表示，解决VLA模型中语义空间与具身控制策略的结构不匹配问题，实现精确的感知-动作映射。
Comments Preprint. Code and project page are available. Code: https://github.com/Skywalker-yqz/AffordanceVLA Project page: https://skywalker-yqz.github.io/AffordanceVLA/
Cosine Misleads: Auxiliary Losses Reshape Vision Language Models, Not Their Latents
余弦误导：辅助损失重塑视觉语言模型，而非其潜变量
机构 * National University of Singapore（新加坡国立大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文通过实验发现，在视觉语言模型的潜视觉推理中，余弦相似度等对齐损失与准确性负相关，并引入PRISM诊断工具揭示潜变量被绕过，辅助损失主要通过共享参数重塑语言模型。
Function2Scene: 3D Indoor Scene Layout from Functional Specifications
Function2Scene: 基于功能规范的3D室内场景布局
机构 * Simon Fraser University（西蒙弗雷泽大学） ； Brown University（布朗大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出Function2Scene框架，通过解析自然语言设计简报中的用户角色和活动，从17个功能约束准则生成布局，并利用LLM和VLM的迭代检查-修复循环优化，在30个专业案例中94.3%的成对比较优于基线方法。
Comments project page: https://function2scene.github.io/
4DPC$^2$hat: Towards Dynamic Point Cloud Understanding with Failure-Aware Bootstrapping
4DPC$^2$hat: 面向动态点云理解的失败感知自举学习
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出首个针对动态点云理解的多模态大语言模型4DPC$^2$hat，通过构建大规模跨模态数据集4DPC$^2$hat-200K和引入Mamba增强的时间推理模块及失败感知自举学习策略，显著提升了动作理解与时间推理能力。
Comments Accept by ICML 2026
StereoPolicy: Improving Robotic Manipulation Policies via Stereo Perception
StereoPolicy：通过立体视觉改进机器人操作策略
机构 * Stanford University（斯坦福大学） ； Northwestern University（西北大学） ； Lambda, Inc（Lambda公司）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 该研究提出StereoPolicy，一种利用立体视觉提升机器人操作策略的框架，通过同步立体图像对增强几何推理，无需构建显式3D表示，在多个仿真和真实机器人任务中优于RGB、RGB-D、点云等基线方法。
2. 测试时计算 8 篇
Latent Reasoning with Normalizing Flows
基于归一化流的潜在推理
机构 * University of Pennsylvania（宾夕法尼亚大学） ； UC San Diego（圣地亚哥大学） ； Meta
专题命中 测试时计算 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.LG
AI总结 提出NF-CoT框架，通过归一化流在LLM内部建模连续潜在思维，保留自回归生成、概率采样、KV缓存解码和似然估计等优势，在代码生成任务中提升通过率并降低推理成本。
EVE: A Generator-Verifier System for Generative Policies
EVE: 一种生成策略的生成-验证系统
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Toyota Research Institute（丰田研究院） ； Symbotic Inc.（Symbotic公司）
专题命中 测试时计算 ：verifier(title,abstract)；reasoning(abstract)；test-time compute(abstract)
AI总结 本文提出EVE系统，通过生成-验证框架在测试时提升预训练生成策略的性能，利用零样本视觉语言模型验证者进行动作优化，无需额外训练。
Escaping the Verifier: Learning to Reason via Demonstrations
摆脱验证者：通过示范学习推理
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 测试时计算 ：verifier(title,abstract)；reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出RARO方法，通过逆强化学习从专家示范中学习强大的推理能力，无需任务特定的验证者，从而在多个评估任务中实现了显著的性能提升。
MPCoT: Reward-Guided Multi-Path Latent Reasoning for Test-Time Scalable Vision-Language-Action
MPCoT: 奖励引导的多路径潜在推理用于测试时可扩展的视觉-语言-动作
机构 * Department of Electrical and Computer Engineering, Boston University（波士顿大学电气与计算机工程系） ； Department of Computer Science, Tsinghua University（清华大学计算机系）
专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI
AI总结 提出MPCoT框架，通过奖励引导的多路径潜在推理，在保持零推理令牌和原始动作接口的同时，提升长时域和高不确定性控制任务中的VLA策略性能。
Comments 14 pages, 5 figures, submitted to CoRL
Unsupervised Skill Discovery for Agentic Data Analysis
面向智能体数据分析的无监督技能发现
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 测试时计算 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出DataCOPE框架，通过无监督验证器引导从探索轨迹中发现可复用的数据分析技能，在报告式和推理式分析任务上分别提升平均得分9.71%和32.30%。
Comments Work in progress
