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。
基于开放视觉语言模型的空间问答与导航的二值追踪
机构 * RGA Inc.（RGA公司）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出BinTrack，一种全开源的空间定位代理，通过二值搜索轨迹段，在SpaceLocQA基准上准确率提升22.8%，推理速度提升1.5倍，并发布多行程室外数据集GangnamLoop。
Comments 21 pages, 4 figures, 15 tables. Project page: https://ndb796.github.io/BinaryTracking ; Code and dataset: https://github.com/ndb796/BinaryTracking
流式视频模型应该记住什么？
机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； University of California, Merced（加州大学默塞德分校） ； The University of Queensland（昆士兰大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对流式视频理解中固定记忆预算下的长程历史利用问题，提出选择性潜在记忆框架SelectStream，通过惊喜驱动自适应窗口、优先级保持合并和查询条件图推理三个机制，实现高效在线推理，在多个基准上取得领先性能。
视觉锚定思维
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出视觉锚定思维方法，让视觉语言模型在推理时交替生成自然语言和视觉锚点（点或框），并通过合成数据管道和锚定感知强化学习训练，在计数和空间推理任务上显著提升性能。
强制延迟：在多模态大语言模型级联中操纵路由决策
机构 * Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出强制延迟攻击（FDA），通过对抗性图像攻击降低弱模型置信度，迫使级联系统将查询路由到强模型，揭示了MLLM级联在计算分配上的安全漏洞。
自主智能体导航中学习非线性模型预测控制的贝叶斯优化
机构 * Talos Robotics AI
专题命中 视觉空间推理 ：planning(abstract)；分类 cs.LG
AI总结 提出一种无地图框架，结合滚动时域规划与非线性MPC，利用贝叶斯优化自动调参，在仿真和实物四足机器人上实现高效导航。
Comments Published at the IEEE ICRA 2026 Xplore Workshop (Oral), Cross-Disciplinary aspects of Exploration in Robotics, Reinforcement Learning, and Search
人类增强循环建模（HELM）：基于智能体的混凝土桥梁护栏有限元建模
机构 * College of Civil Engineering, Hunan University（湖南大学土木工程学院） ； Department of Civil and Architectural Engineering, University of Miami（迈阿密大学土木与建筑系） ； School of Architecture, University of Miami（迈阿密大学建筑学院）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出HELM框架，通过人机协作将有限元建模分解为可验证的检查点，在MASH TL-4和TL-5条件下将自主建模成功率从20%提升至75%。
对象标记作为机器人手术中分割与视觉问答的桥梁
机构 * Department of Biomedical Engineering, Eindhoven University of Technology（埃因霍温理工大学生物医学工程系） ； Department of Electrical Engineering, Eindhoven University of Technology（埃因霍温理工大学电气工程系） ； Department of Surgery, University Medical Center Utrecht（乌得勒支大学医学中心外科）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出统一框架，联合像素级分割与视觉问答，通过VLM生成对象标记引导答案预测和分割掩码，在RAMIE和EndoVis18数据集上优于基线方法。
自监督单目视频深度估计的3D一致性优化
机构 * Fudan University（复旦大学） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出一种将视频深度估计转化为多视图3D重建的框架，通过光度渲染、世界坐标对齐和多尺度时间梯度一致性约束，实现全局3D结构一致性，在自监督和零样本临床场景中达到最先进的空间精度。
MamBOA：用于视频识别的状态空间架构
机构 * Ankara Medipol University（安卡拉梅迪波尔大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出MamBOA框架，通过交错扫描结构将选择性状态空间递归(S6)作为运动合成器，从骨干网络提取的连续特征中编码运动，实现细粒度动作识别的高效时序建模。
Comments 15 pages, 7 figures. Codes available at [https://github.com/BOA-clk/MamBOA]
WAM-Nav：面向统一视觉导航的非对称潜在世界-动作建模
机构 * Nanjing University（南京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； FiveAges ； National University of Defense Technology（国防科技大学） ； Tsinghua University（清华大学） ； GigaAI
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出WAM-Nav，一种联合学习动作生成与潜在视觉预测的非对称扩散Transformer模型，通过共享扩散Transformer实现长时程动作与短时程视觉预测的联合扩散，并引入双流上下文条件机制和目标对齐模块，在统一策略下支持图像目标、点目标和无目标导航，在ClutterScenes和InternScenes基准上分别提升15.7%和3.3%的成功率，并在真实环境中实现85%的任务成功率。
当进一步推理无益时停止：推理模型中的注意力状态自适应生成
