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。
人类与DeepSeek-R1大语言模型数学推理的全面解剖
机构 * UCL Centre for Artificial Intelligence（伦敦大学人工智能中心）
专题命中 数学推理 ：reasoning(title,abstract)；CoT(abstract)；分类 cs.AI、cs.LG
AI总结 通过AIME 2025所有30道题目的10247个推理步骤注释，发现DeepSeek-R1存在拓扑模仿（表面模仿推理而非真正推理），但成功轨迹中分支与回溯的稳定使用以及反射在演绎推理中的有效放置是真正推理的信号。
RASFT: 用于推理的滚动自适应监督微调
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； New Jersey Institute of Technology（新泽西理工学院） ； Institute of Computing Technology, CAS（中国科学院计算技术研究所）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.LG
AI总结 提出RASFT框架，通过基于策略rollout的问题级可解性校准专家监督，在模型困难时加强指导、表现可靠时放松模仿并纳入自生成轨迹，同时使用裁剪逆比约束策略漂移，在多个推理基准上优于SFT和RL方法。
微调陷阱：评估负迁移及PEFT在亚十亿参数数学推理中的作用
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 数学推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本研究评估了五种亚十亿参数模型在数学推理任务中的微调策略，发现全量微调对小于3亿参数的模型造成负迁移，而参数高效微调（PEFT）是稳定性要求。
Comments 8 pages, 6 figures, 2 tables
从正确性到效用：基于增益的LLM推理前缀评估
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出前缀增益概念，训练前缀效用模型（PUM）通过成对排序目标评估推理前缀对成功率的提升，在数学推理任务中优于传统正确性评估。
何时深度思考：用于LLM推理的抑制性深思
机构 * University of Birmingham, United Kingdom（英国伯明翰大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出IDPR框架，通过抑制控制器根据快速答案决定是否启动慢速推理，在数学推理测试集上仅调用8.20%的慢速推理，准确率从47.90%提升至48.92%。
TALAN：面向大型语言模型目标后训练的任务对齐潜在自适应网络
机构 * Meta AI
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出TALAN，一种序列条件潜在旁路，插入Transformer残差流并与低秩适配器协同训练，在STEM/代码基准上平均提升LoRA 1.41点、DoRA 1.85点，仅增加<1%可训练参数和1.01-1.02倍推理开销。
超越事后解释：通过概率中介迈向玻璃箱AI
机构 * Manuele Leonelli（曼努埃尔·莱奥内利）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 针对大语言模型在关键领域的不透明性，提出玻璃箱框架，利用贝叶斯网络作为事前中介层，实现可审计推理、不确定性量化和可争议输出。
CARVE-Q：量子提议、经典认证的交互式驾驶修复
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI
AI总结 针对被否决的驾驶操作，提出CARVE-Q架构，通过量子最小搜索加速修复格搜索，同时保持安全认证的经典性，实现可审计的交互修复。
Comments 9 pages, 3 figures
IDDMBSE：集成数据驱动和基于模型的系统工程用于可信自主网络物理系统
机构 * Institute for Systems Research, University of Maryland, College Park（系统研究所，马里兰大学，College Park）
专题命中 代码与定理证明 ：planning(abstract)
AI总结 提出IDDMBSE方法，将MBSE V流程与数据驱动循环结合，通过开源工具链PERFECT、TRADES-X和VERITAS实现，在自主地面机器人全生命周期验证其有效性。
Comments 9 pages, 11 figures. This work has been submitted to the IEEE for possible publication
OpenSkill: 面向LLM智能体的开放世界自我进化
机构 * Lehigh University（莱维大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； Salesforce AI Research（Salesforce人工智能研究） ； Massachusetts General Hospital and Harvard Medical School（麻省总医院和哈佛医学院）
专题命中 逻辑推理 ：verifier(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出OpenSkill框架，使智能体在无目标任务监督下，利用开放世界资源自举构建技能和验证信号，实现自我进化，在多个基准上取得最佳自动通过率。
Comments 20 pages, 4 figures and 8 tables. Code is avalable at https://github.com/OpenLAIR/OpenSkill