Self-Commitment Latency: A Reward-Free Probe for Prompted Implicit Hacking
自承诺延迟：一种用于提示隐式劫持的无奖励探针
机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学）
专题命中 测试时计算 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI、cs.LG
AI总结 提出自承诺延迟指标，通过测量推理上下文对模型自身最终答案的承诺时机，无需奖励信号即可检测提示隐式劫持，在GSM8K数据集上达到AUROC 0.878-0.926。
On Advantage Estimates for Max@K Policy Gradients
关于 Max@K 策略梯度的优势估计
机构 * The University of Tokyo（东京大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 针对稀疏奖励下推理模型后训练困难，提出一种新的优势估计方法 MaxPO，通过 Leave-Two-Out 基线实现中心化优势，降低梯度方差并提升性能。
SkillComposer: Learning to Evolve Agent Skills for Specification and Generalization
SkillComposer: 学习演化智能体技能以实现特化与泛化
机构 * Zhejiang University（浙江大学） ； Tongyi Lab（通义实验室） ； National University of Singapore（新加坡国立大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL
AI总结 提出SkillComposer框架，通过创建、改进和合并三种可学习操作，使语言模型在推理时自我演化技能，支持离线、在线和混合部署模式，在多个基准上提升性能。
Comments Under Review
3. 复杂问题求解 15 篇
ReasoningFlow: Discourse Structures for Understanding LLM Reasoning Traces
ReasoningFlow: 理解LLM推理轨迹的话语结构
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 复杂问题求解 ：reasoning(title,abstract)；self-correction(abstract)；分类 cs.CL、cs.AI
AI总结 提出ReasoningFlow框架，将大推理模型的推理轨迹建模为细粒度有向无环图，通过人工和自动标注分析发现模型间结构相似性、多样化推理行为及错误步骤与最终答案的关系。
Learning Self-Correction in Vision-Language Models via Rollout Augmentation
通过回滚增强学习视觉-语言模型中的自我纠正
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 复杂问题求解 ：self-correction(title,abstract)；reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出一种基于回滚增强的强化学习框架Octopus，通过重新组合现有回滚生成密集的自我纠正示例，提高样本效率并稳定RL优化，同时引入响应遮蔽策略以解耦自我纠正与直接推理，从而在7个基准测试中实现开源VLM的SOTA性能。
Comments 18 pages
Journal ref ICML 2026
IA-RAG: Interval-Algebra-Driven Temporal Reasoning for Dynamic Knowledge Retrieval
IA-RAG：基于区间代数的动态知识检索时间推理
机构 * East China Normal University（华东师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Shanghai for Science and Technology（上海科技大学） ； Harbin Engineering University（哈尔滨工程大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出IA-RAG框架，通过区间代数建模时间约束，实现层次化时间检索与推理，在复杂时间问答任务上表现优异。
Comments 22 pages, 10 figures, 13 tables. Code available at https://github.com/xiaoAugenstern/LogicalRAG_TemporalQA
World-Language-Action Model for Unified World Modeling, Language Reasoning, and Action Synthesis
世界-语言-动作模型：统一世界建模、语言推理与动作合成
机构 * SJTU（上海交通大学） ； SII（上海研究院） ； HUST（华中科技大学） ； SCUT（华南理工大学） ； ECUST（东华大学） ； SHU（上海大学） ； NJUPT（南京工业大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出世界-语言-动作（WLA）模型，通过自回归Transformer联合预测文本子任务、子目标图像和机器人动作，融合世界建模与语言推理能力，实现多任务和长时域任务的最优性能。
Comments 19 pages, 10 figures
Synthetic Contrastive Reasoning for Multi-Table Q&A
合成对比推理用于多表问答
机构 * Iowa State University（爱荷华州立大学） ； Thoughtworks
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对多表问答缺乏推理监督的问题，提出通过异构LLM生成合成对比推理轨迹，并利用对比偏好优化微调模型，在MMQA上提升9.7%-16.3%。
HyperVis: Continuous Latent Visual Relational Graphs on the Lorentz Hyperboloid for Compositional Reasoning
HyperVis：洛伦兹双曲面上的连续潜在视觉关系图用于组合推理
机构 * Data Science and AI, University of Doha for Science and Technology, Qatar（数据科学与人工智能，多哈科学技术大学，卡塔尔） ； Pluralis Research, Australia（Pluralis研究，澳大利亚） ； Department of Electrical and Computer Engineering, North South University, Bangladesh（电气与计算机工程系，北南大学，孟加拉国）
专题命中 复杂问题求解 ：reasoning(title,abstract)
