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。
SIGMA: 搜索增强的按需知识集成用于智能体数学推理
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 提出SIGMA框架，通过多智能体独立推理、定向搜索和协调机制，实现上下文敏感的知识集成，在MATH500等基准上提升7.4%的绝对性能。
Comments AAAI 2026 LMReasoning
超越推理增益：缓解大型推理模型中的通用能力遗忘
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； New York University（纽约大学） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 针对强化学习训练导致推理模型遗忘基础能力的问题，提出RECAP重放策略，通过动态目标重加权在线调整训练重点，在保持通用能力的同时提升推理性能。
超越熵：从令牌级分布偏差中学习以增强LLM推理
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Sichuan University（四川大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对RLVR中令牌更新导致的熵塌陷或爆炸问题，提出ICT框架，利用JS散度识别关键令牌，通过选择性更新平衡策略集中度，提升推理性能。
通过迭代AI推理发现动力学暗能量状态方程的物理引导
专题命中 数学推理 ：reasoning(title,abstract)
AI总结 提出迭代AI推理框架，利用大语言模型生成并优化暗能量状态方程，结合文献检索和自动评估，发现两种新参数化形式，在超新星、重子声学振荡和Planck数据上优于传统模型。
Comments 6 figures, 45 pages, submitted. Code: https://iadev.cbpf.br/labia/cosmoai
VIMPO: 值隐式策略优化用于大语言模型
机构 * UC Berkeley（加州大学伯克利分校） ； Yale University（耶鲁大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出VIMPO方法，通过KL正则化强化学习的最优条件导出策略隐含值函数，无需训练评论家，实现细粒度信用分配，在数学推理基准上优于GRPO。
Science Earth: 迈向面向AI原生科学发现的行星级操作系统
机构 * Department of Pathology, Department of Genetics, Stanford University School of Medicine（病理学系、遗传学系，斯坦福大学医学院） ； Princeton AI Lab, Department of Electrical & Computer Engineering, Princeton University（普林斯顿人工智能实验室、电气与计算机工程系，普林斯顿大学） ； Scripps Research, La Jolla, CA, USA（斯克里普斯研究机构，洛杉矶，加利福尼亚州，美国） ； Division of Biostatistics, Department of Population Health, New York University Grossman School of Medicine（生物统计学部、人口健康系，纽约大学格罗斯曼医学院） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； Department of Computer Science, Yale University（计算机科学系，耶鲁大学） ； Department of Physics, Princeton University（物理系，普林斯顿大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Science Earth行星级科学运行时，通过EACN协议实现AI能力动态连接与自组织协作，在跨太平洋Kuramoto同步研究和单细胞分析中验证了分布式自校正科学推理。
Comments Withdrawn by the authors. (1) The author list and authorship roles had not been finalized and agreed upon by all listed authors prior to submission. (2) The specific contribution of the system in the K3 synchronization example (Section on Kuramoto/nonlinear physics) requires further validation before it can be reported. The authors are addressing both points and may resubmit a corrected version.
MixSD: 混合上下文自蒸馏用于知识注入
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Jinesis Lab, University of Toronto & Vector Institute（Jinesis实验室，多伦多大学及向量研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Princeton University（普林斯顿大学） ； Cornell University（康奈尔大学） ； The University of Tokyo（东京大学） ； RIKEN AIP（日本理化学研究所AIP） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（德国图宾根最大计划智能系统研究所） ； EuroSafeAI
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出MixSD方法，通过混合模型自身条件下的token来实现与模型生成分布对齐的知识注入，从而在保持预训练能力的同时提升事实记忆和推理能力。
太长；没解决
机构 * Instituto Balseiro（巴塞罗那研究所） ； Poindexter Labs（波因迪克斯实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究提示长度和解答长度与大型语言模型在数学问题上的性能关系，发现两者与模型失败率正相关。
