Evidence-Informed LLM Beliefs for Continual Scientific Discovery
基于证据的LLM信念用于持续科学发现
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 针对AutoDiscovery将惊奇视为静态量而人类惊奇是非平稳的问题，提出证据信息化的LLM信念，通过基于嵌入的检索增强生成更新先验，并修改搜索过程以避免虚假奖励，平均非平稳惊奇提高30.62%。
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 规划推理 47 篇
Uncertainty-Aware Generation and Decision-Making Under Ambiguity
模糊性下的不确定性感知生成与决策
机构 * Ubiquitous Knowledge Processing Lab (UKP Lab), Department of Computer Science, Technical University of Darmstadt（普遍知识处理实验室（UKP实验室），计算机科学系，达姆施塔特技术大学） ； National Research Center for Applied Cybersecurity ATHENE, Germany（应用网络安全国家研究中心ATHENE，德国）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 基于贝叶斯决策理论和风险规避决策，提出不确定性感知算法用于辅导和同行评审任务，通过共形预测提供策略和分数的保证，实验表明贝叶斯方法优于风险规避规则。
Comments Code available under https://github.com/UKPLab/arXiv2026-uncertainty-aware
Reported Confidence in LLMs Tracks Commitment More Than Correctness
LLM中的报告置信度追踪承诺而非正确性
机构 * Google DeepMind（谷歌DeepMind）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本研究通过两阶段弃权范式，发现LLM的言语置信度预测弃权决策远优于预测答案正确性，而令牌对数概率则相反，表明言语置信度是内部承诺准备状态的行为输出。
A Task-Driven and Quality-Assured Agent Framework for SAR Data Generation
面向SAR数据生成的任务驱动与质量保障智能体框架
机构 * College of Information Science and Technology, Beijing University of Chemical Technology（北京化工大学信息科学与技术学院） ； Science and Technology on Electromagnetic Scattering Laboratory, Beijing Institute of Environmental Features（北京环境特征研究院电磁散射实验室）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出SAGA框架，通过模式约束规划与多维度评估器，实现面向任务的SAR数据增强，提升可靠性、可复现性及下游任务效用。
LLM Serving Optimization with Variable Prefill and Decode Lengths
具有可变预填和解码长度的LLM服务优化
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系） ； Department of Industrial Engineering and Decision Analytics, HKUST（香港科技大学工业工程与决策分析系）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 研究在固定KV缓存内存预算下，异构提示和响应长度的离线调度问题，提出Sorted-F算法以平衡批次大小与下游解码成本，实现常数因子近似保证。
Experience-Evolving Multi-Turn Tool-Use Agent with Hybrid Episodic-Procedural Memory
具有混合情景-程序记忆的经验演化多轮工具使用智能体
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出混合情景-程序记忆策略，通过动态重用部分重叠的成功经验，使多轮工具使用策略实现经验驱动的自我演化，提升多轮任务中的推理与执行效率。
Journal ref ICML 2026
Predicting Effects, Missing Distributions: Evaluating LLMs as Human Behavior Simulators in Operations Management
预测影响，缺失分布：评估LLMs作为运营管理中的人类行为模拟器
机构 * Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系）
专题命中 规划推理 ：chain-of-thought(abstract)；分类 cs.AI、cs.LG
AI总结 本文评估LLMs在运营管理中模拟人类行为的能力，通过九个实验发现LLMs能复制假设效应，但分布不匹配问题显著，轻量策略可缓解此问题。
LeVo 2: Stable and Melodious Song Generation via Hierarchical Representation Modeling and Progressive Post-Training
LeVo 2：通过层次表示建模和渐进式后训练实现稳定悦耳的歌曲生成
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent（腾讯） ； Wuhan University（武汉大学） ； Hong Kong Polytechnic University（香港理工大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出LeVo 2混合LLM-Diffusion框架，通过层次化建模（先预测混合令牌进行语义规划，再并行预测人声和伴奏令牌）解决全曲生成中协调性与细节保真度的权衡，并引入美学引导训练策略，在主观和客观指标上超越开源基线，接近商业系统。
