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。
扩散语言模型：一项实验分析
机构 * University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学） ； University of Pisa（比萨大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文系统比较了八种扩散语言模型在推理、编码、翻译等任务上的表现，分析了去噪步数、上下文长度等推理因素对性能与效率的影响，揭示了扩散语言模型在不同任务和预算下的权衡。
贝叶斯深度学习中的校准无采样不确定性估计
机构 * TU Darmstadt & hessian.AI, Darmstadt, Germany（达姆施塔特工业大学 & hessian.AI，德国达姆施塔特） ； RIKEN Center for Advanced Intelligence Project, Tokyo, Japan（日本理化学研究所革新智能研究中心，日本东京）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出校准方差传播（CVP），通过新型归一化层传播方法、激活函数处理技术及轻量校准步骤，在单次前向传播中高效估计不确定性，在Transformer和CNN上达到与MC采样相当的精度，成本显著降低。
Tmax: 终端智能体的简单配方
机构 * Allen Institute for AI（人工智能研究院） ； University of Washington（华盛顿大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL
AI总结 提出Tmax配方，通过新颖分类法生成数据并结合结果奖励的强化学习，在9B参数下达到27%的Terminal-Bench 2.0性能，超越先前更大模型。
Comments preprint
主动推理作为物理AI代理的测试时缩放定律
机构 * Bradley Department of Electrical and Computer Engineering（布拉德利电气与计算机工程系） ； Institute for Advanced Computing（先进计算研究所） ； Virginia Tech（弗吉尼亚理工大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Worcester Polytechnic Institute（沃思堡理工学院） ； Khalifa University of Science and Technology（卡利法科学与技术大学） ； CentraleSupelec（中央超导研究所） ； University Paris Saclay（巴黎萨克雷大学） ； Queen Square Institute of Neurology（伦敦大学学院神经科学研究所） ； School of Psychological Sciences（心理学系） ； Monash University（莫纳什大学） ； CIFAR Global Scholars Program（CIFAR全球学者计划） ； Queen Square Institute of Neurology, University College London（伦敦大学学院神经科学研究所）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI
AI总结 提出基于主动推理第一性原理的测试时缩放定律，使物理AI代理通过世界模型推理在非平稳环境中泛化，并利用变分推理更新策略，在自动驾驶任务中提升36%以上推理效率。
Comments 53 pages, 13 figures
基于公式驱动的在线策略蒸馏综述与研究议程
机构 * Tsinghua University（清华大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 本文提出一种公式驱动的分类法，将在线策略蒸馏（OPD）视为反馈到更新的问题，区分直接分布损失和策略梯度式对数比更新，并揭示状态兼容性、支持构建、时间信用、词汇路由等关键因素。
以合适的速度学习：自适应数据调度改进大语言模型强化学习
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Rice University（莱斯大学） ； University of Haifa（海法大学） ； Workato ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL
AI总结 针对LLM强化学习后训练中均匀采样忽视数据语义和策略变化的问题，提出自适应数据调度框架ADS，通过语义聚类和策略边界样本选择实现双层级调度，在三个LLM和七个推理基准上平均准确率提升5.2%。
SPOT-E：基于视觉聚光灯的冻结VLM测试时熵整形
机构 * National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Technical University of Munich（慕尼黑工业大学） ； Sagenic Tech ； Zhejiang University（浙江大学） ； vivo ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI
AI总结 提出SPOT-E方法，通过测试时熵整形和视觉聚光灯，解决VLM在证据密集型任务中因忽视局部关键证据而表现不佳的问题，无需重新训练即可提升定位与鲁棒性。
基于VLM的医学图像分布外检测的Wasserstein对齐定位
机构 * Department of Computing, Imperial College London, UK（伦敦帝国理工学院计算机系） ； Technical University Munich, DE（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML), DE（慕尼黑机器学习中心（MCML））
专题命中 测试时计算 ：reasoning(abstract)
AI总结 提出WALDO框架，利用最优传输理论通过熵加权切片Wasserstein距离、Goldilocks区域采样和自一致性聚合实现零样本异常定位，在NOVA脑MRI基准上mAP@30达43.5%，相对提升19%。
Comments submitted to MICCAI 2026
新晶体结构隐藏于眼前：AI引导材料发现的压力测试
专题命中 测试时计算 ：reasoning(abstract)
AI总结 通过实验合成发现GdNiSn4和LuNiSn4具有前所未有的结构类型，并以此测试两种生成式AI模型，发现它们无法在容忍度内重现该结构，表明编码化学推理（如已知基元堆叠）是AI发现结构新颖材料的具体路径。
去噪迭代自校正：用于可靠LLM推理的结构化验证循环
机构 * Thomson Reuters Labs（汤森路透实验室）
