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。
选择与改进：理解推理后训练的机制
机构 * Microsoft Research NYC（微软研究院纽约） ； UIUC（伊利诺伊大学厄巴纳-香槟分校）
专题命中 数学推理 ：reasoning(title,abstract)；math reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 通过控制实验揭示强化学习后训练通过策略选择和策略改进两种机制提升推理能力，并指出SFT数据和RL数据的不同作用。
可观察模式并非解释：潜在推理模型的因果几何分析
机构 * Université Grenoble Alpes, CNRS, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学，法国国家科学研究中心，格勒诺布尔国立理工学院，信息学实验室） ； Université Paris-Saclay（巴黎-萨克雷大学） ； NAVER LABS Europe（NAVER欧洲实验室）
专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本文通过对照实验和因果干预发现，潜在推理模型中的可观察模式（如BFS前沿）在控制组中也出现且不总是因果影响行为，提出潜在思维的使用是分级的，其因果效应集中在低秩方向，几何结构随行为影响增强而更有序。
MoReBench：评估语言模型中的程序性和多元道德推理，超越结果
机构 * University of Washington（华盛顿大学） ； New York University（纽约大学） ； Scale AI ； Harvard University（哈佛大学） ； University of Michigan（密歇根大学） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Center for AI Safety（人工智能安全中心） ； Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； University of Oxford（牛津大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出MoReBench基准，包含1000个道德场景和超过2.3万条标准，用于评估语言模型在道德推理中的程序性推理能力，发现现有基准无法预测模型表现，且模型对特定道德框架存在偏好。
Comments 46 pages, 8 figures, 10 tables. Published in ICLR 2026. Accepted at CHAI workshop and SPP 2026 (non-archival)
ARMOR-MAD：大语言模型推理中异构多智能体辩论的自适应路由
机构 * School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学网络空间安全学院） ； School of Artificial Intelligence, Shenzhen Technology University（深圳技术大学人工智能学院）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出ARMOR-MAD框架，通过辩论前协议路由、早期一致停止评估和语义异常检测，自适应控制异构多智能体辩论，提升推理准确性和效率。
面向协作问题求解与AI推理数据集生成的数学论坛平台
机构 * Independent Researchers, San Francisco, CA, USA（独立研究者，美国加利福尼亚州旧金山）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出一个集成图像到LaTeX转换管线的论坛系统，消除数学内容分享的摩擦，支持桌面和移动端，并生成社区验证的数学问题数据集以训练AI推理。
Comments 11 pages, 3 figures
LLM 在掷骰子时有多可靠？
机构 * Università degli Studi di Firenze（佛罗伦萨大学）
专题命中 数学推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI
AI总结 通过离散概率问题基准测试，发现 LLM 在标准问题上准确率 0.96，但在反直觉问题上仅 0.59，且存在 token 偏差和误导提示的脆弱性。
跨模型分歧作为无标签正确性信号
机构 * Independent Researcher（独立研究者） ； Department of Computer Science Columbia University（计算机科学系哥伦比亚大学）
专题命中 数学推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 提出跨模型分歧作为无标签正确性指标，通过验证模型对生成模型答案的困惑度或熵来检测错误，无需训练或标签，在多个基准上优于模型内不确定性方法。
多智能体协作的反事实信用策略优化
机构 * Beihang University（北航） ； Peking University（北京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 数学推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 针对多智能体大语言模型协作中信用分配难题，提出CCPO框架，通过反事实信用估计和验证器锚定的自评估两种分配器，将团队奖励转化为个体学习信号，提升数学推理任务表现。
多智能体编排的奖励建模
机构 * Rutgers University（罗杰斯大学） ； Salesforce AI Research（Salesforce人工智能研究）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出OrchRM框架，通过自监督学习从多智能体执行中间产物构建奖励模型，无需人工标注，实现高效编排器训练和测试时扩展，在多个领域提升性能并降低计算成本。
Comments Preprint; work in progress
通过检索增强强化微调进行类比推理学习
