大模型推理能力

In-Context Model Predictive Generation: Open-Vocabulary Motion Synthesis from Language Models to Physics

上下文模型预测生成：从语言模型到物理的开放词汇运动合成

Xiaomeng Fu, Junfan Lin, Yang Liu, Yaowei Wang, Guanbin Li, Liang Lin, Ziliang Chen

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Department of Networked Intelligence, Peng Cheng Laboratory（鹏城实验室网络智能部） ； School of Computer Science and Engineering, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与工程学院） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 提出ICMPG框架，结合语言模型规划与推理时物理反馈，通过上下文感知运动生成和模型预测生成模块实现语义忠实且物理合理的开放词汇运动合成。

Learning Motion Feasibility from Point Clouds in Cluttered Environments

从杂乱环境中的点云学习运动可行性

Sajid Ansari, Arthi, Girish Varma, Antony Thomas

机构 * International Institute of Information Technology Hyderabad（国际信息技术学院海得拉巴） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 提出直接从RGB-D观测学习7自由度机械臂运动可行性预测的方法，构建包含270万抓取可行性标签的大规模基准，并评估三种分类器架构，最佳模型GRASPFC-PTX在新型物体上AUROC达0.996且预测速度远超基于采样的运动规划器。

Empirical Software Engineering TerraProbe: A Layered-Oracle Framework for Detecting Deceptive Fixes in LLM-Assisted Terraform

实证软件工程 TerraProbe: 用于检测LLM辅助Terraform中欺骗性修复的分层Oracle框架

Manar Alsaid, Chimdumebi Nebolisa, Faris Abbas

机构 * East Texas A&M University（东德克萨斯农工大学） ； Texas Woman’s University（德克萨斯女子大学） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.LG

AI总结 提出TerraProbe五层Oracle框架，评估LLM辅助Terraform安全修复，发现71.4%的真实修复为欺骗性修复，并建立四维欺骗性修复分类法。

Comments 34 pages, 12 figures, 14 tables. Journal-first manuscript submitted to Empirical Software Engineering. Primary classification: cs.SE; cross-list: cs.CR

How Do Tool-Augmented LLM Agents Perform on Real-World Energy Analytics Tasks?

工具增强的LLM智能体在真实世界能源分析任务中的表现如何？

David Akinpelu, Akintonde Abbas, Rereloluwa Alimi, Ayodeji Lana

机构 * Independent Researcher（独立研究员） ； Tume AI 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI

AI总结 针对能源领域缺乏智能体评估基准的问题，构建了包含243个专家策划问题的测试环境，评估工具增强的LLM智能体在数据检索、知识解释和定量建模三类任务上的表现。

A Guideline-Aware AI Agent for Zero-Shot Target Volume Auto-Delineation

一种遵循指南的AI智能体用于零样本靶区自动勾画

Yoon Jo Kim, Wonyoung Cho, Jongmin Lee, Han Joo Chae, Hyunki Park, Sang Hoon Seo, Jae Myung Noh, Kyungmi Yang, Dongryul Oh, Jin Sung Kim

机构 * Oncosoft Inc.（Oncosoft公司） ； Department of Radiation Oncology, Samsung Medical Center, Sungkyunkwan University School of Medicine（放射肿瘤科，三星医疗中心，成均馆大学医学院） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 提出OncoAgent框架，将文本临床指南转化为三维靶区轮廓，无需训练即可实现零样本勾画，在食管癌病例中达到与监督方法相当的Dice系数，且医生更偏好其指南依从性和临床可接受性。

Comments Accepted to MICCAI 2026

Proposal-Conditioned Latent Diffusion for Closed-Loop Traffic Scenario Generation

基于提议条件的闭环交通场景生成潜扩散模型

Shubham Vaijanath Phoolari, Aleyna Kara, Christoph Lauer, Steven Peters

机构 * CARIAD SE ； Technical University of Munich（慕尼黑工业大学） ； Institute of Automotive Engineering (FZD), TU Darmstadt（达姆施塔特工业大学汽车工程研究所（FZD）） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 提出一种基于实例场景上下文和多模态提议先验的扩散框架，通过紧凑动作潜表示和提议初始化提升采样效率，实现闭环交通场景的逼真、安全且可控生成。