AlgoSkill: Learning to Design Algorithms by Scheduling Human-Like Skills
AlgoSkill: 通过调度类人技能学习设计算法
机构 * Emory University（埃默里大学） ； The University of Tokyo（东京大学） ； LocationMind
专题命中 规划推理 ：chain-of-thought(abstract)；分类 cs.AI
AI总结 提出AlgoSkill框架，将算法设计建模为基于类型化技能库的序列决策，通过MCTS和验证反馈调度技能，在竞赛编程和组合优化任务上优于直接生成和自优化方法。
Comments Under Review
KbSD: Knowledge Boundary aware Self-Distillation for Behavioral Calibration in Agentic Search
KbSD: 面向智能体搜索中行为校准的知识边界感知自蒸馏
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 针对智能体搜索中知识边界校准的奖励稀疏问题，提出KbSD框架，通过密集令牌级监督、稀疏结果奖励和象限自适应优化，利用提示增强教师模型生成校准推理演示，显著提升任务准确率并减少幻觉。
DEEPMED Search: An Open-Source Agentic Platform for Medical Deep Research with Introspective Verification
DEEPMED Search: 一个具有内省验证功能的开源医学深度研究智能体平台
机构 * School of Computer Science and Software Engineering, Shanghai University（上海大学计算机科学与软件工程学院） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出一个开源智能体平台DEEPMED Search，通过源自适应路由和内省验证模块，自动分解复杂医学查询并生成结构化报告，解决异构医疗数据检索中的推理漂移问题。
Comments 5 pages, 2 figures, 2 tables. Accepted to IJCAI-ECAI 2026 Demo Track. Project website: https://www.deepmedsearch.cloud. Demo video: https://youtu.be/4U4aok8yLpk
Toward Secure and Reliable PDDL Formalization of Large Language Models with Planner-in-the-Loop Feedback
面向具有规划器反馈的大型语言模型的安全可靠PDDL形式化
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； School of Industry-education Integration, University of Chinese Academy of Sciences（中国科学院大学产教融合学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出NL-PDDL-Bench基准和规划器在环框架，通过验证器诊断和偏好优化提升LLM生成PDDL规范的可执行性与可靠性。
Budgeted Act-or-Defer Multi-Agent LLM Deliberation with Local Reliability Bounds
预算约束下的多智能体LLM“行动或延迟”协商与局部可靠性界限
机构 * AWS Generative AI Innovation Center（AWS生成式AI创新中心） ； General Motors (GM)（通用汽车（GM））
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出一种预算约束下的“行动或延迟”决策框架，通过k近邻下置信界评估LLM协商的可靠性，在满足用户指定的错误行动预算时自动执行，否则延迟人工审核，并在六个基准上验证了有效性和安全性。
STEMGym: Benchmarking Sequential Decision-Making under Dose Budgets in Autonomous Electron Microscopy
STEMGym: 自主电子显微镜中剂量预算下的序列决策基准测试
机构 * Dept. of Electrical & Computer Eng.（电气与计算机工程系） ； Texas A&M Univ.（德克萨斯A&M大学） ； Dept. of Prosthetics & Orthotics（假肢与矫形学系） ； College of Science & Eng.（科学与工程学院） ； Ankara Univ.（安卡拉大学） ； Hamad Bin Khalifa Univ. and Texas A&M Univ. at Qatar（哈马德·本·卡西姆大学和德克萨斯A&M大学（卡塔尔））
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 通过15个物理模拟的STEM环境基准，发现感知管道（CNN分析师）是剂量效率的主要决定因素，而非导航策略，为自主电子显微镜的机器学习投入方向提供新视角。
Preventing Error Propagation in Multi-Agent AI through Runtime Monitoring
通过运行时监控防止多智能体AI中的错误传播
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究多智能体AI系统中推理交换与答案修订的可靠性，提出运行时监控框架，通过数值实验评估准确性提升与错误传播条件。
Agentic Abstention: Do Agents Know When to Stop Instead of Act?