模型汤只需一种成分
机构 * EPFL（瑞士联邦理工学院） ； EPFL LTS4（瑞士联邦理工学院 LTS4）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出MonoSoup方法，利用SVD分解单检查点的层更新，通过熵有效秩自动重加权成分，实现强分布内-分布外平衡，无需多检查点。
对抗性同伴下的异构LLM辩论：诚实增益、替代成本与韧性
专题命中 数学推理 ：reasoning(abstract)
AI总结 研究异构LLM辩论中诚实与对抗性同伴对修正行为的影响，发现诚实同伴降低有害修正率，对抗性同伴则逆转，且异构性在已有对手时也能作为防御。
VERITAS：验证器引导的零样本形式定理证明搜索
机构 * Department of Computer Science, Vanderbilt University（范德堡大学计算机科学系） ； Amazon（亚马逊）
专题命中 代码与定理证明 ：verifier(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出VERITAS框架，通过两阶段协议（Best-of-N采样+批评引导MCTS）利用验证器反馈进行零样本定理证明，在miniF2F上达40.6%准确率，并发布组合学基准VERITAS-CombiBench。
RACL：用于连续元启发式学习的推理代理控制层
机构 * Independent Researcher（独立研究者）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出RACL方法，在元启发式优化器之上添加推理代理，通过观察、推理和干预控制搜索行为，在车辆路径问题上平均成本降低0.641%-8.337%。
Comments 10 pages, 5 tables
FM-Agent: 通过基于LLM的Hoare风格推理将形式化方法扩展到大型系统
机构 * Institute of Parallel and Distributed Systems, Shanghai Jiao Tong University（并行与分布式系统研究所，上海交通大学）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出FM-Agent框架，利用LLM自动生成函数级规范，实现大型系统的组合式推理，在143k行代码的系统中2天内发现522个新bug。
基于Lean的过程验证强化学习用于定理证明
机构 * KAIST AI（韩国科学技术院人工智能系）
专题命中 代码与定理证明 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 提出利用Lean证明助手提供过程级验证信号，结合GRPO风格强化学习目标，通过策略级监督提升定理证明性能。
分析大语言模型-求解器循环中的叙述差距
机构 * Eindhoven University of Technology（埃因霍温理工大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 研究LLM与SAT/SMT求解器混合推理中，将求解器输出转化为用户答案的叙述步骤存在的安全漏洞，通过形式化建模和实验评估发现证书门控可保证求解结果正确，但对抗攻击可反转结论。
伪形式化用于自动证明验证
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出了一种名为伪形式化的证明格式，该格式在保持自然语言灵活性的同时，保留了形式证明的模块性和精确性，通过块验证算法实现了对自然语言证明的高效验证，其在错误发现的精度和召回率上优于现有基线方法。
Comments 31 pages, code available at https://github.com/Slim205/pseudo-formalization
面向LLM推理的强化学习感知知识蒸馏
机构 * Meta ； Guo et al. ； Lin et al. ； Xu et al. ； Shao et al. ； Schulman et al. ； Xie et al.
专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI、cs.LG
AI总结 提出RL感知蒸馏（RLAD），通过信任区域比率蒸馏（TRRD）在强化学习后训练中实现选择性模仿，解决分布不匹配和目标干扰问题，在逻辑推理和数学基准上优于现有方法。
QMFOL：通过可量化的一元一阶逻辑测试用例生成来基准测试大语言模型推理
机构 * Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学） ； Hubei University（湖北大学） ； East China Normal University（华东师范大学） ； National University of Singapore（新加坡国立大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出QMFOL框架，通过可控制复杂度的合取/析取模式生成一元一阶逻辑推理任务，并构建包含2880个实例的基准QMFOLBench，评估显示逻辑复杂度增加导致性能下降和计算开销上升。
人类级推理：大型语言模型在逻辑与抽象推理上的比较研究
机构 * Universidade Federal de Santa Catarina（联邦圣卡塔琳娜大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文通过八个定制推理问题比较了多个LLM在逻辑和抽象推理能力上的表现，揭示了模型在推理任务上的差异及不足。
Comments 12 pages
Journal ref Proceedings of the 2026 Computer on the Beach
面向自主AI系统运行时治理的道义策略
机构 * CSEE Department UMBC Baltimore, MD, USA ； Center for AI UMBC Baltimore, MD, USA ； Information Systems Department UMBC Baltimore, MD, USA ； CSAIL MIT Cambridge, MA, USA
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI
AI总结 针对大语言模型驱动的自主AI系统在安全、隐私和合规方面的治理挑战，提出AgenticRei框架，利用基于Rei的道义策略语言（OWL表示）在运行时通过逻辑引擎强制执行义务、豁免、冲突解决等治理约束，并兼容A2AS等标准。