Comments Accepted for publication at the IEEE International Conference on Intelligent Transportation Systems (ITSC), 2026

MedSWFlow: An Open-Source LLM Workflow for Drafting Medical Social Work Case Plans

MedSWFlow: 一个用于起草医务社会工作案例计划的开源LLM工作流

Yulin Mao, Shiyu Li, Shuping Song, Yuling Zhang, Yajun Song

专题命中 规划推理 ：planning(abstract)

AI总结 提出开源、模型无关的LLM工作流MedSWFlow，将案例计划任务分解为六个阶段，通过结构化提示生成可审查的评估表和服务计划，旨在辅助从业者起草案例计划。

Comments 26pages, 8tables, 2figuers

DocArena: Turning Raw Documents into Controllable Training Environments for Document Search Agents

DocArena：将原始文档转化为可控的训练环境用于文档搜索代理

Jiamian Wang, Ruiyi Zhang, Tong Yu, Jing Shi, Samyadeep Basu, Rajiv Jain, Zhiqiang Tao, Tong Sun

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； Adobe Research（Adobe研究院） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 提出DocArena自动化流程，通过多模态文档结构化、推理型QA对构建和质量控制，生成可控训练环境，使基于文本LLM的搜索代理在多模态文档检索和问答中取得最佳性能。

Comments search agent for documents

Towards Recursive Self-Evolving Agentic Literature Retrieval

迈向自演化代理文献检索

Yuwen Du, Tian Jin, Jing Kang, Xianghe Pang, Jingyi Chai, Tingjia Miao, Fenyi Liu, WenHao Wang, Sikai Yao, Yuzhi Zhang, Siheng Chen

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出PaSaMaster系统，通过迭代意图分析、检索和排序，实现证据支持的文献推荐，解决传统关键词检索和生成式LLM的局限性，提升文献检索的准确性和效率。

From Hallucination to Grounding: Diagnosing Visual Spatial Intelligence via CRISP

从幻觉到扎根：通过CRISP诊断视觉空间智能

Zhixing Li, Yinan Yu

机构 * Chalmers University of Technology（查尔姆斯理工大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出CRISP诊断范式，通过一致性评估解耦感知与推理，揭示闭源模型存在度量估计不准确和未利用隐式结构表示的问题，开源模型则受限于多跳组合推理能力。

Comments Accepted to ECCV 2026

Running the Gauntlet: Re-evaluating the Capabilities of Agents Beyond Familiar Environments

Running the Gauntlet: 重新评估智能体在陌生环境中的能力

Mykola Vysotskyi, Runqi Lin, Grzegorz Biziel, Michal Zakrzewski, Sebastian Montagna, Damian Rynczak, Shreyansh Padarha, Kumail Alhamoud, Zihao Fu, William Lugoloobi, Kai Rawal, Hanna Yershova, Xander Davies, Taras Rumezhak, Guohao Li, Fazl Barez, Baoyuan Wu, Arkadiusz Drohomirecki, Yarin Gal, Chris Russell, Christopher Summerfield, Adam Mahdi, Volodymyr Karpiv, Philip Torr, Adel Bibi

机构 * University of Oxford（牛津大学） ； SoftServe ； Massachusetts Institute of Technology（麻省理工学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； UK AI Security Institute（英国人工智能安全研究所） ； Ukrainian Catholic University（乌克兰天主教大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.LG

AI总结 提出GauntletBench基准，通过20个视觉密集型任务评估智能体在时间感知、图形理解和3D推理等未被充分探索的能力，发现最先进智能体成功率仅19.1%，远低于人类80%以上。

PhysiFormer: Learning to Simulate Mechanics in World Space

PhysiFormer: 在世界空间中学习模拟力学

Yiming Chen, Yushi Lan, Andrea Vedaldi

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 提出PhysiFormer，一种直接在世界坐标下通过去噪扩散过程预测3D物体顶点轨迹的扩散Transformer，无需归纳偏置即可生成物理合理的刚性和弹性运动，并泛化到混合材料、未见几何和更多物体。