专题命中 复杂问题求解 ：reasoning(title,abstract)；self-correction(title,abstract)；verifier(abstract)；分类 cs.CL、cs.AI
AI总结 提出DISC方法，通过将验证输出视为噪声测量，在多次验证-判断-校正循环中逐步减少推理错误，并引入二元判断门控机制防止破坏正确答案，在三个基准上优于现有方法。
内在自我纠正何时有效？一项任务敏感分析
机构 * Bar-Ilan University（巴伊兰大学） ； Independent Researcher（独立研究员）
专题命中 复杂问题求解 ：self-correction(title,abstract)；reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本研究采用任务敏感视角分析内在自我纠正（SC），发现当任务结构支持验证约束、重新审视推理或提供第二意见时，SC能带来一致性能提升，表明其有效性取决于任务类型。
HPP：通过解耦感知与推理的分层程序化探测用于长视频理解
机构 * Queen’s University Belfast（贝尔法斯特女王大学） ； AMD（AMD公司） ； Queen Mary University of London（伦敦玛丽女王大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 提出HPP框架，通过将长视频理解重构为分层视频的迭代程序化探索，解耦语义感知与高阶时序推理，在LongVideoBench等基准上取得显著提升。
Comments Project page: https://awaisrauf.com/HPP
VideoLatent: 通过潜在自强制进行视频-语言学习
机构 * The Chinese University of Hong Kong（香港中文大学） ； Weitu AI（微图AI）
专题命中 复杂问题求解 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI
AI总结 提出VideoLatent，一种通过潜在自强制训练范式（包括潜在对齐和潜在多样性目标）进行视觉潜在推理的多模态大语言模型，仅依赖标准视频-问答三元组，在14个基准上优于现有模型，并大幅降低训练/推理开销。
任务复杂性至关重要：对LLM在情感分析中推理能力的实证研究
机构 * School of Computing and Information Systems, Singapore Management University（新加坡管理学院） ； Research and Development, Mastercard（麦star公司）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 研究通过评估7种模型家族在不同粒度的情感分析数据集上的表现，发现推理效果高度依赖任务复杂性，二分类任务性能下降，多类情感识别性能提升，且少量样本学习在多数情况下优于零样本学习。
Comments 12 pages, 1 figure, 3 tables. Accepted at PAKDD 2026
Journal ref In: Wong, R.CW., et al. Advances in Knowledge Discovery and Data Mining. PAKDD 2026. Lecture Notes in Computer Science(), vol 16600. Springer, Singapore
EHR-Complex：面向复杂临床推理的医疗智能体基准测试
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出EHR-Complex基准，基于MIMIC-IV构建约5.2万项交互式临床数据库推理任务，评估智能体在复杂SQL和代码执行中的表现，揭示主要失败模式。
微调大型语言模型用于量子推理
机构 * School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算机与信息系统学院） ； School of Physics, Mathematics and Computing, The University of Western Australia（西澳大学物理、数学与计算学院） ； Pawsey Supercomputing Centre（帕韦西超级计算中心） ； CSIRO Clayton（CSIRO 克莱顿分校）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出通过量子电路模拟微调LLM，比较监督微调与两阶段SFT+GRPO方法，实现量子推理能力提升。
Comments 30 pages, 9 figures
任意时间安全PAC高效推理
机构 * Department of Statistics and Data Science（统计与数据科学系） ； Department of Statistics（统计系） ； Data Science, Southern University of Science（数据科学，南方科技大学） ； College of Computing（计算学院） ； College of Computing and Data Science（计算与数据科学学院） ； School of Statistics（统计学系） ； School of Statistics and Data Science（统计与数据科学系） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（人工智能学院，香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对大型推理模型计算成本高的问题，提出B-PAC推理方法，利用逆倾向评分估计构建测试超鞅，动态调整路由阈值，在部分反馈下实现任意时间安全高效推理，理论保证性能损失控制，实验减少思考模型使用达81.01%。
Comments Accepted by ICML 2026
通用人工智能的一个判据：假设-演绎推理，在ChatGPT上测试
机构 * Higher School of Economics, Moscow（莫斯科高等经济学院）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出假设-演绎推理是AGI的关键推理能力，通过简单测试发现ChatGPT在复杂问题上该能力有限，并指出若AI能在广泛语境中具备此能力则可视为AGI。
Comments Minor revisions of previous version
新颖性感知的智能检索：通过结构化多步推理比较研究贡献
专题命中 复杂问题求解 ：reasoning(title,abstract)
AI总结 提出新颖性感知研究智能体，通过结构化多步推理增强RAG，实现论文间重叠、差异及问题-方法缺失的对比分析，在100篇论文语料上支持五种结构化比较能力。
Comments 9 pages, 1 figure, 14 tables
DeALOG: 去中心化多智能体日志中介推理框架