机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； Rice University（莱斯大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出RA-RFT框架，通过黄金相关性蒸馏训练检索器，并结合强化微调利用类比推理轨迹，提升数学推理性能。
MARS: 用于并行LLM测试时扩展的边际对抗风险控制停止策略
机构 * Amazon（亚马逊） ； Stanford University（斯坦福大学） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出MARS停止规则，通过监测中间检查点的聚合投票并利用对抗性边界估计未来投票变化，在保证准确率的同时节省25-47%的自一致性token。
多智能体系统中信念修正公设的研究（扩展版）
机构 * University of New South Wales（新南威尔士大学） ； New Mexico State University（新墨西哥州立大学）
专题命中 代码与定理证明 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究认知规划中的信念修正问题，将经典AGM信念修正公设推广到多智能体环境，提出广义全交多智能体信念修正算子，并讨论迭代修正公设的推广及事件模型修正算子。
一个被污染的页面就够了：评估生成式推荐系统中的网页内容污染
机构 * The Chinese University of Hong Kong（香港中文大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本研究提出FORGE基准，评估搜索增强LLM在检索结果被污染时推荐虚假产品的脆弱性，发现单个污染页面即可导致高达27%的推荐错误率，且推理能力无法缓解此问题。
ERTS: 通过有界后果空间中的语义扰动进行伦理AI的对抗鲁棒性测试
机构 * Pratyush Chaudhari（普拉蒂什·查德哈里）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 提出伦理鲁棒性测试系统(ERTS)，通过有界伦理后果空间、语义扰动和领域自适应评估，测试AI在伦理推理中的对抗鲁棒性，实验表明仅33%模型通过测试。
Comments 8 pages, 10 tables
Pythagoras-Prover: 通过增强型Lean形式化推进高效形式化证明
机构 * Imperial College London（伦敦帝国学院） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Pythagoras-Prover系列，包括自回归和扩散模型，通过课程SFT、动态过滤和增强型Lean形式化（ALF）扩展验证数据，在MiniF2F-Test上以更少参数超越DeepSeek-Prover-V2。
Comments Pythagoras-Prover: Technical Report
智能作为受管自主：代理型AI系统的失败、升级与治理
机构 * DNRS.ai USA（DNRS.ai美国公司）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出SMARt模型，通过形式化能力检测认知漂移、暂停推理、尝试恢复并在可靠性下降时放弃控制，以解决自主AI系统中的幻觉和持续不合理行为问题。
Comments This peer-reviewed paper is to appear in the Journal of Intelligent and Robotic Systems
DIG：面向单日漏洞的Oracle引导定向输入生成
专题命中 代码与定理证明 ：reasoning(abstract)
AI总结 针对补丁延迟或未完全部署导致的单日漏洞风险，提出Oracle引导的定向输入生成方法DIG，利用补丁揭示触发条件，通过LLM合成Oracle并引导生成器进化与定向模糊测试，在138个真实CVE上触发80个漏洞，超过现有技术。
语音大模型推理中的实体绑定失败：诊断与思维链干预
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（1 数据科学学院，香港中文大学（深圳）） ； ByteDance, China（2 字节跳动，中国）
专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.CL
AI总结 本文通过诊断语音大模型在逻辑推理中的实体绑定失败问题，提出实体感知思维链方法，显著提升推理准确率。
Comments INTERSPEECH 2026
MARD: 镜像增强推理蒸馏用于机制级药物-药物相互作用预测
机构 * University of Guelph（圭尔夫大学） ； York University（约克大学） ； Vector Institute（向量研究所）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(abstract)；分类 cs.CL
AI总结 提出MARD-7B模型，通过镜像增强推理蒸馏、单token KL散度、PRM加权DPO和机制感知检索通道，在机制级DDI预测中准确率超越GPT-4o 6.7个百分点，且成本仅为1%。
Comments 29 pages, 9 figures. Preprint
将时间序列表示为结构化程序以进行LLM推理
机构 * Korea University（高丽大学） ； Mila, University of Montreal（蒙特利尔大学米拉研究所）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出T2SP方法，将时间序列分解为趋势、周期和显著事件并表示为结构化符号程序，使LLM无需微调即可高效推理，在编辑、描述和问答任务上优于原始序列表示。
Comments Preprint
结构化可视化设计知识：用于基础生成推理和情境反馈
专题命中 逻辑推理 ：reasoning(title,abstract)
AI总结 提出一种结构化方案，将可视化设计知识编码为带语义元数据的自然语言指南，支持专家编写、机器查询，并嵌入向量空间以分析冲突和跨领域原则，弥补符号系统与生成模型之间的鸿沟。
