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。
OmniSpace: 自动驾驶多模态大语言模型的高效几何感知
机构 * University of Arkansas（阿肯色大学） ； Google Research, Google（谷歌研究院） ； University of Liverpool（利物浦大学） ； Max Planck Research School for Intelligent Systems（马克斯·普朗克智能系统研究所）
专题命中 视觉空间推理 ：reasoning(abstract)；planning(abstract)
AI总结 提出OmniSpace，一种即插即用的几何感知范式，通过相机位姿注入器、多视图极线注意力模块和3D几何蒸馏目标，从纯2D观测中提升MLLM的空间推理能力，在多个自动驾驶基准上超越现有方法。
SAGE: 一种用于智能体大语言模型中高效记忆演化的新颖门控机制
机构 * Duke University（杜克大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出SAGE门控机制，基于von Mises-Fisher密度估计和自适应阈值，将记忆写入控制建模为新奇性检测问题，在LoCoMo上以更低成本实现最优token-F1。
抽象表征几何支持大型语言模型中的推理
机构 * College of Future Information Technology, Fudan University（复旦大学未来信息科技学院） ； Beijing National Research Center for Information Science and Technology, Tsinghua University（北京信息科学与技术国家研究中心，清华大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本研究通过文本版情境反转学习范式，比较人类与LLM的行为和表征，发现LLM内部状态在推理时形成类似海马体的抽象几何结构，且该结构分层组织，高层次表征与推理相关。
超越价值基准：通过对称Q分类测量大型语言模型中的价值结构对齐
机构 * TJUNLP Lab, School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院TJUNLP实验室）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出基于Q方法的对称人机评估框架，通过140项道德陈述的强制分布排序，测量LLM价值结构对齐，发现跨家族异质性和局部错位。
Comments 32 pages, 8 figures, 16 tables; accepted to ACL 2026 Main Conference
GEOPHYS: 物理合理性的几何学
机构 * Bielefeld University（比勒费尔德大学） ； University of Oxford（牛津大学） ； Cold Spring Harbor Laboratory（冷泉港实验室） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Independent（独立作者） ； Honda Research Institute EU（本田欧洲研究院） ； New York University（纽约大学） ； Flatiron Institute, Simons Foundation（西蒙斯基金会熨斗研究所）
专题命中 视觉空间推理 ：verifier(abstract)；分类 cs.AI
AI总结 提出GEOPHYS方法，利用冻结图像编码器的每帧嵌入的五个几何特征检测视频中的物理不合理性，在物理违反检测上达到SOTA，并作为验证器提升视频生成模型的物理一致性。
一种融合关系和图表示的IFC模型自然语言查询混合框架
机构 * GRID Lab, School of Built Environment, The University of New South Wales（建筑环境学院，新南威尔士大学GRID实验室） ； School of Civil and Environmental Engineering, The University of New South Wales（土木与环境工程学院，新南威尔士大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出IfcLLM混合框架，通过关系和图表示结合迭代推理，提升非专家用户对IFC模型的自然语言查询能力，并支持常规BIM分析任务。
从像素到概念：利用基础模型构建丰富的3D语义场景图森林
机构 * FZI Research Center for Information Technology（FZI信息技术研究中心） ； Machine Intelligence and Robotics Lab (MaiRo), Karlsruhe Institute for Technology (KIT)（卡尔斯鲁厄理工学院机器智能与机器人实验室）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出利用基础模型构建具有开放语义关系的3D场景图森林，通过VLM和LLM推理抽象概念节点与关系，提升机器人场景理解与任务执行能力。
Comments To be published in the Proceedings of the IEEE/RSJ International Conference on Intelligent Robots & Systems (IEEE IROS 2026)
桥接语义与运动学：零样本机器人操作的模块化框架
机构 * Atlantic Technological University（大西洋理工大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出一种模块化免训练框架，通过视觉感知、语义路由和任务编排三阶段，实现零样本语言引导的机器人操作，在两种零样本实验中达到62%端到端成功率。
Comments Accepted to RO-MAN 2026
三步层次Transformer用于多人轨迹预测
机构 * IMT Nord Europe, University of Lille, CNRS UMR 9189 - CRIStAL（IMT 北欧洲、里尔大学、法国国家科学研究中心 UMR 9189 - CRIStAL） ； University of Lille, CNRS UMR 9189 - CRIStAL（里尔大学、法国国家科学研究中心 UMR 9189 - CRIStAL） ； Explain
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出三步层次Transformer，通过分离时间编码、多模态融合和场景交互推理，在JRDB和城市数据集上达到最先进性能。
RaysUp: 基于几何感知射线表示的超轻量通用特征上采样
机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出RaysUp，一种超轻量、任务无关且VFM无关的特征上采样框架，通过几何感知射线域重建高分辨率特征图，在多种密集预测任务上以16%参数和7倍加速实现最先进性能。
