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。
HIPIF: 面向长视界LLM智能体学习的层次化规划与信息折叠
机构 * Meituan（美团） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 提出层次化规划与信息折叠方法，通过子目标分解和历史折叠减少长上下文干扰，结合层次化反思和子目标过程奖励，提升LLM在多轮长视界任务中的表现。
面向LLM智能体的事实增强前瞻规划
机构 * University of Cambridge（剑桥大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出LWM-Planner框架，通过从轨迹中提取关键事实并用于条件化动作提议、世界模型模拟和状态值估计，实现无需参数更新的在线规划改进，在多个环境上优于ReAct/Reflexion和纯搜索基线。
Comments Accepted at the 29th International Conference on Artificial Intelligence and Statistics (AISTATS 2026). Camera-ready version. 9-page main text plus appendices (63 pages total), 1 figure
自适应教师暴露用于大语言模型推理中的自蒸馏
机构 * ByteDance Douyin（字节跳动抖音）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 针对自蒸馏中教师暴露完整推理导致学生难以吸收的问题，提出自适应教师暴露方法ATESD，通过轻量Beta策略控制器动态调整暴露比例，并用折扣学习进步奖励优化，在多个模型和数据集上提升推理性能。
Comments 11 pages, 4 figures; code not released yet
MemCast：基于经验条件推理的记忆驱动时间序列预测
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出MemCast框架，将时间序列预测转化为经验条件推理任务，通过层次化记忆学习历史模式、推理智慧和一般规律，并采用动态置信度适应策略实现持续进化，在多个数据集上优于现有方法。
ActiveMem: 用于长程LLM推理的分布式主动记忆
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出ActiveMem框架，将记忆从核心推理中解耦，通过分布式主动记忆系统积累语义要点，在长程推理任务中实现高精度和低开销。
Self-EmoQ: 基于Plutchik引导的价值规划驱动流式情感TTS
机构 * Geely AI Lab（地平线人工智能实验室）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 提出一种情感规划框架，通过强化学习训练LLM模块，在文本生成前确定情感，以驱动流式TTS，结合Plutchik情感理论进行混合奖励，实验表明在情感确定和响应质量上优于基线。
Comments Accepted to ACL 2026 Findings
面向物联网的语义多智能体入侵检测：零日与对抗威胁的风险感知推理
专题命中 规划推理 ：reasoning(title,abstract)
AI总结 提出一种结合语义嵌入与多阶段概率决策融合的语义多智能体入侵检测系统，通过四个智能体协作实现零日攻击和对抗攻击的高效检测，在多个真实物联网数据集上达到95.9%检测准确率。
结合强化学习与弧搜索内点法的路径规划
专题命中 规划推理 ：planning(title,abstract)
AI总结 提出一种结合强化学习与弧搜索内点法的框架，利用强化学习的实时决策能力和弧搜索内点法的优化性能，实现障碍物环境下的高效路径规划。
Comments 15 pages, 9 figures
REAL: 一种增强推理的图框架用于LLM的长期记忆管理
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Kuaishou Technology（快手科技） ； Center for Data Science, Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院数据科学中心）
专题命中 规划推理 ：reasoning(title)；分类 cs.CL
AI总结 提出REAL框架，通过构建时序和置信度感知的有向属性图，采用非破坏性更新和混合束搜索检索，解决LLM长期记忆中的关系缺失、事实覆盖和查询被动问题，平均性能提升22.72%。
分工与合作：基于跨智能体学习信号的角色分解多智能体LLM训练
机构 * Seoul National University（首尔大学）
专题命中 规划推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI、cs.LG
AI总结 提出DAC框架，将多步推理分解为搜索和生成两个子任务，分别由专用智能体处理，并通过跨智能体学习信号解决信用分配问题，在QA基准上超越全参数微调的单体模型。
MALLVI：一种多智能体框架用于集成通用机器人操作
机构 * Department of Electrical Engineering, Sharif University of Technology（电气工程系，谢里夫大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 MALLVI通过多智能体协作实现闭环反馈驱动的机器人操作，提升泛化能力和零样本任务成功率。
Comments Some fundemental change in text and codebase