Comments Project page: https://yimingc9.github.io/physiformer

Agentic Collaborative Cognition for Zero-Shot 3D Understanding

零样本3D理解的智能体协作认知

Wenxin Wang, Bo Zhang, Feng Chen, Zixuan Wang, Wen Li, Changsheng Li, Yinjie Lei

机构 * Sichuan University（四川大学） ； Adelaide University（阿德莱德大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Beijing Institute of Technology（北京理工大学） 纠错

专题命中 视觉空间推理 ：planning(abstract)

AI总结 提出协作多智能体框架，通过规划智能体补充视角和感知智能体构建结构化认知地图，实现零样本3D理解，在6个基准上达到最优性能。

Comments Accepted by ECCV 2026. Project page: https://zhangbo135.github.io/agentic-collaborative-cognition/

Geometry-Aware Superpixel Graph Transformer with Metadata for Skin Lesion Classification

几何感知超像素图变换器结合元数据用于皮肤病变分类

Muhammad Azeem, Tanveer Hussain, Amr Ahmed, Ardhendu Behera

机构 * Edge Hill University（埃奇希尔大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 提出一种基于区域的图学习框架，将病变建模为超像素图，利用几何边属性和元数据上下文节点，通过边缘感知图变换器实现多模态融合，在四个公开数据集上取得优于现有方法的分类性能。

Comments Accepted at MICCAI 2026

Verifying Intent and Harm: A Unified Defense Against LLM-Generated Threats

验证意图与危害：针对LLM生成威胁的统一防御

Poojitha Thota, Yun Lei, Santhosh Thangaraj, Siddhartha Reddy Jonnalagadda, Shirin Nilizadeh

专题命中 测试时计算 ：reasoning(abstract)；CoT(abstract)；verifier(abstract)

AI总结 提出一种联合验证用户提示意图和模型响应危害的防御框架，通过专门分析器与裁决器协同工作，在五个威胁类别上平均F1提升至0.95，攻击成功率降至4.1%。

The Verification Horizon: No Silver Bullet for Coding Agent Rewards

验证地平线：编码智能体奖励没有银弹

Binghai Wang, Chenlong Zhang, Dayiheng Liu, Jiajun Zhang, Jiawei Chen, Mingze Li, Mouxiang Chen, Rongyao Fang, Siyuan Zhang, Xuwu Wang, Yuheng Jing, Zeyao Ma, Zeyu Cui

机构 * Qwen Team（Qwen团队） 纠错

专题命中 测试时计算 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL、cs.AI

AI总结 本文指出，随着编码智能体能力增强，验证解决方案比生成更难，并沿可扩展性、忠实性和鲁棒性三个维度分析验证信号质量，通过四种奖励构建实验表明验证必须与生成器共同进化。

Comments Authors are listed alphabetically by their first names

When are likely answers right? On Sequence Probability and Correctness in LLMs

何时可能答案正确？关于LLM中的序列概率与正确性

Johannes Zenn, Jonas Geiping

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； AI Center Tübingen（图宾根人工智能中心） ； University of Tübingen（图宾根大学） ； IMPRS-IS（图宾根马克斯·普朗克研究所） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.LG

AI总结 研究大型语言模型中序列概率与正确性的关系，发现序列概率在固定数据集内预测正确性有效，但通过改变解码方法或超参数提高概率并不稳定提升准确率，且对同一提示的多次响应中概率不是正确性的良好指标。

Comments 38 pages, including 10 pages of main text and 28 pages of appendix, preprint

Embarrassingly Simple Self-Distillation Improves Code Generation

令人惊讶的简单自蒸馏方法提升代码生成能力

Ruixiang Zhang, Richard He Bai, Huangjie Zheng, Navdeep Jaitly, Ronan Collobert, Yizhe Zhang