Comments 10 pages, 1 figure. To be published in the 2026 IEEE Symposium on Agentic Services which is part of the IEEE Conference on Web Services
自我偏好在可验证的指令遵循修订中弱或不存在：基于真正作者身份的四模型测试
机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系）
专题命中 逻辑推理 ：verifier(abstract)；分类 cs.CL
AI总结 通过IFEval验证器测试四类中端模型在指令遵循修订中的自我偏好，发现作者拒绝已验证正确编辑的比例与新鲜模型无显著差异，表明自我偏好弱或不存在。
Comments 7 pages, 3 tables. Code and data: https://github.com/williamguey/self-preference-revision
缓解基于LLM的智能体在节能6G自主网络中的锚定偏差
机构 * i2CAT Foundation（i2CAT基金会） ； Universitat Politècnica de Catalunya（政治技术大学） ； Research Institute for Digital Future（数字未来研究院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出一种基于截断三参数威布尔分布的随机锚定策略，缓解LLM智能体在6G网络切片中的锚定偏差，结合CVaR数字孪生保障SLA尾延迟，实现高达25%的节能。
Comments 7 pages, 4 figures
通过知识增强的LLM智能体实现左移高层次综合验证
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 提出一种知识增强的智能体驱动左移验证框架，通过双层级一致性检查、符号执行和HLS验证知识图谱，在综合前自动验证C与HLS-C的功能一致性，覆盖率达98.26%。
MedRLM：用于长上下文临床推理、传感器引导筛查、证据支持决策及社区到三级转诊优化的递归多模态健康智能
机构 * School of Information, Computer ； Communication Technology Sirindhorn International Institute of Technology, Thammasat University Pathum Thani, Thailand 1
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出MedRLM递归多模态健康智能框架，通过递归检查、分解、检索、验证和合成患者信息，协调多个专业代理并引入临床证据图记忆，实现长上下文临床推理和传感器引导筛查。
Comments 9 pages, 3 figures, 3 tables, 1 Algorithm, 29 equations
概念流模型：通过层次瓶颈锚定基于概念的推理
机构 * Fraunhofer Institute for Open Communication Systems（弗劳恩霍夫开放通信系统研究所） ； Freie Universität Berlin（柏林自由大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出概念流模型（CFM），用层次化概念决策树替代扁平瓶颈，通过逐步缩小预测范围减少信息泄露，在保持预测性能的同时提升可解释性。
Journal ref Transaction on Machine Learning Research, 2/2026
AI辅助法律发现中的人机协同编排
机构 * Google LLC（谷歌公司） ； Mountain View, CA, USA（美国加利福尼亚州山景城）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 针对AI代理在电子取证中因多步推理错误导致的法律风险，提出一种四层验证架构，通过人机协同阈值减少特权豁免风险达61%。
AgentFinVQA：一种可部署的多智能体管道用于可审计的金融图表问答
机构 * Vector Institute（向量研究所）
专题命中 规划推理 ：planning(abstract)；verifier(abstract)；分类 cs.CL、cs.AI
AI总结 提出多智能体管道AgentFinVQA，通过分解查询步骤并记录可追溯的模型评估包，在金融图表问答中实现可审计性与本地部署，在FinMME上提升准确率7.68个百分点。
粒度调控的自适应计算效率：测试时扩展中的最优验证
机构 * European University of Tirana（欧洲地拉那大学）
专题命中 规划推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL、cs.LG
AI总结 提出GRACE理论框架，将验证粒度建模为问题难度、验证器准确率和计算预算的函数，证明存在相变：细粒度验证在计算预算大或问题难时占优，粗粒度验证在低预算简单问题时更优，自适应策略可达到计算-性能帕累托前沿。
Agentra: 一种可监督的多智能体企业入侵响应框架
机构 * The University of Alabama, Alabama, USA（阿拉巴马大学） ； Roma Tre University, Rome, Italy（罗马三大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出可监督的多智能体入侵响应框架Agentra，通过角色划分、规划-验证循环、安全网关和风险评分机制，将警报转化为结构化响应计划，在120事件语料上F1从0.61提升至0.84，有害动作率降至0.0%。
增强生成式自动出价：结合离线奖励评估与策略搜索
机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝与天猫集团） ； Department of Automation, Tsinghua University（清华大学自动化系）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 针对现有生成式自动出价方法无法超越静态数据集进行探索的性能瓶颈，提出AIGB-Pearl方法，通过轨迹评估器和KL-Lipschitz约束的分数最大化方案实现安全高效探索，在模拟和真实广告系统中取得最优性能。
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