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。
Cliff Tokens: 识别大语言模型数学推理中的单Token失败触发点
机构 * Seoul National University（首尔大学） ； Boston University（波士顿大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 提出“悬崖token”概念，通过自适应阈值和单侧双比例z检验识别导致推理失败的单个token，删除并重采样可恢复pass@64至1.0，并基于贪心选择和token熵建立分类法，通过Cliff-DPO优化提升准确率。
HauntAttack：当攻击如影随形地跟随推理
机构 * State Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； StepFun ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） ； Institute of Artificial Intelligence, Beihang University（北航人工智能研究院）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 提出HauntAttack黑盒对抗攻击框架，通过将有害指令嵌入推理问题，引导大型推理模型逐步产生不安全输出，在11个模型上平均攻击成功率超70%。
谜语谜题：测试大型语言模型和人类的灵活推理
机构 * Department of Psychology, Princeton University（普林斯顿大学心理学系） ； Department of Computer Science, Princeton University（普林斯顿大学计算机科学系）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 通过谜语谜题范式，发现LLM在真实谜语上准确率高（84.9%），但在谜语谜题上表现差（50.7%），而人类相反；错误分析表明LLM更倾向于过度使用创造性推理。
推理质量早期涌现：推理模型的数据策展
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 提出仅利用初始推理token即可识别多样且具挑战性的推理样本，通过扰动检查点评估前100个token的损失检测难题，并证明前1k token的损失模式可预测梯度相似性，在Qwen2.5-7B和Llama3.1-8B上验证，性能提升达1.7%，token效率提升91%。
Comments Accepted by ICML 2026 (Poster)
HyperDFlash: 面向MHC架构的块级推测解码与门控残差缩减
机构 * ByteDance（字节跳动）
专题命中 数学推理 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 针对DeepSeek-V4的多超连接架构，提出HyperDFlash框架，通过对齐残差流和轻量门控缩减器，解决推测解码中特征错位和误差累积问题，显著提升解码速度。
GEOALIGN: 用于鲁棒大语言模型强化学习的几何轨迹策展
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 针对在线强化学习训练LLM时奖励噪声导致的不稳定性，提出GEOALIGN，通过检测并修正方向不一致的轨迹来稳定更新，提升最终性能并减少训练震荡。
Comments Accepted as a conference paper at ICML 2026
无需注意力矩阵的顿悟感知KV缓存淘汰
机构 * Language Technologies Institute Carnegie Mellon University（语言技术研究所卡内基梅隆大学） ； Machine Learning Department Carnegie Mellon University（机器学习系卡内基梅隆大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 提出EpiKV方法，通过模型内部表示变化（顿悟分数）而非注意力权重来淘汰KV缓存，无需训练或自定义内核，支持FlashAttention，在MATH-500上达到72%准确率，速度提升2.8倍。
Comments Preprint; in review
NebulaExp-8B：基于全尺度消融研究的经验性后训练流程
机构 * ZTE NebulaL0 Post-Training Team（中兴通讯NebulaL0后训练团队）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出NebulaExp透明后训练流程，基于Qwen3-8B-base，通过数据清洗、三阶段SFT和GRPO RL优化指令与推理分支，并探索OPD/MOPD替代RL，在8B模型上实现性能提升。
Comments 29 pages, 8 figures
LCAi: 基于大数据融合与检索增强生成辅助解释的生命周期评估
机构 * Institute for Chemical and Bioengineering, Department of Chemistry and Applied Biosciences, ETH Zürich（苏黎世联邦理工学院化学与应用生物科学系化学与生物工程研究所） ； NCCR Catalysis（瑞士国家研究能力中心催化研究所）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 提出一种视角条件检索增强生成框架，通过多视角检索与受控合成，在AI辅助生命周期评估中实现结构化解释，减少幻觉风险并保持跨领域多样性。
Comments 23 pages, 14 figures, 6 tables. Includes Supplementary Information
LLM 生成的 VeriFast 规范实证研究
机构 * Purdue University（普渡大学） ； University of Michigan（密歇根大学） ； Meta ； Ann Arbor, Michigan, USA（美国密歇根州安阿伯） ； Menlo Park, California, USA（美国加州Menlo Park） ； West Lafayette, Indiana, USA（美国印第安纳州西拉法叶）
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI
AI总结 本研究评估了大型语言模型为分离逻辑验证器 VeriFast 生成规范的能力，发现虽然功能保持良好（>91%），但验证成功率仅31.4%，主要错误源于领域知识不足。