Agentic Abstention: 智能体知道何时停止而非行动吗？
机构 * University of Leeds（利兹大学） ； Southwest Jiaotong University（西南交通大学） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究LLM智能体在不确定环境下何时应停止行动的问题，提出Agentic Abstention概念，通过实验分析不同模型和框架的弃权行为，并引入CONVOLVE方法提升及时弃权率。
Detecting Clinical Hallucinations in LVLMs via Counterfactual Visual Grounding Uncertainty
通过反事实视觉基础不确定性检测LVLM中的临床幻觉
机构 * School of Intelligent Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； National Institute of Healthcare Data Science at Nanjing University（南京大学医疗数据科学国家研究院） ； School of Biomedical Engineering, Nanjing University（南京大学生物医学工程学院）
专题命中 规划推理 ：verifier(abstract)；分类 cs.CL
AI总结 提出一种基于反事实视觉基础不确定性的框架，通过提取实体并对比正反事实定位结果计算不确定性分数，无需修改模型即可检测LVLM在临床图像中的幻觉。
Comments 10 pages, 4 figures
meta-pipe: An LLM-agent pipeline for end-to-end automated systematic review and meta-analysis
meta-pipe：面向端到端自动化系统评价与元分析的LLM智能体流水线
机构 * MD, PhD（医学博士，哲学博士）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出meta-pipe，一个集成文献检索、筛选、数据提取、统计分析、手稿生成和质量保证的10阶段模块化LLM智能体流水线，在关键决策点强制人工监督，并具备自动手稿生成、半自动GRADE评估、过度声明检测和双范式网络元分析等独特能力。
Comments 13 pages, 1 figure, 2 tables
Business World Model
商业世界模型
机构 * AI Engineering, USA TODAY Co., Inc.（AI工程，USA TODAY公司） ； School of Systems Science and Industrial Engineering, Binghamton University, State University of New York（系统科学与工业工程学院，宾夕法尼亚州立大学宾夕法尼亚州立大学） ； Binghamton Center of Complex Systems, Binghamton University, State University of New York（宾夕法尼亚州立大学复杂系统中心） ； Waseda Innovation Lab, Waseda University, Tokyo, Japan（早稻田大学创新实验室）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出商业世界模型（BWM）架构，将世界模型思想应用于商业环境，通过编码状态、动态、约束和目标，支持自主决策与规划。
MechRL: Reinforcement Learning Agents Perform Circuit Discovery for Mechanistic Interpretability
MechRL：强化学习智能体进行电路发现以实现机械可解释性
机构 * The University of Southern Mississippi（美国密西西比州立大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 提出将电路发现转化为强化学习问题，使用PPO策略在GPT-2 small的144个注意力头上进行零消融和对比奖励，成功在训练任务和未见任务上恢复标准电路，验证了强化学习在机械可解释性中的有效性。
Exploring LLM Agent Designs and Interaction Modalities for Scientific Visualization
探索LLM代理在科学可视化中的交互范式
机构 * Univ. Notre Dame（诺特难大学） ； LLNL（劳伦斯利弗莫尔国家实验室）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文研究不同类型的LLM代理在科学可视化任务中的表现，通过评估八种代表性代理在15个基准任务中的可视化质量、效率、鲁棒性和计算成本，发现通用编程代理任务成功率最高但计算成本高，领域专用代理更高效稳定但灵活性差，计算机使用代理在单步任务表现良好但多步流程受限。
Monte Carlo Query Search: Active Capability Assessment of AI Agents
蒙特卡罗查询搜索：人工智能代理的主动能力评估
机构 * Arizona State University（亚利桑那州立大学） ； Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出蒙特卡罗查询合成方法，用于学习黑盒AI系统的符号随机能力模型，通过主动学习策略加速能力评估，实验表明该方法在多个系统中更高效。
AERIS: Aerial-Edge Role-Driven Intelligence at Runtime via Orchestrated Language-Model Swarm
AERIS: 通过编排语言模型群在运行时实现空中边缘角色驱动智能
机构 * School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院）