TRACE：一种用于高效智能体强化学习的统一展开预算分配框架
机构 * Tsinghua University（清华大学） ； Tencent（腾讯）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 针对多轮智能体强化学习中奖励对比度不足的问题，提出TRACE框架，通过将每个ReAct式思考-行动-观察步骤建模为语义节点，在固定采样预算内将预算分配到提示根和中间前缀，增强奖励对比，提升策略更新信号。
Comments 32 pages, 12 figures, 6 tables
Kwai Keye-VL-2.0 技术报告
机构 * Kuaishou Group（快手集团）
专题命中 规划推理 ：reasoning(abstract)；self-correction(abstract)
AI总结 提出开源MoE多模态基础模型Keye-VL-2.0，首次将DeepSeek稀疏注意力适配到GQA架构，支持无损256K上下文处理，并通过跨模态多教师策略蒸馏和上下文/视频强化学习解决多任务对齐中的灾难性遗忘，在长视频理解和智能体任务上达到同类最优。
Comments 31 pages, 11 figures
Discrete-WAM：面向世界-策略学习的统一离散视觉-动作标记编辑
机构 * Xiaomi EV（小米电动车）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)
AI总结 提出Discrete-WAM，通过将未来视觉状态和自车动作对齐为离散标记，构建统一离散扩散框架，实现世界建模、世界-动作策略和分层决策策略的联合学习，支持可控生成和反事实推理，提升自动驾驶决策可靠性。
超越API：探索多模态大语言模型在物理工具使用中的极限
机构 * Singapore Management University（新加坡管理大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI
AI总结 提出PhysTool-Bench基准，评估多模态大语言模型在真实场景中识别物理工具并规划使用的能力，发现最强模型仅完成21%任务，揭示感知与规划双重缺陷。
事件驱动强化学习实现半导体制造中的长时域控制
机构 * Politecnico di Milano（米兰理工大学） ； STMicroelectronics（意法半导体）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出事件驱动深度强化学习框架，将半导体制造控制建模为中心化智能体问题，通过事件驱动时序差分方法优化多目标策略，在高保真仿真中显著提升吞吐量和利用率。
机器人策略编排的关键因素：分层VLA智能体的系统研究
机构 * Google DeepMind（谷歌DeepMind）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 系统研究分层视觉-语言-动作（Hi-VLA）系统的设计原则，通过统一框架分析规划器、控制器及接口机制对短时、长时及推理密集型任务性能的影响，提出构建更强健分层VLA智能体的实用原则。
插入语言模型的连续时间马尔可夫链框架
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； IBM Research（IBM研究院） ； University of Toronto（多伦多大学） ； Vijil（维吉尔）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.LG
AI总结 提出基于连续时间马尔可夫链的插入语言模型去噪框架，统一现有方法，在规划任务中优于自回归和掩码扩散模型，语言建模中与现有方法竞争且采样更灵活。
Comments Accepted at AISTATS 2026. Code is available at https://github.com/dhruvdcoder/ctmc_dilm
IntentKV: 面向Agent推理的跨轮次意图感知KV缓存剪枝
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 针对多轮LLM Agent中KV缓存成为服务瓶颈的问题，提出IntentKV方法，通过会话级QueryMemory和残差注意力头实现跨轮次意图感知的KV剪枝，在保持精度的同时大幅降低峰值请求token和KV读取量。
HANDOFF: 通过蒸馏互补教师实现人形机器人任务空间全身控制
机构 * California Institute of Technology（加州理工学院） ； The Institute for Human & Machine Cognition（人机认知研究院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出HANDOFF框架，通过多教师KL蒸馏和上下文门控机制，将全身运动跟踪、行走和跌倒恢复三个专家策略融合为混合专家学生策略，实现基于紧凑显式接口的全身控制，在Unitree G1上达到先进的速度跟踪性能并扩展了操作工作空间。
Comments 22 pages, 9 figures, Project page: https://lzyang2000.github.io/HANDOFF/
学习为冻结的LLM突出证据
机构 * Stony Brook University（石桥大学） ； Meta AI
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出HiLight框架，通过强化学习训练轻量级Actor在长上下文中插入高亮标签，使冻结的LLM更关注关键证据，无需证据标签或修改求解器，在序列推荐和长上下文问答中提升性能。