DWM-RO：面向支持SWIPT的卫星-地面异构网络的去中心化世界模型与推理卸载
专题命中 逻辑推理 ：reasoning(title,abstract)
AI总结 针对SWIPT卫星-地面异构网络中多智能体强化学习样本效率低和协调性差的问题，提出去中心化世界模型与推理卸载框架，通过想象策略训练和边缘协调机制实现快速收敛、高谱效和低约束违规。
零源大语言模型幻觉检测：类人类标准探测
机构 * South China University of Technology（华南理工大学） ； The University of Melbourne（墨尔本大学） ； Pazhou Laboratory（帕乔实验室） ； Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出HCPD范式，通过类人类标准探测机制模拟人类评估者的多面推理，结合奖励对齐和多样本聚合，实现零源条件下的有效可解释幻觉检测。
Comments Accepted at ICML 2026
波的语法：通过神经符号VLM智能体实现可解释的多变量时间序列事件检测
机构 * AI Lab, SLB（SLB人工智能实验室） ； Télécom Paris, Institut Polytechnique de Paris, France（巴黎电信学院，巴黎高等理工学院，法国）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出语言引导的时间序列事件检测（TSED）任务，通过事件逻辑树（ELT）将文本描述转化为结构化时序逻辑，并构建神经符号VLM智能体SELA，实现零/少样本事件检测与可解释推理。
Comments 8 pages (main text), 28 pages total including appendix. 9 figures, 7 tables
上下文可逆世界模型：用于结直肠癌药物反应的神经符号智能框架
机构 * School of Electronics, Electrical Engineering and Computer Science（电子工程与计算机科学学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出上下文可逆世界模型（CIWM），结合机器学习模拟器与大语言模型推理层，通过逆推理进行CRISPR扰动，揭示KRAS突变在5-氟尿嘧啶耐药中的主导作用及PIK3CA修复的意外效应。
Mental-R1：面向心理健康评估的对齐LLM推理
机构 * University of Oxford（牛津大学） ； Oxford Suzhou Centre for Advanced Research（牛津大学苏州高等研究院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出认知相对策略优化（CRPO）框架，通过阶段依赖不确定性建模和熵正则化机制，使LLM推理对齐人类认知过程，在8个心理健康数据集上加权F1平均提升10.4个百分点。
WISE：具有Why-Which推理的Minecraft长时域智能体
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出WISE框架，通过因果事件图增强情景记忆并解耦what-where-when与which-why推理，结合机会主义任务调度和多尺度探索，显著提升长时域稀疏任务的成功率和效率。
G-MAPP: 基于GPU加速的多智能体规划与感知用于反应式运动生成
机构 * Department of Electrical, Computer, and Biomedical Engineering, Toronto Metropolitan University（多伦多都会大学电气、计算机与生物医学工程系） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich (TUM)（慕尼黑工业大学慕尼黑机器人与机器智能研究所） ； Institute for Experiential Robotics, Northeastern University（东北大学体验式机器人研究所） ； Idiap Research Institute（Idiap 研究所） ； EPFL（瑞士联邦理工学院洛桑） ； CHART Group at the School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院 CHART 小组） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）
专题命中 规划推理 ：planning(title,abstract)
AI总结 提出GPU加速的框架，通过并行状态探索和紧密耦合感知-动作循环，实现非结构化环境中的实时反应式运动生成，在7自由度机器人上达到5倍加速并成功避障。
Comments The implementation is available at: https://github.com/chart-research/g-mapp
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7516-7523, June 2026
从规划到修订：不同阶段的人工智能写作支持如何改变所有权感
专题命中 规划推理 ：planning(title,abstract)
AI总结 研究AI写作支持在规划、起草和修订阶段对作者所有权感的影响，发现任何AI辅助都会降低所有权感，但规划阶段影响最小，起草阶段影响最大，且AI贡献的文本和想法越多，所有权感越低。
Journal ref In Designing Interactive Systems Conference (DIS 26). June 13-17, 2026, Singapore, Singapore
递归智能体框架
机构 * PricewaterhouseCoopers, U.S.（普华永道（美国））
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.CL
AI总结 提出递归智能体框架（RAH），通过代码优先的框架递归扩展模型递归，在长上下文推理中显著提升编码智能体性能。
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