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Ubiquitous Intelligence and Trusted Services Key Laboratory of Sichuan Province（四川省 ubiquitous 智能与可信服务重点实验室）
专题命中 测试时计算 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；test-time compute(abstract)
AI总结 针对大型推理模型过度思考导致冗余和准确率下降的问题，提出无需训练的注意力状态自适应生成方法ASAG，通过推断推理状态动态调整生成策略，在多个基准上平均准确率提升3.2%，生成token减少近40%。
Comments ICML 2026 Spotlight
从最小标签扩展LLM推理：一种带有轻量级验证器的半监督框架
机构 * Fujitsu Limited（富士通株式会社） ； Kyoto University（京都大学） ； National Institute of Informatics（国立信息学研究所）
专题命中 测试时计算 ：reasoning(title,abstract)；verifier(title)；分类 cs.CL、cs.AI
AI总结 提出半监督框架，用轻量级推理正确性分类器和熵过滤从少量标注数据生成高质量伪推理链，在数学和视觉问答任务上达到10-15倍标注数据效果。
Comments LREC 2026. Section 3.3 is updated
UniT：统一多模态思维链测试时扩展
机构 * Stanford University（斯坦福大学） ； Meta Superintelligence Labs（Meta超级智能实验室） ； Nanyang Technological University（南洋理工大学）
专题命中 测试时计算 ：chain-of-thought(title,abstract)；reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出UniT框架，通过多轮推理、验证和细化实现统一多模态模型的测试时扩展，实验表明短推理轨迹可泛化到长链，顺序思维链比并行采样更高效。
Comments CVPR 2026
基于深度条件循环Transformer的ASR测试时计算缩放
机构 * Idiap Research Institute（Idiap研究 institute） ； EPFL（瑞士联邦理工学院） ； BUT（布拉格技术大学） ； Novartis Institute of Biomedical Research（诺华生物医学研究 institute）
专题命中 测试时计算 ：test-time compute(title,abstract)；reasoning(abstract)；分类 cs.LG
AI总结 提出LARM模型，通过深度条件循环Transformer将循环编码器深度变为可控的测试时计算轴，结合稀疏CTC检查点、监督时钟嵌入、FiLM深度条件和延迟软后验反馈，在LibriSpeech上随推理循环次数增加提升WER，实现测试时计算缩放从自回归语言模型推理扩展到连续非自回归语音识别。
无信号下的选择，通过表达恢复：冻结小代码模型的事后伪造操作符的测量研究
机构 * PythaLab, Yıldız Technical University, Istanbul, Turkey（Pytha实验室，伊兹密尔技术大学，伊斯坦布尔，土耳其）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本研究测量了冻结小代码模型的事后语义操作符（如选择、验证、修复）的有效性，发现它们均未优于Best-of-N，并揭示了覆盖墙、能力剪刀和共识陷阱等机制原因；而表达层恢复（M1）通过鲁棒提取和签名对齐提升了准确率。
Comments 33 pages, 4 figures, 8 tables
为什么采样不是选择：大语言模型中的意向性、能动性与道德责任
机构 * Joseph Keshet（约瑟夫·凯舍特）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文论证大语言模型不具备道德责任所需的承诺性能动性，其输出源于概率映射而非内在意向性，随机采样不等于选择。
模型知晓，解码器发现：未来价值引导的粒子力量采样
机构 * Huawei Heisenberg Research Center（华为海森堡研究中心） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； UCL Centre for Artificial Intelligence（伦敦大学学院人工智能中心）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出APPS算法，通过块状粒子方法高效定位LLM的多步解，提升推理准确率与运行效率，减少对训练数据的依赖。
AgentFairBench: LLM智能体在行动时是否存在歧视？
机构 * Florida International University（佛罗里达国际大学） ； Boston University（波士顿大学） ； Department of Computer Science and Engineering, Indian Institute of Technology Patna（印度帕纳吉印度理工学院计算机科学与工程系）
专题命中 测试时计算 ：chain-of-thought(abstract)；分类 cs.AI
AI总结 提出AgentFairBench基准，通过反事实匹配集和偏差传导框架，评估LLM智能体在招聘、贷款和医疗分诊中的行动公平性，发现统计量级不匹配会夸大歧视，而匹配后Claude Haiku无显著人口统计效应。
Comments Submitted to IEEE Access
Journal ref Under Review (2026)
代码编辑的不完美视觉验证：以TikZ为例的案例研究
机构 * Univ Rennes, Inria, IRISA, INSA（里昂大学、Inria、IRISA、INSA） ； Univ Rennes, Inria, CNRS, IUF, IRISA（里昂大学、Inria、CNRS、IUF、IRISA） ； Univ Rennes, Inria, CNRS, IRISA（里昂大学、Inria、CNRS、IRISA） ； Univ. Lille, CNRS, Inria（里尔大学、CNRS、Inria） ； Univ. Rennes, IRISA, Inria（里昂大学、IRISA、Inria）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 针对TikZ等视觉代码定制任务，研究不完美验证器在迭代精炼中的有效性，发现即使不完美验证器也能适度准确判断指令是否应用，反馈对弱模型提升显著。
Minecraft中时间敏感互补协作的多智能体框架