Comments ECCV 2026
从卷积到Transformer：用于脑肿瘤和视网膜血管分割的U-Net变体比较研究
机构 * Mississippi State University（密西西比州立大学） ； The University of Alabama（阿拉巴马大学）
专题命中 视觉空间推理 ：planning(abstract)
AI总结 比较五种U-Net变体（U-Net 3D、Residual U-Net、Attention U-Net、UNETR、Swin UNETR）在脑肿瘤和视网膜血管分割任务上的性能，发现基于Transformer的Swin UNETR在全局上下文建模中表现最佳。
BIT-Nav: 具身导航的脑启发轨迹记忆
机构 * Johns Hopkins University（约翰霍普金斯大学） ； DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出BIT-Nav框架，通过轻量级学习轨迹记忆增强冻结的视觉-语言模型导航，解决长序列中帧采样稀疏问题，以恒定token成本编码结构化运动历史。
Comments Accepted to CVPR 2026: 2nd Workshop on 3D-LLM/VLA: Bridging Language, Vision and Action in 3D Environments
轻量级3D特征预训练：基于2D基础模型的贝叶斯反演
机构 * U2IS, ENSTA – Institut Polytechnique de Paris, Palaiseau, France（U2IS，ENSTA – 巴黎综合理工学院，法国帕莱索） ； Pôle Recherche, Agence Ministérielle pour l’IA de Défense, Palaiseau, France（研究部，国防人工智能部级机构，法国帕莱索）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出Casper3D，一种轻量级概率框架，通过贝叶斯反演将多视图2D基础模型嵌入转换为潜在3D语义表示，实现开放词汇3D理解。
基于语言模型的细粒度人体运动理解
机构 * Delft University of Technology（代尔夫特理工大学） ； Honda Research Institute Japan（日本本田研究所）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出LLM模型\methodname，通过显式时间戳编码和多样化姿态/运动级监督，在多个基准上实现SOTA性能，且仅用2D骨骼输入即可超越3D方法。
PiMiX 2.0: 人工智能增强的放射成像与断层扫描数据融合
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出AI增强的数据融合框架PiMiX 2.0，集成多实验多模态放射成像与断层扫描，支持自动数据摄取、3D/4D重建及物理感知解释，加速数据处理并提升可重复性。
Comments 9 pages, 4 figures, 1 table. Work presented in the 26th Topical Conference on High Temperature Plasma Diagnostics Conference, Cambridge, MA, USA (June 7 - 11, 2026)
G2G：利用组内几何进行组间姿态估计
机构 * State Key Laboratory of Industrial Control and Technology, Zhejiang University（浙江大学工业控制技术国家重点实验室） ； Zhejiang Humanoid Robot Innovation Center Co., Ltd.（浙江人形机器人创新中心有限公司） ； School of Information Science and Engineering, Hangzhou Normal University（杭州师范大学信息科学与工程学院）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 提出G2G方法，通过冻结多视图基础模型并添加三个轻量可训练模块（感知器重采样器、跨组桥接模块和多帧姿态头），仅利用相对姿态监督实现组间6-DoF姿态估计，在四个数据集上达到SOTA。
迷失于体积：CT-SpatialVQA基准用于评估3D医学视觉-语言模型的语义-空间理解
机构 * Mohamed Bin Zayed University of Artificial Intelligence（莫扎德人工智能大学） ； New York University Abu Dhabi（纽约大学阿布扎克分校）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本文提出CT-SpatialVQA基准，评估3D医学视觉-语言模型对3DCT数据的语义-空间理解能力，发现现有模型在语义-空间推理任务中表现不佳，需更深入整合体积证据以确保临床可靠性。
半冰半火驱动的一维修饰$q$态Potts亚铁磁体中的超窄相交叉：一项AI共同主导的探索
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 本研究利用OpenAI的o3-mini-high模型精确解析了一维修饰$q$态Potts亚铁磁体，发现由隐藏的“半冰半火”态驱动的超窄相交叉在$q>2$时仍存在，并揭示了$q>2$时的独特特征，为低维系统中受控快速状态翻转开关的设计提供了通用框架。
Comments The version accepted for publication, with refined introduction and Appendix A. 9 pages, 7 figures. A sequel to arXiv:2502.11270 and arXiv:2503.23758, a precursor to arXiv:2511.06442. The code and data that support the findings of this article are openly available at https://community.wolfram.com/groups/-/m/t/3489942
Journal ref APS Open Sci. 1, 000047 (2026)
SenseExpo: 通过快速预测算子的场景估计进行空间探索与导航
机构 * Tsinghua University（清华大学） ； University of Georgia（佐治亚大学） ； Peking University（北京大学） ； D-Robotics（D-机器人） ； Infinity Robotics（Infinity机器人）
专题命中 视觉空间推理 ：planning(abstract)
AI总结 提出轻量级单机器人探索框架SenseExpo，结合紧凑地图预测网络与前沿策略，以709K参数实现优于U-Net和LaMa的预测性能，并在探索实验中显著加速目标覆盖。
学习何时采样：面向高效链式思维推理的置信度感知选择性采样
