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。
面向可解释调控DNA活性预测的生物学推理引导回归
机构 * Gaoling School of Artificial Intelligence（甘岭人工智能学院） ； Renmin University of China（中国人民大学） ； Zhongguancun Academy（中关村学院）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title)；分类 cs.LG
AI总结 提出R3LM框架，通过结构化生物学知识教LLM进行推理引导回归，在增强子预测上达到最优性能并提供可解释机制。
Comments Accepted at KDD 2026 AI4Sciences Track
注意力揭示大语言模型推理：预规划与锚定节奏实现细粒度策略优化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Alibaba Group（阿里巴巴集团）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.LG
AI总结 本文通过注意力机制揭示大语言模型推理中的预规划与锚定节奏，并据此提出三种细粒度强化学习策略，在多种推理任务上取得一致性能提升。
Comments 31 pages, 9 figures, 20 tables. Accepted at ICML 2026
复杂视觉查询的符号与抽象推理
机构 * Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Ant Group（蚂蚁集团）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出复杂视觉查询（CVQ）概念，通过多模态知识图谱合成数据集，并设计两阶段训练框架，提升多模态大语言模型的符号与抽象推理能力。
Comments Work in progress
面向目标的推理用于基于RAG的记忆在对话型代理LLM系统中
机构 * University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出Goal-Mem框架，通过目标导向的推理提升RAG记忆在复杂任务中的表现，尤其在多跳推理和隐含推理中效果显著。
更多废话，更少意义：揭示小语言模型中的自我改进行为
机构 * American University of Armenia（亚美尼亚美国大学） ； NVIDIA（英伟达）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；self-correction(abstract)；分类 cs.CL、cs.AI
AI总结 本研究通过构建充分性测试，发现小语言模型在自我纠正中仅获得4.4%的准确率提升，且较长的提示反而与错误答案正相关，表明其推理能力有限。
Comments GEM Workshop at ACL 2026
人工智能时代的临床推理：纵向认知与人机协作
专题命中 逻辑推理 ：reasoning(title,abstract)
AI总结 本研究通过混合方法揭示临床推理的纵向结构，发现当前AI系统主要支持单次就诊任务，与医生多就诊的推理过程存在关键不匹配，为设计更符合真实临床推理的AI系统提供方向。
VisualFLIP: 在多模态推理中，预测是否依赖于任务关键的视觉证据？
机构 * Imperial College London（伦敦帝国理工学院）
专题命中 逻辑推理 ：reasoning(title,abstract)
AI总结 提出VisualFLIP基准，通过成对图像扰动测试多模态大模型是否真正依赖关键视觉证据，发现正确预测与证据依赖存在分离。
解耦语义与逻辑：一种无需训练的从粗到精的视频检索增强生成流水线
机构 * School of Computer Science & Tech, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of AI and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出一种无需训练的两阶段级联视频RAG流水线，通过解耦语义检索与逻辑推理，实现跨语言长视频理解、严格角色遵循和零幻觉时间定位。
Comments To be presented at ACL 2026 MAGMAR Workshop (Oral; Retrieval leaderboard No.1)
当内置思考既有帮助又有害：指令遵循中的约束级错误转移
机构 * George Mason University（乔治梅森大学）
专题命中 逻辑推理 ：reasoning(abstract)；planning(abstract)；分类 cs.CL
AI总结 研究大型推理模型（LRM）的思考模式对指令遵循的影响，发现思考会改变错误模式而非统一降低性能，其中规划类约束改善而精确类约束恶化，并通过分析思考轨迹和激活修补揭示了机制。
Comments 16 pages, 7 figures, 15 tables
可执行世界模型在编码智能体时代的ARC-AGI-3应用
机构 * SingularityNET
专题命中 逻辑推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 提出一种编码智能体系统，通过维护可执行Python世界模型、验证观察、重构简化抽象和模型内规划，在ARC-AGI-3游戏中取得初步成果，GPT-5.5高推理下完全解决15个游戏。
Comments 13 pages. Accepted for publication at AGI-2026
灵活性陷阱：重新思考扩散语言模型中任意顺序的价值
机构 * LeapLab, Tsinghua University（清华大学Leap实验室） ； NLPLab, Tsinghua University（清华大学自然语言处理实验室） ； Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） ； BNRist, Tsinghua University（清华大学北京研究院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文发现，尽管扩散语言模型（dLLMs）允许任意生成顺序，但这种灵活性可能限制其推理能力，通过采用标准的Group Relative Policy Optimization（GRPO）方法，即JustGRPO，在保持并行解码能力的同时提升了推理性能。
Comments Code and pre-trained models: https://github.com/LeapLabTHU/JustGRPO
内化几何法则：从求解器残差中学习以实现精度关键生成
机构 * Huawei Celia Team（华为Celia团队）
专题命中 逻辑推理 ：verifier(abstract)；分类 cs.AI、cs.LG
AI总结 针对大语言模型在精度关键领域（如技术图表和机械设计）中的幻觉问题，提出可编程几何DSL PyGeoX及分层基准PyGeoX-Bench，并设计饱和加性奖励（SAR）方法，将奖励分解为有界逐约束项，解决异常梯度掩盖问题，使8B模型在基准上达到与更大前沿系统竞争的水平。
SEF-CLGC在SemEval-2026任务11中的应用：逻辑符号对语言模型性能的影响
机构 * Université Côte d’Azur, Inria, CNRS, I3S, Sophia Antipolis, France（蔚蓝海岸大学, 法国国家信息与自动化研究所, 法国国家科学研究中心, 信息与系统科学实验室, 索菲亚安蒂波利斯, 法国） ； Data ScienceTech Institute, Paris, France（数据科学技术学院, 巴黎, 法国）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出SEF-CLGC管道，结合形式逻辑符号与小语言模型，在SemEval-2026任务11中评估推理性能，最佳模型在降低内容偏差的同时达到27.80%的内容分数。
Comments Accepted to SemEval-2026 co-located with ACL 2026
生成AI的另一种轨迹
机构 * Princeton University（普林斯顿大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出通过构建领域特定超智能（DSS）来改进生成AI，利用符号抽象提升领域推理能力，避免LLM合成数据的模型崩溃问题，实现可持续发展。
TQA-Bench：评估大语言模型在多表问答中的表现
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出TQA-Bench基准，通过长上下文多表问答任务评估LLM，揭示其在复杂数据驱动环境中的挑战与机遇。
Comments Accepted by IEEE Transactions on Big Data
文本就是一切？文本作为语音大语言模型的通用信息瓶颈
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Microsoft Corporation（微软公司） ； Microsoft Research Asia（微软亚洲研究院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出Convex Gate（C-Gate）桥接语音与LLM，通过凸包约束将语音表示限制在LLM输入嵌入流形内，在ASR和情感识别上取得联合最优性能，并揭示几何结构而非离散性是关键设计因素。
数据集的拓扑对偶：一种逻辑到拓扑的编码用于AlphaGeometry风格的数据
机构 * Huawei Lagrange Center（华为拉格朗日中心）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一种逻辑到拓扑的编码方法，用于揭示模型潜在空间的结构不变性，通过逻辑观察的对偶性，为神经符号AI提供解释路径。
Comments Company decision as a precautionary measure while a third-party dispute is under review
信号不是状态：面向文化意识课堂AI的神经符号安全机制
机构 * Independent Researcher（独立研究者）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出NSCR框架，通过神经符号方法处理课堂多模态信号，区分可观测证据与文化负载解读，减少文化偏见对课堂AI的负面影响。
Comments Accepted at the Workshop on Stereotypes Across Cultures in Language Technologies @ ACL 2026
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