机构 * Microsoft Research Asia（微软亚洲研究院）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 提出TickingCollabBench基准和TickingCollab框架，用于评估LLM在动态、实时、异构智能体强制协作任务中的表现，发现LLM因延迟和协调困难而频繁失败。
LLM Jaggedness Unlocks Scientific Creativity
机构 * Center for Functional Nanomaterials, Brookhaven National Laboratory（功能纳米材料中心，布鲁赫萨尔国家实验室）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI
AI总结 本文研究了大型语言模型（LLMs）在科学创意生成中的不规则进步现象，提出了SciAidanBench基准测试集，通过评估不同模型在科学问题上的创意生成能力，揭示了模型在跨任务、提示和领域层面的不均衡表现，并展示了如何通过推理计算、知识聚合和头脑风暴等机制利用这种不规则性来提升科学创造力。
基于分歧的跨模型路由用于隐式视频问答
机构 * Independent Researcher（独立研究员）
专题命中 测试时计算 ：reasoning(abstract)
AI总结 针对隐式视频问答中单模型精度瓶颈和自一致性策略失效问题，提出无标签无训练的分歧驱动跨模型路由方法，将分歧样本路由至第二模型，在ImplicitQA基准上提升平均准确率1.43%。
ttda704 at SemEval-2026 Task 6: 用于政治回避检测的结构化思维链提示
机构 * University of Information Technology, Ho Chi Minh City, Vietnam（胡志明市信息技术大学） ； Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学胡志明市分校）
专题命中 复杂问题求解 ：chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL
AI总结 针对总统访谈中政治回避策略分类任务，比较QLoRA微调Qwen3与结构化思维链提示DeepSeek-V3.2/Grok-4-Fast，发现后者在Macro F1上显著更优，最佳系统在9类回避任务上Macro F1达0.5147。
通过自增强微调在Text-to-SQL中整合推理与泛化
机构 * Central South University（中南大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） ； McGill University（麦吉尔大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.AI
AI总结 提出CoTE-SQL方法，通过自增强推理轨迹、结构化思维链提示和错误感知修正，在开源LLM上实现Bird和Spider基准的最优性能。
Comments 14 pages, 13 figures, 7 tables
组合推理深度预测临床AI失败：与电子健康记录问答中Transformer组合性限制一致的实证证据
机构 * University of California San Francisco（加州大学旧金山分校） ； Waymark
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本研究引入推理步数（hop count）作为预测大型语言模型在电子健康记录问答中失败的理论驱动指标，发现准确率随步数增加单调下降，且扩展思考未能显著改善，提示组合推理深度是跨架构的失败预测因子。
Comments 20 pages, 5 figures. Code: https://github.com/sanjaybasu/compositional-depth-clinical-ehr
自适应且显式安全：触发大型推理模型中的潜在安全意识
机构 * The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全全国重点实验室） ； Hangzhou HighTech Zone (Binjiang) Blockchain and Data Security Research Institute, China（杭州高新区（滨江）区块链与数据安全研究院） ； Li Auto Inc.（理想汽车） ； Tsinghua University（清华大学） ； King Abdullah University Of Science And Technology（阿卜杜拉国王科技大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对大型推理模型易受越狱攻击的问题，提出Safe Trigger方法，通过SFT显式诱导安全标签触发安全分析，并用DPO优化，显著降低攻击成功率而不影响通用性能。
HCP-MAD：用于高效多智能体辩论的异构共识渐进推理
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出HCP-MAD框架，通过异构共识验证和自适应停止机制，在保持准确率的同时大幅降低多智能体辩论的token成本。
编辑知识，而不仅仅是事实：基于背景故事的多步推理
机构 * Aalto University（阿莱大学） ； Amazon.com（亚马逊公司） ； System 2 AI（系统2人工智能）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出将知识更新视为推理问题，通过背景故事引入新知识、自生成多跳问题训练和知识蒸馏，使模型在多步推理中灵活运用新信息。
Comments Under review
多智能体优势的错觉
机构 * Salesforce Research（Salesforce研究院） ； HKUST (Guangzhou)（香港科技大学（广州）） ； University of British Columbia（不列颠哥伦比亚大学） ； Nanyang Technological University（南洋理工大学）
专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI
AI总结 通过系统评估，发现自动生成的多智能体系统在性能和成本效率上均不如单智能体基线（如思维链自一致性），揭示了现有评估框架的缺陷和架构膨胀问题。
自问式视觉语言模型：用于组合视觉推理的强化学习
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 复杂问题求解 ：reasoning(title,abstract)
AI总结 提出自问式框架，通过GRPO强化学习训练VLM自动分解问题并回答子问题，提升组合视觉推理能力，在CLEVR和A-OKVQA上验证有效性。
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