机构 * Apple（苹果公司） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL

AI总结 提出简单自蒸馏（SSD）方法，仅利用模型自身输出进行微调，无需验证器或强化学习，显著提升代码生成性能，并揭示其通过重塑token分布解决精度-探索冲突的机制。

Visual-OPSD: Cross-Modal On-Policy Self-Distillation for Efficient Unified Multimodal Reasoning

Visual-OPSD：用于高效统一多模态推理的跨模态在策略自蒸馏

Pengyu Li, Zhitao Gao, Lingling Zhang, Muye Huang, Yuanming Li, Fangzhi Xu, Jun Liu

机构 * Xi’an Jiaotong University（西安交通大学） ； MOE KLINNS Lab（MOE KLINNS实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering（陕西省大数据知识工程重点实验室） ； Sun Yat-sen University（中山大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 提出Visual-OPSD方法，通过跨模态在策略自蒸馏，将多步扩散生成的可视化思维推理能力转移到纯文本学生模型，实现14.3倍加速且性能提升3.40个百分点。

Bridging Talk and Thought: Understanding Dialogue Dynamics Across Collaborative Problem-Solving Contexts

桥接对话与思维：理解协作问题解决情境中的对话动态

Zhengyuan Liu, Stella Xin Yin, Min-Yen Kan, Nancy F. Chen

机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 提出一个双层编码框架，整合认知与非认知问题解决及元认知调节机制，分析人机与多智能体协作对话，发现元认知调节是深度协作的关键区分因素。

Investigating LLM's Problem Solving Capability -- a Study on Statics Questions

探究大语言模型的问题解决能力——基于静力学问题的研究

Tanner Culleton, Hung-Fu Chang

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本研究通过模型蒸馏方法评估LLM在静力学问题上的表现，发现引入图表和多步推理时准确率下降，主要源于多步推理和视觉信息应用困难。

Comments 9 pages, Engineering and Technology Symposium 2026

What Survives When You Compress a Recursive Reasoner for the Edge?

当压缩边缘端递归推理器时，什么得以幸存？

Pearse Jim, Steven Kolawole, Opegbemi Matthias Busoye, Glory Bagai, Virginia Smith

机构 * ML Collective ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG

AI总结 研究递归推理模型在边缘设备压缩中的表现，发现激进压缩破坏全局推理但保留局部预测，提出每通道校准INT4和轨迹保真度指标实现无损部署。

Comments Preprint; in review

Orthogonal Hierarchical Decomposition for Structure-Aware Table Understanding with Large Language Models

正交层次分解：面向结构感知的大语言模型表格理解

Bin Cao, Huixian Lu, Chenwen Ma, Ting Wang, Ruizhe Li, Jing Fan

机构 * Zhejiang University of Technology, China（浙江工业大学，中国） ； Zhejiang Key Laboratory of Visual Information Intelligent Processing, China（浙江视觉信息智能处理重点实验室，中国） ； University of Aberdeen, UK（爱丁堡大学，英国） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 针对复杂表格中多级表头、合并单元格等结构导致大语言模型理解困难的问题，提出正交层次分解（OHD）框架，通过空间-语义联合约束的正交树归纳方法将不规则表格分解为列树和行树，并设计双路径关联协议重构单元格语义，在AITQA和HiTab基准上优于现有方法。

Comments ICML 2026

OmniContact: Chaining Meta-Skills via Contact Flow for Generalizable Humanoid Loco-Manipulation

OmniContact: 通过接触流链接元技能实现可泛化的人形移动操作

Runyi Yu, Xiaoyi Lin, Ji Ma, Yinhuai Wang, Koukou Luo, Jiahao Ji, Huayi Wang, Wenjia Wang, Runhan Zhang, Ping Tan, Ting Wu, Ruoli Dai, Qifeng Chen, Lei Han

机构 * Noitom Robotics（诺亦腾机器人） ； The Hong Kong University of Science and Technology（香港科技大学） ； Wuhan University（武汉大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 复杂问题求解 ：planning(abstract)