专题命中 规划推理 ：planning(abstract)
AI总结 提出AERIS框架，通过编排专用小语言模型和轻量感知控制模块，在边缘实现空中平台的长时指令分解与实时闭环运行。
Comments 10 pages, 11 figures. Preprint version of the submitted manuscript
ECHO: Learning Epistemically Adaptive Language Agents with Turn-Level Credit
ECHO：基于回合信度的认知自适应语言智能体学习
专题命中 规划推理 ：reasoning(abstract)
AI总结 提出认知决策过程（EDP）框架，通过回合级信度分配策略梯度目标ECHO，在证据寻求任务中提升智能体的信息获取效率与认知校准能力。
CORE Planner: Contextual-memory Oriented Reinforcement-learning in Unknown Environments for Robot Navigation
CORE Planner：面向未知环境中机器人导航的上下文记忆强化学习规划器
专题命中 规划推理 ：planning(abstract)
AI总结 提出CORE规划器，结合稀疏可见图与Transformer网络，实现未知环境下的高效导航，并通过上下文记忆机制避免局部最优，支持零样本仿真到现实迁移。
Comments Accepted for publication in IEEE Transactions on Industrial Electronics
2. 视觉空间推理 29 篇
Distilling Neuro-Symbolic Programs into 3D Multi-modal LLMs
将神经符号程序蒸馏到3D多模态大语言模型中
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 视觉空间推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；planning(abstract)
AI总结 提出APEIRIA，通过三阶段课程学习将符号推理模式蒸馏到3D多模态大语言模型中，实现透明推理与开放词汇空间推理的统一。
Comments To appear in ICML 2026
EVLA: An Electro-Aware Multimodal Assistant for Physically-Grounded Driving Reasoning and Control
EVLA：一种用于物理接地驾驶推理与控制的电感知多模态助手
机构 * College of Computer Science and Technology（计算机科学与技术学院）
专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 提出EVLA框架，融合视觉、文本与实时电动动力总成状态，通过统一共状态编码器和电感知结构化推理链，生成上下文感知且能量最优的驾驶决策，在驾驶问答基准上显著优于基线模型。
Comments 17 pages
Vision-Language Models for Deployable Social Robot Navigation: Bridging Semantic Reasoning and Low-Level Control
面向可部署社交机器人导航的视觉-语言模型：弥合语义推理与低级控制
机构 * Graduate School of Information Science and Technology, Hokkaido University（弘前大学信息科学与技术研究生院） ； Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院）
专题命中 视觉空间推理 ：reasoning(title,abstract)；planning(abstract)
AI总结 本文综述了将视觉-语言模型（VLM）集成到社交机器人导航中的方法，提出包含高层推理、低层控制及中间机制的统一框架，并讨论了关键挑战与未来方向。
Hierarchical Prompting with Dual LLM Modules for Robotic Task and Motion Planning
具有双LLM模块的分层提示用于机器人任务和运动规划
机构 * IBM, Krakow, Poland（IBM公司，波兰克拉科夫） ； Jagiellonian University, Krakow, Poland（雅盖隆大学，波兰克拉科夫） ； AGH University, Krakow, Poland（AGH大学，波兰克拉科夫）
专题命中 视觉空间推理 ：planning(title,abstract)；reasoning(abstract)
AI总结 本文提出一个分层语言驱动框架，通过双LLM模块提升服务和协助场景中人机交互的自然性和直观性，结合目标检测与运动执行实现高成功率的任务规划。
Journal ref Proc. IEEE International Conference on Advanced Robotics and its Social Impacts (ARSO), 2026, pp. 245-250
ScAle: Attention Head Scaling as a Minimal Adapter for Spatial Reasoning in Vision Language Models
ScAle: 注意力头缩放作为视觉语言模型中空间推理的最小适配器
机构 * Northeastern University（东北大学） ； EmbodyX Inc.（EmbodyX公司） ； Zhejiang University（浙江大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出ScAle，一种超轻量适配方法，通过学习少量标量系数调节冻结骨干网络中的注意力头和MLP激活，仅用1K可训练参数在空间推理任务上实现高达134.1%的相对精度提升。
Comments Accepted by ECCV 2026