PandaAI: 一种用于量化金融中神经符号数据分析与集成决策的实用智能体CQ2
机构 * Panda AI
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 针对金融数据低信噪比和非平稳性，提出PandaAI，一种结合市场状态建模与约束alpha生成的闭环神经符号LLM智能体，通过领域微调和模块化架构实现风险感知决策，在沪深300数据上Rank IC提升18.2%，最大回撤降低25.7%。
证据市场
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 提出证据市场，通过动态调整流动性的对数市场评分规则，激励提交证据和信念，支持内生解决，证明有界损失、证据按市场不确定性奖励，并实现ε-DSIC策略。
MedSIGHT：迈向医学大型视觉语言模型中的基础视觉理解
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 提出MedSIGHT框架，通过区域感知器、医学区域码本和渐进训练策略，统一医学视觉语言模型的语义理解和像素级分割，在72K数据上达到多模态理解与分割的SOTA。
Comments Accepted at ICML 2026
DuMate-DeepResearch：一种具有递归搜索和基于评分准则推理的可审计多智能体系统
机构 * Baidu AI Cloud（百度AI云）
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 提出DuMate-DeepResearch多智能体框架，通过解耦智能体核心与工具生态、引入图动态规划、递归双层执行和基于评分准则的测试时优化，在深度研究基准上取得最优结果。
Comments Technical report by the DuMate Team. 26 pages, 6 figures, 4 tables
VeriDrive: 可验证的反事实监督用于成本高效的视觉-语言规划
机构 * Department of Computer Science, Durham University（杜伦大学计算机科学系）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 提出VeriDrive框架，通过结构化感知-评估-修正链生成可验证的反事实监督，降低视觉-语言驾驶规划的数据构建成本，并在nuScenes数据集上验证其有效性。
OPENPATH: 一种用于个性化、无障碍和多站点城市出行规划的监督-专家智能体系统
专题命中 规划推理 ：planning(title,abstract)
AI总结 提出监督-专家多智能体系统OPENPATH，结合LLM解析自然语言与经典算法优化路径，支持个性化偏好、多站点规划和无障碍需求，并用于城市尺度无障碍分析。
美国国防采办是否准备好采办人工智能赋能能力？通过基于场景的政策分析评估国防部软件采办路径
专题命中 规划推理 ：planning(abstract)
AI总结 通过基于场景的政策分析，评估美国国防部软件采办路径是否足以应对AI采办的独特需求，发现核心指南中存在可操作性不足，建议增设AI支持子路径并完善工件。
Comments Submitted to ACM Digital Government: Research and Practice Journal on April 2026
PhyRoGen：使用程序化内容生成物理机器人操作谜题的合成生成
机构 * Technical University of Berlin（柏林技术大学） ； Robotics Institute Germany（德国机器人研究所）
专题命中 规划推理 ：planning(abstract)
AI总结 提出PhyRoGen框架，利用程序化内容生成自动创建机器人操作谜题的合成数据集，生成的24个谜题可在1-300秒内求解，并在物理仿真中验证可操作性。
Comments 8 pages, accepted at CASE 2026
像飞行员一样思考：细粒度长时程无人机导航
机构 * Colab ； Beihang University（北航） ； Meituan（美团） ； National University of Singapore（新加坡国立大学）
专题命中 视觉空间推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出FLIGHT基准和FLIGHT VLA异步架构，通过低频飞行员推理VLM与高频扩散动作模型解耦，实现无人机长时程语义指令下的平滑连续飞行控制。
文本监督增强视觉-语言模型中的地理空间表示
机构 * University of São Paulo（圣保罗大学） ； National University of Singapore（新加坡国立大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究视觉、视觉-语言及多模态模型的地理空间表示能力，发现文本监督能有效提升空间编码，推动地理空间AI发展。
Comments Accepted at ICML 2026
基于视觉基础模型的注意力一致纵向医学视觉问答
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Yale Biomedical Imaging Institute（耶鲁大学生物医学成像研究所）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出一种注意力引导的编码器-解码器框架，通过轻量级配准和自适应掩码生成，结合辅助损失函数，实现胸部X光片的纵向医学视觉问答，在Medical-Diff-VQA基准上取得优异性能。
Comments Accepted to CVPR 2026 Workshop PHAROS-AIF-MIH
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 6448-6458
