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。
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。
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。
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
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。
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
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
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
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。
医学影像AI中的幻觉：跨模态分析框架用于分类、检测与监管约束下的缓解
机构 * King Fahd University of Petroleum & Minerals, Saudi Arabia（沙特阿拉伯法赫德国王石油矿产大学） ； SDAIA-KFUPM Joint Research Center for Artificial Intelligence, Saudi Arabia（沙特阿拉伯SDAIA-KFUPM人工智能联合研究中心）
专题命中 规划推理 ：chain-of-thought(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出跨模态分析框架，统一五种影像模态的幻觉分类、检测与缓解策略，发现通用基础模型在幻觉基准上优于医学专用模型，并映射到FDA全生命周期监管。
世界模型与物理AI教程
机构 * Department of Computer Science and Artificial Intelligence/CAIIT, Jeonju, Jeonbuk, South Korea（韩国全北全州计算机科学与人工智能系/CAIIT）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文提出统一框架，区分显式与隐式世界模型，并探讨其在机器人、自动驾驶等物理AI领域的应用，以及迈向通用人工智能的挑战。
SPARC：来自机器人演示的可靠空间标注
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； NVIDIA（英伟达） ； Robotics Institute Germany（德国机器人研究所）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)
AI总结 提出SPARC框架，利用机器人任务的时空结构生成可靠性评分，自动标注演示中的空间信息，减少噪声标签并保留更多有用样本，在物体定位基准上优于纯检测基线。
Y-BotFrame：一种用于四足机器人助手的可扩展具身智能体框架
机构 * Xidian University（西安电子科技大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)
AI总结 提出Y-BotFrame框架，集成多模态感知与大语言模型认知核心，将自然语言指令映射为可执行任务单元，实现无遥控器的人机协作，支持模块化扩展。
定位语言模型中的锚定路径
机构 * University of Maryland, College Park（马里兰大学帕克分校）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 研究提示中无关数字如何影响语言模型数值推理的锚定效应，通过logit差值度量和电路归因定位，发现边级方法优于节点级方法，并揭示锚定路径的共享与迁移特性。
ProPlay: 用于自我进化LLM智能体的程序化世界模型
机构 * University of Notre Dame（圣母大学） ； University of Connecticut（康涅狄格大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.LG
AI总结 提出ProPlay程序化世界模型，通过程序级预演和因果过程图，使LLM智能体在部分可观测环境中自我进化，无需外部监督。
本体感觉-视觉对应使能人形机器人的自我-他人区分
机构 * Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； East China Normal University（华东师范大学） ； Ningbo Institute of Digital Twin（宁波数字孪生研究院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出通过本体感觉与视觉的对应学习自我-他人区分，无需身份标签或运动学模型，并建立预测性自我模型，支持目标到达、碰撞感知运动规划和运动重定向。
Comments 23 pages, 9 figures, 1 supplementary table
EvoBrowseComp: 基于演化知识的搜索智能体基准测试
机构 * Northeastern University, China（东北大学（中国）） ； Weixin AI, Tencent Inc, China（腾讯微信AI（中国））
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出EvoBrowseComp，一个通过实时网络遍历自动生成400道英文和400道中文无污染复杂问题的演化基准，用于评估搜索智能体在动态知识环境中的真实浏览能力。
Comments 14 pages, under review
（人类的）注意力（仍然）就是一切：人类监督使AI辅助的社会科学变得可靠
机构 * China Agricultural University（中国农业大学） ； University of Cambridge（剑桥大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出人机协同决策架构HLER，通过预承诺、决策排序、问责和注意力分配，将AI辅助研究的失败率从72%降至16%。
EWAM：一种用于具身智能闭环在线自适应的增强世界动作模型
机构 * Astronex Robotics ； Nanjing University of Information Science and Technology（南京信息工程大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出EWAM架构，基于冻结的Cosmos3骨干网络，通过四个轻量级神经层实现零样本在线自适应，无需微调或额外演示数据，显著减少新任务布局的部署数据需求。
立场：生成式引擎优化带来未被充分研究的风险，治理必须聚焦于集中化、披露和学术盲点
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文分析从搜索引擎优化到生成式引擎优化的转变，识别出集中化影响、未披露的商业影响和学术-工业盲点三大风险，主张答案级别的治理与测量。
Comments This paper is accepted by the ICML 2026 Position Track
Journal ref https://icml.cc/virtual/2026/poster/67185
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