并非所有证明都平等：超越正确性的LLM证明质量评估
机构 * INSAIT（INSAIT研究所） ； Sofia University "St. Kliment Ohridski"（索菲亚大学"圣克莱孟·奥赫里迪斯基"） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出ProofRank基准，评估证明的简洁性、计算便捷性、认知简单性、多样性及适应性，揭示正确性之外的证明质量差异及优劣权衡。
Comments 9 main text pages, 36 total pages, Accepted at ICML 2026 AI for Math workshop
资源感知的神经符号推理用于本地小型语言模型
专题命中 逻辑推理 ：reasoning(title,abstract)
AI总结 提出VFR-LLM管道，将问题翻译为类型化有限域规则和约束，通过符号层验证一致性，用确定性求解器推理，在本地小模型上以单次调用达到高精度，替代重复采样。
符号推理框架在多智能体战略环境中调节大语言模型的风险规避
机构 * iterative.day
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本研究通过注入符号推理框架（如易经、塔罗牌）作为反思提示，发现其能差异化调节LLM的风险规避倾向，并在多智能体博弈中产生框架特定的胜者分布，且该效应源于反思过程而非内容遵循。
Comments 28 pages, 4 figures, 9 tables, 6 listings. Code and data: https://doi.org/10.5281/zenodo.20338937
大模型何处更胜一筹：约束引导推理的首要性
机构 * National Chengchi University（国立政治大学） ； Academia Sinica（中央研究院）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 研究大语言模型在推理基准上性能差距的原因，提出AdvCluster框架自动识别大模型优势问题并提取细粒度优势描述，发现约束引导推理是大模型的核心优势。
Comments 10 pages, 3 figures,
VLMs 是视频推理的好老师：通过自适应测试时优化
机构 * City University of Hong Kong（香港城市大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队）
专题命中 逻辑推理 ：reasoning(title,abstract)
AI总结 提出将视觉语言模型（VLM）作为“教师”，通过提取任务规则并设计可微分奖励，指导视频生成模型（VGM）在测试时在线优化轻量级 LoRA 模块，从而提升视频推理的泛化能力。
Comments Project Page: https://VLM-as-Teacher.github.io/
BrepCoder: 用于多任务B-rep推理的统一多模态大语言模型
机构 * Chungnam National University（全南国立大学）
专题命中 逻辑推理 ：reasoning(title)；分类 cs.LG
AI总结 提出BrepCoder，一种统一的多模态大语言模型，通过将CAD建模序列转换为类Python代码并与B-rep对齐，采用两阶段训练策略，实现从B-rep输入执行多种CAD任务，包括补全、纠错和问答。
保持VIGILant：通过多模态大语言模型中的反事实视觉对齐缓解视觉懒惰
机构 * UAB（阿拉巴马大学伯明翰分校） ； Yale（耶鲁大学） ； UNSW（新南威尔士大学） ； Tulane（杜兰大学） ； Georgia Tech（佐治亚理工学院） ； NEU（东北大学） ； OSU（俄亥俄州立大学） ； UIowa（爱荷华大学） ； Harvard（哈佛大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 提出VIGIL框架，通过强化学习后训练最大化视觉输入与生成响应间的互信息，惩罚“盲目自信”实例，有效缓解MLLMs的视觉懒惰问题，在幻觉和推理基准上优于现有方法。
Comments ECCV 2026
AI生成的望远镜调度决策的多级验证与可追溯性框架
机构 * Yunnan Observatories, Chinese Academy of Sciences（云南天文台，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Key Laboratory of the Structure and Evolution of Celestial Objects, Chinese Academy of Sciences（中国科学院天文结构与演化重点实验室） ； Yunnan Key Laboratory of Solar Physics and Space Science（云南太阳物理与空间科学重点实验室） ； Center for Astronomical Mega-Science, Chinese Academy of Sciences（中国科学院天文大科学中心）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出多级验证与可追溯推理框架，通过数据引用验证、逻辑一致性检查和约束验证，提高AI调度决策的可执行性和可靠性，减少瞬态机会损失。
Comments 25 pages, 8 figures, Published in Universe
Journal ref Universe, Volume 12, Issue 6, 172 (2026)
训练语言模型以使用Prolog作为工具
机构 * University of Southern Denmark（南丹麦大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文探讨通过强化学习训练语言模型使用Prolog进行符号推理，发现正确性与可审计性之间存在权衡，影响模型性能与可解释性。
Comments ACL 2026 Findings (change from last version: corrected year in this comment)
ConcoLixir：用于Python符号执行的响应式LLM发现预言
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 针对Python符号执行中库调用降级、语义操作难解和路径覆盖停滞问题，提出ConcoLixir，利用LLM作为发现预言生成种子、输入并引导覆盖，平均行覆盖率提升8.6-17.0个百分点，成本仅$1.63。
