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。
认知增益，偶然成本：多智能体辩论中的不确定性分解用于数学推理
专题命中 数学推理 ：reasoning(title,abstract)；math reasoning(title)
AI总结 本文提出贝叶斯不确定性分析框架，将多智能体辩论中的预测不确定性分解为认知不确定性和偶然不确定性，并设计不确定性引导的多智能体强化学习算法，在控制偶然成本的同时提升认知增益，从而提高推理准确性和辩论效率。
Comments ICML2026
信任区域在线策略蒸馏
机构 * Samsung Research（三星研究院） ； University of Oxford（牛津大学） ； Peking University（北京大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 提出信任区域在线策略蒸馏（TrOPD），通过信用分配策略和信任区域学习解决师生分布差异导致的训练不稳定问题，在数学推理、代码生成和通用基准上超越现有方法。
Hilbert-Geo：通过神经符号推理解决立体几何问题
机构 * Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Ricoh Software Research Center Beijing Co.,Ltd（Ricoh 软件研究中心北京有限公司）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 提出Hilbert-Geo框架和Parse2Reason方法，利用条件描述语言和定理库实现立体几何问题的严格推理，在SolidFGeo2k和MathVerse-Solid上达到SOTA性能。
Comments Computer Vision and Pattern Recognition (CVPR), 2026
ActMem：弥合LLM代理中记忆检索与推理之间的差距
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； Alibaba Group, Hangzhou, China（阿里巴巴集团，杭州，中国） ； National Institute of Healthcare Data Science, Nanjing University, China（南京大学健康数据科学国家研究院）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 提出ActMem框架，通过将非结构化对话历史转化为结构化因果语义图，结合反事实推理和常识补全，实现主动因果推理，显著提升LLM代理在复杂记忆依赖任务中的表现。
大型语言模型代理中行为智能的结构化认知循环（扩展修订：从行为架构到认知问责）
机构 * JEI University（JEI大学）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 提出结构化认知循环（SCL）架构，通过分离认知、记忆、控制和行动模块，实现LLM代理的可问责行为，在360个任务中成功率86.3%，优于基线方法。
Comments This revised version extends the original SCL framework from a behavioral architecture for reliable LLM agents into a broader architecture of epistemic accountability, integrating context-aware Human-in-the-Loop control, Pool-Gated Retrieval, and the Horizon-Warrant-Commitment structure
超越线性可分上限：对齐视觉-语言模型中的表征
机构 * Applied Artificial Intelligence Group（应用人工智能小组） ； Tallinn University of Technology（塔林技术大学）
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 提出线性可分上限（LSC）诊断框架，发现VLM存在对齐差距，并通过对比目标重塑视觉流形，使模型在抽象组合推理任务上显著超越LSC。
Comments Accepted TMLR
LLM进化的符号AI规划领域无关启发式
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 本文使用进化搜索让大语言模型生成领域无关的启发式函数，在未见测试域上超越手工最优启发式，并首次系统评估了启发式的信息性-速度权衡。
Comments Accepted at the LM4Plan workshop at ICAPS 2026
PosterForest: 用于科学海报生成的分层多智能体协作
机构 * Graduate School of Artificial Intelligence, KAIST（韩国釜山国立大学人工智能研究生院） ； School of Integrated Technology, Yonsei University（延世大学整合技术学院）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出PosterForest，一种无需训练的科学海报生成框架，通过Poster Tree分层表示文档结构，并利用内容与布局智能体进行分层推理与递归优化，实现内容与布局的联合优化，提升语义连贯性、逻辑流畅性和视觉平衡。
Comments ACL 2026
CAMEO: 一种条件感知与质量驱动的多智能体图像编辑编排器
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shenzhen University（深圳大学） ； Claremont McKenna College（克莱蒙特麦肯纳学院） ； Research Institute of Petroleum Exploration and Development, CNPC（石油勘探开发研究院，中石油）
专题命中 规划推理 ：planning(abstract)
AI总结 提出CAMEO多智能体框架，将条件图像编辑重构为质量感知的反馈驱动过程，通过分解编辑阶段、嵌入评估循环，在异常插入和人体姿态切换任务中平均胜率提升20%。
SkillRevise: 通过轨迹条件技能修订改进LLM撰写的智能体技能
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanjing University（南京大学） ； The University of Hong Kong（香港大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 提出SkillRevise框架，通过执行证据诊断、修复原则检索和执行锚定编辑，迭代优化初始技能，在SkillsBench上将基础智能体成功率从36.05%提升至61.63%，并展现跨模型迁移性。
Comments 15 pages, 4 figures
图任务算法推理中Transformer的深度-宽度权衡
机构 * Courant Institute of Mathematical Sciences, New York University（纽约大学应用数学科学研究所） ； Google Research（谷歌研究） ； Meta AI ； Bar-Ilan University（巴伊兰大学） ； Department of Bio-Medical Engineering, Edmond J. Safra Center for Bioinformatics, Tel-Aviv University（生物医学工程系，埃德蒙·J·萨法中心，特拉维夫大学） ； Tel Aviv University（特拉维夫大学）
专题命中 复杂问题求解 ：reasoning(title)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究Transformer在图算法任务中深度与宽度的权衡，发现线性宽度下常数深度足以解决许多图问题，而某些问题需要二次宽度，实验验证了宽模型在保持精度的同时训练和推理更快。
Comments Updated ISF grant number
使用大型语言模型通过计算物理论文分析计算思维中的参与度