机构 * Arizona State University（亚利桑那州立大学）
专题命中 复杂问题求解 ：reasoning(title)；分类 cs.CL、cs.AI
AI总结 提出去中心化多智能体框架DeALOG，通过共享自然语言日志实现多模态问答，各专业智能体协作检测和验证错误，无需中央控制，提升鲁棒性。
MemSifter: 通过结果驱动的代理推理卸载LLM记忆检索
机构 * Gaoling School of Artificial Intelligence Renmin University of China Beijing China（中国人民大学朝阳学校人工智能 北京 中国） ； Renmin University of China（中国人民大学）
专题命中 复杂问题求解 ：reasoning(title)；分类 cs.AI
AI总结 提出MemSifter框架，用小模型代理替代主LLM进行记忆检索，通过强化学习优化检索结果，在8个基准上达到或超越现有方法。
Comments Code and datasets are available at https://github.com/plageon/MemSifter
FAPO：多步骤LLM流水线的全自动提示优化
机构 * Foundation AI–Cisco Systems Inc.（基础AI–思科系统公司） ； Yale University（耶鲁大学）
专题命中 复杂问题求解 ：reasoning(abstract,abstract_cn)；分类 cs.AI
AI总结 提出FAPO框架，通过自动诊断流水线瓶颈并迭代优化提示或链结构，在18个模型-基准比较中15次优于基线GEPA，平均提升14.1个百分点。
改善人机编码对齐：心理学构念识别中提示工程的实证评估
机构 * Department of Educational Psychology, Neag School of Education, University of Connecticut（教育心理学系，教育学院，康涅狄格大学） ； Department of Psychological Sciences, College of Liberal Arts and Sciences, University of Connecticut（心理学系，文理学院，康涅狄格大学）
专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本研究提出一个实证框架，通过提示工程优化大语言模型在心理学文本中识别构念的性能。实验评估五种提示策略，发现构念定义和任务框架最关键，结合代码簿引导和自动提示工程的少样本方法最接近专家判断。
Comments 22 pages, 2 figures
通过可扩展归因图分解从十亿参数语言模型中提取分层稀疏电路
机构 * Department of CSE, Muffakham Jah College of Engineering and Technology (MJCET)（计算机科学与工程系，穆法卡姆·贾赫工程与技术学院（MJCET））
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出分层归因图分解（HAGD）方法，通过跨层编码器训练、谱粗化、GNN引导分层遍历和因果干预验证，将电路提取复杂度降至O(n² log n)，在多个大模型上实现高行为保留。
双轨框架：模板约束下的LaTeX转换
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL
AI总结 提出双轨框架，通过离线提取模板约束与在线混合执行，将LLM用于推理密集型任务、规则引擎处理确定性任务，在7个模板和56篇论文上实现更高结构保真度和编译成功率。
Comments 6 pages (excluding references), 10 figures
VLM在零样本程序性错误检测中的惊人有效性
机构 * University of Bonn（波恩大学） ； Toyota Motor Europe（丰田欧洲公司） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 提出ZeProM框架，利用单个预训练VLM同时解决零样本程序性错误检测和时间动作分割，在EgoPER和CaptainCook4D基准上接近或超越全监督方法。
解析智能体RAG：基于本地7B模型的多跳问答组件消融研究
机构 * Independent Researcher（独立研究员）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL
AI总结 通过消融实验，发现固定混合检索和短检索循环对多跳问答贡献最大，自适应路由和深度循环并非必要。
Comments 8 pages, 4 figures, 4 tables. Code: https://github.com/sherozshaikh/agentic-rag-eval
基于角色的自主AI用于意图驱动的网络与服务编排
机构 * Research & Commercialisation, BT Group（BT集团研究与商业化部）
专题命中 复杂问题求解 ：planning(abstract)；分类 cs.AI
AI总结 提出一种基于角色的多智能体架构，通过分层代理系统实现从业务到网络的端到端意图编排，弥合BSS与OSS的鸿沟。
LLM辅助的无线接入网gNB参数配置
机构 * Dept. of Electronic and Computer Engineering, National Taiwan University of Science and Technology, Taiwan（电子与计算机工程系，台湾科技大学） ； NVIDIA, USA（NVIDIA公司） ； Colorado State University, USA（科罗拉多州立大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 提出LLM辅助框架，通过合成数据生成和微调，自动从错误日志中生成正确的gNB参数配置，在OAI测试中准确率达92.7%。
面向高效视频大语言模型的sink-token感知剪枝：用于细粒度视频理解
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国高级科学技术研究院） ； Oracle ； University of California, San Diego（加州大学圣地亚哥分校） ； Electronics and Telecommunications Research Institute (ETRI)（电子电信研究院）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出Sink-Token-aware Pruning方法，通过识别并抑制semantically uninformative tokens，提升细粒度视频理解性能，在多种基准测试中表现优异。
Comments ECCV 2026
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