AI总结 针对视觉语言模型在组合推理中理解物体间关系的困难，提出HyperVis方法，通过计算密集视觉关系张量并投影到洛伦兹双曲面，利用空间物理（IoA驱动的蕴含锥和外部角排斥）增强层次结构，在训练时作为正则化器提升生成式VQA性能，在推理时作为关系编码器提升判别式组合评分。
VOLD: Reasoning Transfer from LLMs to Vision-Language Models via On-Policy Distillation
VOLD：通过在线蒸馏将LLM推理能力转移到视觉语言模型
机构 * Tuebingen AI Center（图宾根人工智能中心） ； University of Tuebingen（图宾根大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Inria, École Normale Supérieure, CNRS, PSL Research University（法国国家科学研究院、巴黎-萨克勒大学、École Normale Supérieure、PSL研究大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)
AI总结 本文提出VOLD框架，通过在线蒸馏将文本模型的推理能力转移到视觉语言模型，利用组相对策略优化与在线蒸馏结合，提升推理性能，并验证了冷启动对齐在在线训练中的重要性。
Comments www.walidbousselham.com/VOLD/
Harnessing Generalist Agents for Contextualized Time Series
利用通用智能体进行情境化时间序列分析
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出TimeClaw框架，通过集成可执行时间工具、经验驱动能力进化和情景多模态记忆，使通用大语言模型智能体具备情境化时间推理能力，在能源、金融等多领域基准上取得性能提升。
Comments Preprint. 38 Pages
EGTR-Review: Efficient Evidence-Grounded Scientific Peer Review Generation via Multi-Agent Teacher Distillation
EGTR-Review: 基于多智能体教师蒸馏的高效证据支撑科学同行评审生成
机构 * Department of Information Management, Peking University（北京大学信息管理系） ； PKU-WUHAN Institute for Artificial Intelligence, Peking University（北京大学武汉人工智能研究院）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出EGTR-Review框架，通过多智能体教师蒸馏和证据加权目标，实现轻量级学生模型的高质量、可溯源同行评审生成。
Mechanistic Insights into Functional Sparsity in Multimodal LLMs via CoRe Heads
多模态大语言模型中通过CoRe头的功能稀疏性机制洞察
机构 * Soochow University（苏州大学） ； Peking University（北京大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 通过识别和分析CoRe头，揭示多模态大语言模型在跨模态检索中功能稀疏的结构特性，并验证其必要性及加速推理的潜力。
ProSPy: A Profiling-Driven SQL-Python Agentic Framework for Enterprise Text-to-SQL
ProSPy: 面向企业级Text-to-SQL的剖析驱动的SQL-Python智能体框架
机构 * State Key Lab of CAD&CG（计算机辅助设计与图形学国家重点实验室） ； School of Software Technology（软件技术学院） ； Tencent TEG（腾讯科技集团） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Zhejiang University（浙江大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL
AI总结 提出ProSPy框架，通过自动剖析、模式剪枝、中间视图获取和Python分析四阶段，结合SQL高效性与Python灵活性，解决企业级数据库Text-to-SQL中的模式异构、元数据不完整和复杂分析问题。
Comments 24 pages, 12 figures
When Tools Fail: Benchmarking Dynamic Replanning and Anomaly Recovery in LLM Agents
当工具失效时：LLM智能体动态重规划与异常恢复的基准测试
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； Sochow University（苏州大学） ； Shandong University（山东大学） ； Baidu Inc.（百度公司）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出ToolMaze基准，通过有向无环图拓扑复杂度和工具扰动分类法，评估LLM智能体在工具失效时的动态重规划与错误恢复能力，发现模型对隐式语义故障的恢复率下降约37%，且智能体容错性随模型规模增长的速度远慢于基本任务执行。
Agent-Orchestrated Adaptive RAG: A Comparative Study on Structured and Multi-Hop Retrieval
Agent编排的自适应RAG：结构化与多跳检索的比较研究
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Agent编排的自适应RAG框架，通过动态查询分解、迭代检索和自反思评估，在结构化领域（DevOps）和多跳推理基准（MuSiQue）上对比发现，查询分解在结构化领域提升性能但降低多跳排名精度，反思机制提高引用准确性但增加延迟，表明Agent增强需根据查询和领域特性选择性应用。
Training One Model to Master Cross-Level Agentic Actions via Reinforcement Learning
通过强化学习训练一个模型以掌握跨层级的代理行为
机构 * Peking University（北京大学） ； National University of Singapore（新加坡国立大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出CrossHA，一种统一的代理模型，能够掌握异构的动作空间并自主选择每一步轨迹中最有效的接口，通过结合冷启动监督微调和多轮组相对策略优化（GRPO）算法，实现适应性动作切换，在Minecraft开放世界中超过800个任务上展示了最先进的性能。
Comments Accepted to CVPR 2026 as a Highlight