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 本研究利用多模态大型语言模型自动评估100篇学生计算物理论文中的计算思维参与度，在明确子任务上达到84%的准确率，但主观整体质量评估准确率仅71%。
Comments 13 pages, 3 figures, 3 tables. Submitted to Physical Review Physics Education Research
FinSTaR：面向时间序列推理模型的金融推理
机构 * LG AI Research（LG人工智能研究）
专题命中 推理评测 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI、cs.LG
AI总结 针对时间序列推理模型在金融领域的失效问题，提出基于2x2能力分类法的FinSTaR模型，通过Compute-in-CoT和Scenario-Aware CoT策略在FinTSR-Bench基准上达到78.9%平均准确率。
Comments KDD Workshop on SciSoc Agents & LLMs 2026 (Oral Presentation)
TopBench：表格问答中隐式预测推理的基准
机构 * School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国） ； National Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出TopBench基准，包含779个样本和四个子任务，评估大语言模型在表格问答中识别隐式预测意图并进行可靠推理的能力，发现当前模型在意图识别上存在困难。
大型音频语言模型中的忠实性研究
机构 * Concordia University（康科迪亚大学） ； Mila - Quebec AI Institute（魁北克人工智能研究院） ； Université Laval（拉瓦尔大学） ； Birla Institute of Technology and Science, Pilani（比拉理工学院和科学学院，皮兰尼）
专题命中 推理评测 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.LG
AI总结 提出系统框架评估大型音频语言模型在推理链忠实性上的表现，定义三个音频忠实性标准，并通过基准测试发现模型推理与音频输入存在脱节。
Comments Accepted to Interspeech 2026
个性化陷阱：用户记忆如何改变大语言模型的情感推理
机构 * Amazon（亚马逊）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 研究用户记忆如何导致大语言模型在情感推理中产生系统性偏差，发现高绩效模型对优势背景用户的情感解读更准确，个性化机制可能嵌入社会等级。
Comments 19 pages 5 figures
PolyBench：多声部音频中组合推理的基准测试
机构 * Harbin University of Science and Technology（哈尔滨理工大学） ； The University of Melbourne（墨尔本大学） ； KAIST（韩国成均馆大学） ； University of Surrey（萨里大学）
专题命中 推理评测 ：reasoning(title,abstract)
AI总结 针对多声部音频中组合推理评估缺失的问题，提出PolyBench基准，包含计数、分类、检测、并发和时长估计五个子集，评估发现现有大音频语言模型在多声部场景下性能持续下降。
Comments Accepted by INTERSPEECH 2026
SciHorizon-GENE：从基因知识到功能理解的生命科学推理基准测试
机构 * Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of the Chinese Academy of Sciences（中国科学院大学） ； DUKE-NUS Medical School, National University of Singapore（新加坡国立大学杜克-新加坡医学学校） ； Singapore Immunology Network, Agency for Science, Technology and Research（新加坡免疫网络，科技研究局）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 针对大语言模型在基因级推理能力上的不足，构建了包含超过19万个人类基因和54万问题的基准SciHorizon-GENE，从研究关注敏感性、幻觉倾向、答案完整性和文献影响力四个生物学关键维度评估模型，揭示了模型在生成忠实、完整且基于文献的功能解释方面的持续挑战。
Comments Accepted by SIGKDD 2026. 12 pages
ASyMOB：代数符号数学运算基准
机构 * MIT（麻省理工学院） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出ASyMOB基准，包含35,368个符号数学问题，通过扰动测试揭示大模型在符号数学推理中的鲁棒性不足，并发现LLM与CAS的互补潜力。
Comments Published in ICML2026: https://icml.cc/virtual/2026/poster/63549 Code repository: https://github.com/RamanujanMachine/ASyMOB Complete benchmark dataset: https://huggingface.co/datasets/Shalyt/ASyMOB-Algebraic_Symbolic_Mathematical_Operations_Benchmark
FutureOmni：从全模态上下文中评估多模态大语言模型的未来预测能力
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； National University of Singapore（新加坡国立大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 提出FutureOmni基准，评估多模态大模型从音视频线索预测未来的能力，发现现有模型在语音密集场景下表现差，并设计OFF训练策略提升性能。
Comments Accepted by ICML 2026
UniECG: 在一个统一模型中理解与生成心电图
机构 * Peking University（北京大学） ； Shanghai Ocean University（上海海洋大学） ； the Second Hospital of Tianjin Medical University（天津医科大学第二医院） ； National University of Singapore（新加坡国立大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 提出UniECG模型，通过两阶段设计实现心电图信号/图像生成解释性文本及根据文本目标生成对应心电图信号，支持交互式心电图教育。
E-VAds：面向多模态大语言模型的电商短视频理解基准
机构 * Alimama Tech, Taobao \& Tmail Group of Alibaba ； Huazhong University of Science ； Vin University
专题命中 推理评测 ：reasoning(abstract)
AI总结 提出电商短视频理解基准E-VAds，通过多模态信息密度评估框架量化领域复杂性，并构建多智能体生成的问答数据集，最后开发基于强化学习的推理模型E-VAds-R1，在商业意图推理上实现109.2%的性能提升。
Comments Accepted by ICML2026
TWICE：通过事件驱动代理建模个性化用户行为的时间演化
专题命中 推理评测 ：planning(abstract)
AI总结 提出TWICE框架，结合结构化用户画像、事件驱动记忆模块和两阶段工作流，利用LLM模拟用户行为的时间演化，在Twitter数据集上优于基线。
图并非保密：对防御图RAG的实用子图重构攻击
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出GRASP攻击，通过多轮查询从防御的图RAG系统中重构子图，达到82.9 F1，并评估防御措施。
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