通过重新标注视觉-动作机器人数据的任务鲁棒性
机构 * Mila — Quebec AI Institute（Mila — 魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； The University of British Columbia（不列颠哥伦比亚大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 提出TREAD框架，利用大型视觉语言模型对机器人数据集进行语义子任务分解和多样化指令生成，无需额外数据收集，提升策略在未见任务上的泛化能力。
Comments Project website: https://akuramshin.github.io/tread
PlanGPT的补充研究：使用定义性能指标评估并与规划器比较
机构 * Univ. Grenoble Alpes - LIG（格勒诺布尔阿尔卑斯大学 - 信息学实验室（LIG））
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文对大型语言模型PlanGPT进行补充实验，使用规划成本和生成时间两个指标评估其性能，并与传统规划器比较，发现PlanGPT并不优于贪心搜索策略。
Comments 7 pages
Trace2Policy：从专家行为轨迹到自我进化的决策代理
机构 * SF Express（顺丰速运）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Trace2Policy框架，通过错误驱动的迭代技能精炼（EISR）从专家行为中提取可读规则，在合规敏感任务中规则质量是关键性能杠杆，经8轮迭代后编译为确定性Python代码达到79.6%准确率，并在实际部署中优于纯LLM基线。
MIRAGE: LLM智能体中的极性翻转编码子空间
机构 * University of California, Santa Cruz（加州大学圣克ruz分校）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 发现LLM智能体在隐蔽编码敏感数据时，残差流中存在共享的低维编码子空间，通过逻辑回归探针可高精度检测，并构建MIRAGE实时监控器，在126个场景中AUC达0.918，远超仅输出检测。
BadRobot: 在物理世界中越狱具身LLM智能体
机构 * Huazhong University of Science and Technology（华中科技大学） ； Beihang University（北航） ； Griffith University（格里菲斯大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出BadRobot攻击范式，利用LLM在机器人系统中的操纵、语言输出与物理动作的错位以及世界知识缺陷三个漏洞，通过语音交互使具身LLM执行有害行为，并在基准测试中验证了有效性。
Comments Accepted to ICLR 2025. Please cite the conference version. Project page: https://Embodied-LLMs-Safety.github.io
Journal ref International Conference on Learning Representations (ICLR) 2025
LLM介导的智能微电网需求响应协调
专题命中 规划推理 ：reasoning(abstract)
AI总结 针对智能微电网中产消者自愿合作的需求响应协调问题，提出一种结合博弈论与LLM叙事评估的混合决策架构，通过结构化指令实现33.3%的需求削减合作率，优于非结构化消息和基线。
Comments Accepted for publication in 18th International Conference on Sustainability in Energy and Buildings (SEB-26), to appear in Springer Nature proceedings (KES Smart Innovation Systems and Technologies). The final authenticated version will be available online at Springer
导师，而非解题者：设计高等教育中带护栏的AI学习助手——PeteChat的设计案例
专题命中 规划推理 ：reasoning(abstract)
AI总结 本文通过设计案例PeteChat，提出八项可迁移的评估感知AI导师设计原则，包括作业护栏、调试支架等，基于本地Llama-3模型和RAG技术，旨在平衡学习支持与学术诚信。
Comments Preprint. Includes supplementary appendices, interface figures, and baseline-analysis tables
子模优化及其在决策与控制中的应用
专题命中 规划推理 ：planning(abstract)
AI总结 本文综述子模集函数的理论、算法及其在决策与控制中的应用，重点介绍基于贪心算法的近似保证和曲率、子模比等结构性质，并涵盖传感器调度、多智能体协调等应用场景。
LEAP: 欧罗巴多流体磁流体动力学的快速神经替代模型
专题命中 规划推理 ：planning(abstract)
AI总结 针对欧罗巴地下海洋探测中MHD模型计算成本高的问题，提出基于Transformer的替代模型LEAP，实现毫秒级预测磁场扰动，速度提升约40000倍，精度与MHD相当。
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