机构 * Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Intuit AI Research（Intuit AI研究院）
专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.CL
AI总结 提出置信度感知选择性采样框架，通过分析单条推理轨迹自适应决定是否触发多路径采样，在保持性能的同时显著降低推理成本。
ATLAS：验证器引导的自适应潜在激活引导用于高效LLM推理
机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校）
专题命中 测试时计算 ：reasoning(title,abstract)；verifier(title,abstract)；分类 cs.CL、cs.LG
AI总结 提出ATLAS框架，通过轻量级验证器动态调整推理时潜在状态引导策略，实现每步自适应控制，在数学和编码推理任务上提升准确率并减少测试时token使用。
Comments 21 pages, 6 figures
RLVR 相对于 SFT 在推理模型中的可证明优势：学习高效回溯
机构 * Princeton University（普林斯顿大学） ； University of California, Berkeley（加州大学伯克利分校）
专题命中 测试时计算 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.AI、cs.LG
AI总结 本文从理论上证明，在推理任务中，基于可验证奖励的强化学习（RLVR）相比监督微调（SFT）能学习高效回溯，从而在推理时计算上实现指数级优势。
CalVerT: 通过校准验证器遥测增强智能体在知识密集型任务中的行动与学习
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 测试时计算 ：verifier(title,abstract)；reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出CalVerT方法，通过向智能体状态添加校准的自信心分数和基础验证器分数，减少过度依赖参数知识或冗余检索，提升知识密集型问答的准确性和效率。
Comments Code: https://github.com/ashwinn-v/CalVerT
课程强化学习可以激励LLMs超越基础模型的推理能力
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出边界感知课程强化学习方法，通过定位推理能力边界、针对性教师引导和强化学习巩固，在Qwen、Llama和DeepSeek上同时提升pass@1和pass@256，平均pass@256比基础模型提升9.8个百分点。
神经概念验证器：通过概念编码扩展证明者-验证者博弈
机构 * Zuse Institute Berlin, Germany ； AI \& ML Lab, Computer Science Department, TU Darmstadt ； Hessian Center for AI (hessian.AI) ； Lab1141 ； German Research Center for AI (DFKI) ； Institute of Mathematics, Technische Universit\"at Berlin, Germany ； Max Planck Institute for Informatics, SIC
专题命中 测试时计算 ：verifier(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出神经概念验证器（NCV）框架，结合概念编码与证明者-验证者博弈，实现高维输入的可验证分类，优于传统方法并缓解捷径行为。
Comments 28 pages, 5 figures, 12 tables, revised references. An earlier version of this work was presented at the ICML 2025 Workshop on Actionable Interpretability
SCI-PRM：用于科学推理验证的工具感知过程奖励模型
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Shanghai AI Lab（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Sichuan University（四川大学） ； Tongji University（同济大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对科学推理中工具使用和事实一致性问题，提出Sci-PRM模型，通过构建包含工具链轨迹的数据集SCIPRM70K并训练过程奖励模型，在测试时扩展和强化学习中提供细粒度监督，提升基础模型性能。
Comments Accepted by KDD 2026 AI4Science Track
奖励科学过程：面向代理数据分析的过程级奖励建模
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
专题命中 测试时计算 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出DataPRM，一种环境感知的生成过程奖励模型，通过主动验证和反思意识的三元奖励策略，提升动态数据分析任务中代理的性能，实验表明其在多个基准测试中表现优异。
Comments KDD 2026
跨语言迁移中语言相关性与任务对齐的解耦
机构 * Haverford College（哈弗福德学院） ； Brown University（布朗大学）
专题命中 测试时计算 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI
AI总结 通过微调大语言模型并在闪语族与非闪语族语言上评估零样本阅读理解，发现跨语言迁移主要提升任务格式对齐而非语言特定知识。
边行动边学习：面向在线终身学习智能体的技能增强测试时协同进化框架
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Software Engineering Institute, East China Normal University（东华大学软件工程学院）
专题命中 测试时计算 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI、cs.LG
AI总结 提出LifeSkill框架，通过验证器引导的技能学习和在线技能内化，使LLM智能体在测试时持续内化反馈，提升终身学习性能。
PEAR: 置换等变自适应路由多智能体辩论
机构 * University of Edinburgh（爱丁堡大学） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出PEAR协议，通过动态重配置通信角色和稀疏拓扑，消除固定拓扑中的位置偏差，提升多智能体辩论的准确性和鲁棒性。
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