通过自主经验探索与事后经验利用赋能GUI智能体任务规划
机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统认知与决策智能重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出PEEU方法，通过自主探索环境发现经验并利用事后经验合成严格对齐的高层训练数据，提升小型多模态大语言模型在GUI任务中的规划与跨网站泛化能力。
Comments Accepted to ACL 2026 Main
安全关键场景下基于蒸馏视觉语言模型的事件自适应运动规划
机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Manifold Tech Limited（曼孚科技股份有限公司）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 提出事件自适应运动规划（EAMP）框架，通过可配置语义事件触发器、蒸馏视觉语言模型和语义模型预测控制，在安全关键场景中实现高层推理与底层控制的协同，提升动态安全裕度并保持实时性。
Comments 8 pages, 8 figures, 4 tables. Accepted by IROS 2026
面向园艺机器人的视觉-语言引导任务规划
机构 * the Siebel School of Computing and Data Science（塞比尔计算与数据科学学院） ； the Department of Agricultural and Biological Engineering（农业与生物工程系） ； National Center for Supercomputing Applications（国家超级计算中心）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 提出一种模块化框架，利用视觉语言模型（VLM）主动查询异构数据源来引导机器人任务规划，在单作和混作环境中进行短期和长期作物监测任务基准测试，发现零样本VLM在短期任务中表现稳健（成功率87%），但长期多目标任务成功率低于10%，且依赖噪声语义地图时性能下降。
Comments 18 pages, 6 figures
隐喻是大推理模型跨领域失调的根源
机构 * The University of New South Wales（新南威尔士大学） ； CSIRO Data61（澳大利亚联邦科学与工业研究组织数据61）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究发现训练数据中的隐喻会导致大推理模型在推理输出中出现跨领域失调，通过隐喻干预可显著改变失调程度，并设计出高精度检测器。
Comments 19 pages, 6 figures
寻找思考时间：在实时强化学习中学习规划预算
机构 * British Open-ended Learning and Discovery Lab (BOLD)（英国开放性学习与探索实验室（BOLD）） ； University of Oxford（牛津大学） ； VGG（视觉信息小组）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.LG
AI总结 针对环境在决策期间持续运行的实时强化学习，提出一种轻量级门控策略，根据状态选择规划预算，在多个实时游戏中优于固定预算和启发式基线。
A-Evolve-Training: 30B模型的自主后训练
机构 * A-EVO-Lab, Amazon（亚马逊A-EVO实验室）
专题命中 规划推理 ：reasoning(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 提出一个无需人工干预的自主后训练系统，对30B参数模型进行多轮训练，在NVIDIA排行榜上接近人类最佳成绩，并展示了系统能自主发现并修正指标误导问题。
Comments 12 pages,
TAVR-VLM：面向抗幻觉报告生成的风险条件因果基础
机构 * Xi’an Jiaotong-Liverpool University（西交利物浦大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Liverpool（利物浦大学） ； Kunming University of Science and Technology（昆明理工大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出TAVR-VLM框架，通过风险条件因果注意力（R-CGA）建立“风险→区域→词”的结构化基础路径，在TAVR规划中减少诊断幻觉，实现新最优性能。
治理行动，而非智能体：机构证明作为自主AI系统的治理模型
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 针对自主AI系统可能执行不可逆高风险行动的问题，提出一种基于机构证明的计算治理模型，将执行权限与规划推理分离，通过独立权威源证明前提条件，并采用防篡改日志记录决策。
爱因斯坦世界模型
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； RIKEN AIP, Japan（日本理化学研究所革新智能综合研究中心） ； Tohoku University（东北大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出爱因斯坦世界模型（EWM），通过将视觉时间展开嵌入推理轨迹，使LLM能利用视觉化反事实事件增强复杂推理能力。
Comments 12 pages (9 without references), 2 figures, 1 algorithm
一种将遗留工作流提升为智能体BPM的过程驾驭框架：在CUGA FLO中的设计与实现
机构 * IBM SIL, Israel（IBM 研究实验室，以色列） ； Department of Information Systems, Faculty of Computer & Information Sciences, University of Haifa（海法大学计算机与信息科学学院信息系统系）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出过程驾驭框架，通过策略驱动的智能体层在不替换工作流引擎的情况下将遗留工作流升级为智能体BPM，并基于TDF模型在CUGA FLO中实现，通过三种智能体类型和钩子机制实现指令性与规范性需求的统一。
Comments 24 pages, 5 figures
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