Audio-Oscar: 一个用于复杂音频场景生成、编排和优化的多智能体系统
机构 * MoE Key Lab of Artificial Intelligence（人工智能混合专家实验室） ； X-LANCE Lab（X-LANCE实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Xiamen University（厦门大学） ； State Key Laboratory of Complex & Critical Software Environment, China（复杂与关键软件环境国家重点实验室，中国）
专题命中 视觉空间推理 ：planning(abstract)
AI总结 提出Audio-Oscar多智能体框架，通过协调多个专业智能体处理角色建模、语音生成、时间线规划等，实现复杂音频场景的生成与优化，并构建ASG-Bench基准进行评估。
Stream3D-VLM：基于增量几何先验的在线3D空间理解
机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan（腾讯文汇） ； HKUST（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出在线3D视觉语言模型Stream3D-VLM，通过自回归流控制、轻量视觉-空间特征融合模块和几何自适应体素压缩，实现从流式视频中实时理解3D空间，并构建超百万在线3D问答数据集，在多项任务上超越现有模型。
Comments Project Page: https://stream3d-vlm.github.io/
机器人需要的不仅仅是VLA和世界模型
机构 * Motoniq.ai ； Stanford University（斯坦福大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； ETH Zurich（苏黎世联邦理工学院） ； Technical University of Darmstadt（德累斯顿技术大学） ； UCL Centre for AI（伦敦大学学院人工智能中心）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文认为机器人通用智能的关键瓶颈不仅是策略学习，还缺乏将非结构化行为数据转化为机器人可用监督的机制，并提出了四种缺失的接口组件。
CRAFT：面向表格问答与事实验证的统一反事实推理框架
机构 * Xingchen AGI Lab,China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd（兴晨AGI实验室，中国电信人工智能技术（北京）有限公司）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出CRAFT统一反事实推理框架，将表格问答和事实验证转化为双向验证过程，通过构建声明及其反事实变体并加权整合证据，显著提升复杂表格推理性能。
Comments 24pages,10 figures
VISA：面向Interspeech 2026 ARC智能体赛道的视觉信息增强音频推理系统
专题命中 复杂问题求解 ：reasoning(title,abstract)
AI总结 提出VISA系统，通过多模态特征提取、模型投票推理和细粒度类别感知路由，增强大音频语言模型的音频推理能力，在ARC智能体赛道取得66.23%评分和77.40%准确率。
Comments Submitted to INTERSPEECH 2026
像真正的研究者一样行动：一套评估前沿LLM和研究生命周期中智能体框架的基准测试套件
机构 * Xi’an Jiaotong University（西安交通大学） ； Xidian University（西安电子科技大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 提出AARR基准系列，通过AARRI-Bench评估智能体在细粒度研究场景中模拟人类研究者的专业性、全面性和细微推理能力，发现最佳配置成功率仅68.3%。
教方法而非答案：用于多模态策略优化的特权辅导蒸馏
机构 * Tianjin University（天津大学） ； Beijing Institute of Technology（北京理工大学） ； Singapore Management University（新加坡国立大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Xiaomi Inc（小米公司）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 提出PTD-PO框架，通过构建特权提示提供密集的令牌级监督，避免暴露答案，并采用Top-K JS散度稳定蒸馏，显著提升多模态推理性能。
MailoHLS: 面向帕累托驱动HLS编译指示优化的多适配器结构感知学习
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 提出MailoHLS混合框架，结合LLM语义推理与GNN结构建模，通过交叉注意力、目标条件LoRA适配器和帕累托优化，实现HLS编译指示的联合优化，在延迟优化上最高提速12.42倍，并持续生成近帕累托最优设计。
量子启发的迹增强证据选择用于结构化假设空间推理
机构 * School of Computing and Information Systems（计算与信息系统学院） ； Singapore Management University（新加坡管理大学）
专题命中 推理评测 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI
AI总结 提出EP-HUBO方法，将CoT推理片段选择转化为组合优化问题，通过高阶二元优化聚合证据，在证据密集型法律推理基准上提升少数但正确假设的权重。
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