AI总结 提出以接触流为核心的分层框架，通过低层策略学习统一技能库、高层模块合成未来接触流序列，实现人形机器人长时程任务的鲁棒执行与自主恢复，在搬运箱子和推叠箱子任务上分别达到98.7%和76.5%的成功率。

Information-Aware KV Cache Compression for Long Reasoning

面向长推理的信息感知KV缓存压缩

Jushi Kai, Zhuiri Xiao, Alexandra Birch, Zhouhan Lin

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 提出InfoKV框架，通过结合预测不确定性与注意力分数进行KV缓存压缩，在长上下文推理中优于现有方法。

Retrieval-Warmed Energy-Based Reasoning: A Five-Arm Ablation Methodology for Diffusion-as-Inference on Structured Reasoning Tasks

检索预热能量基推理：结构化推理任务上扩散即推断的五臂消融方法

Libo Sun, Po-Wei Harn, Zewei Zhang, Peixiong He, Xiao Qin

机构 * Department of Computer Science and Software Engineering, Auburn University（奥本大学计算机科学与软件工程系） ； Department of Information Management, National Central University（国立中央大学信息管理系） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI、cs.LG

AI总结 提出五臂消融方法（oracle、best-constant、per-query-random、shuffled、aligned）分离检索预热能量基推理中的三种混淆效应，在连通性-2任务上发现逐图对齐主导性能提升，而在数独任务上关键质量成为瓶颈。

Comments 8 Pages, 6 Figures

Adaptive Intellect Unleashed: The Feasibility of Knowledge Transfer in Large Language Models

自适应智能释放：大型语言模型中知识迁移的可行性

Qing Huang, Yishun Wu, Zhenchang Xing, He Jiang, Yu Cheng, Huan Jin

专题命中 推理评测 ：CoT(summary_cn,abstract)

AI总结 通过知识迁移提升大型语言模型在软件工程任务中的泛化能力，实验发现迁移跨度、策略和架构是关键因素，层次策略优于直接迁移，AI-Chain优于CoT。

Comments The paper is withdrawn for further clarification of the alignment between the proposed knowledge transfer framework and its implementation, and for refinement of the transfer span definition and experimental evaluation design

ReasonCLIP-58M: Visually Grounded Commonsense Reasoning Supervision for CLIP

ReasonCLIP-58M: CLIP的视觉基础常识推理监督

Sicheng Zhang, Muzammal Naseer, Binzhu Xie, Naufal Suryanto, Shi Qiu, Jamal Bentahar, Naveed Akhtar, Mubarak Shah

机构 * Khalifa University（卡利法大学） ； University of Western Australia（西澳大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Melbourne（墨尔本大学） ； University of Central Florida（佛罗里达中央大学） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出ReasonCLIP-58M框架，通过两阶段策略将大规模推理监督集成到CLIP模型中，构建ReasonLite-42M和ReasonPro-16M数据集及RCLIP-Bench基准，提升视觉基础常识推理和零样本检索性能。

Comments Accepted to ECCV2026

Soft Token Alignment for Cross-Lingual Reasoning

跨语言推理的软令牌对齐

Jiayi He, Jungsoo Park, Wei Xu, Alan Ritter

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL

AI总结 提出SOLAR方法，通过软令牌对齐跨语言表示，提升多语言推理准确率，尤其对低资源语言效果显著。

CORTEX: A Structured Reasoning Benchmark for Trustworthy 3D Chest CT MLLMs

CORTEX：用于可信3D胸部CT多模态大语言模型的结构化推理基准

Hashmat Shadab Malik, Anees Ur Rehman Hashmi, Numan Saeed, Muzammal Naseer, Salman Khan, Christoph Lippert

机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Hasso Plattner Institute（哈索·普拉特纳研究所） ； Khalifa University（哈利法大学） 纠错

专题命中 推理评测 ：reasoning(title,abstract)

AI总结 提出CORTEX基准，通过四阶段诊断推理轨迹和阶段级评估协议，为3D胸部CT多模态大语言模型提供结构化监督与验证，包含76,177个验证推理轨迹。