大模型推理能力

Geometric Signatures of Reasoning: A Spectral Perspective on Task Hardness

推理的几何特征：任务难度的谱视角

Aria Masoomi, Mahsa Bazzaz, Adel Javanmard, Vahab Mirrokni

机构 * Northeastern University（东北大学） ； University of Southern California（南加州大学） ； Google Research（谷歌研究院） 纠错

专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.LG

AI总结 通过分析Transformer隐藏状态空间中思维链轨迹的谱、位置和运动学几何特征，提出有效维度d_ρ衡量轨迹复杂度，发现平坦特征谱对应更难任务，并利用运动学特征在生成早期预测答案正确性。

ISM:Self-Improving Strategy Memory for Continual Mathematical Reasoning

ISM：面向持续数学推理的自我改进策略记忆

Prakhar Dixit, Tim Oates

专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.LG

AI总结 提出智能模式记忆（ISM），一种自我演进的记忆增强系统，通过从成功和失败案例中学习并维护策略模式库，在不更新模型参数的情况下提升冻结LLM在持续学习中的数学推理能力。

Comments 3rd AI for Math Workshop at ICML 2026 Forty-Third International Conference on Machine Learning

From Answer Generators to Reasoning Facilitators: Designing AI Tutors for Mathematical Reasoning in High-Stakes Environments

从答案生成器到推理促进者：为高风险环境中的数学推理设计AI导师

Yuming Feng, Yuan Tian, Erica Zhao

专题命中 数学推理 ：reasoning(title,abstract)

AI总结 本研究设计并部署了AITutor系统，通过分层工作示例、步骤链接视觉基础和元认知支架等功能，帮助初中生在高压考试中从被动获取答案转向主动修复推理过程，提出了以推理为中心的产品循环。

Online Safety Monitoring for LLMs

LLMs的在线安全监控

Mona Schirmer, Metod Jazbec, Alexander Timans, Christian Naesseth, Maja Waldron, Eric Nalisnick

专题命中 数学推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 研究通过阈值化外部模型的验证信号并利用风险控制校准阈值，实现LLM输出的实时安全监控，在数学推理和红队测试中与高级方法性能相当。

Comments ICML 2026 Hypothesis Testing Workshop

Is One Layer Enough? Training A Single Transformer Layer Can Match Full-Parameter RL Training

一层就够了吗？训练单个Transformer层可以匹配全参数RL训练

Zijian Zhang, Rizhen Hu, Athanasios Glentis, Dawei Li, Chung-Yiu Yau, Hongzhou Lin, Mingyi Hong

机构 * University of Minnesota（明尼苏达大学） ； Peking University（北京大学） ； Amazon（亚马逊） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 发现RL训练收益高度集中在少数Transformer层，仅训练单层即可恢复大部分全参数RL收益，且高贡献层集中在模型中部。

Set Diffusion: Interpolating Token Orderings Between Autoregression and Diffusion for Fast and Flexible Decoding

Set Diffusion: 在自回归与扩散之间插值令牌顺序以实现快速灵活的解码

Marianne Arriola, Volodymyr Kuleshov

专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG

AI总结 提出Set Diffusion模型，通过将似然参数化为灵活位置和长度的令牌集，并设计集因果扩散架构，支持任意顺序解码和KV缓存更新，在数学推理、摘要和无条件生成上优于先前的扩散语言模型。

Comments ICML 2026. We provide the code at https://github.com/kuleshov-group/setdlms

LLMs as Teaching Assistants for Mathematics Exam Grading: Reliability, and Practical Usability

LLMs作为数学考试评分的助教：可靠性与实际可用性

Aastha Sapkota, M. G. Sarwar Murshed

专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI

AI总结 评估六种LLM配置在离散数学考试评分中的表现，发现宽松评分策略降低错误率，但点校准与排名保持仍是不同目标。

Comments 12 Pages, 6 figures

G-RRM: Guiding Symbolic Solvers with Recurrent Reasoning Models

G-RRM：用循环推理模型引导符号求解器

Timo Bertram, Sidhant Bhavnani, Richard Freinschlag, Erich Kobler, Andreas Mayr, Günter Klambauer

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

AI总结 提出神经符号方法G-RRM，将符号等变循环推理模型与回溯或SAT求解器结合，通过神经引导提升约束满足问题的搜索效率，在9×9数独上回溯加速33.3倍。

Safe and Adaptive Cloud Healing: Verifying LLM-Generated Recovery Plans with a Neural-Symbolic World Model

安全且自适应的云修复：使用神经符号世界模型验证LLM生成的恢复计划

Junyan Tan, Haoran Lin, Siyuan Guo, Yichen Fang, Xinyue Luo, Tianyu Shen, Zeyu Qiao

机构 * Zhejiang University（浙江大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；planning(abstract)；分类 cs.CL、cs.AI

AI总结 提出PASE框架，将LLM作为规划引擎生成恢复计划，通过神经符号世界模型验证可行性，并利用DRL优化提示，实现动态自适应修复，显著降低恢复时间并提高未知故障检测精度。

Comments 13 pages

PACE: A Neuro-Symbolic Framework for Plausible and Actionable Counterfactual Explanations

PACE: 一种用于合理且可操作的反事实解释的神经符号框架

Pavel Iakovets, Liyanapathiranage Sudeepika Wajirakumari Samarathunga, Martin Thomas Horsch, Fadi Al Machot

机构 * University of Klagenfurt（克拉根福大学） ； Norwegian University of Life Sciences（挪威生命科学大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出PACE框架，结合神经网络预测与符号推理，生成符合领域约束的可操作反事实解释，在Adult Income数据集上验证了可行性与可解释性的平衡。

Knowledge Over Parameters: Evolving Smart Contract Vulnerability Detection

知识超越参数：演化智能合约漏洞检测

Yuqiang Sun, Han Liu, Ying Li, Yiran Zhang, Zong Cao, Ziyun Guo, Yang Liu

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出EvoVuln框架，将漏洞检测转化为程序性知识演化问题，通过运行时反转控制架构和两阶段演化流水线，仅用少量标注样本自动合成并优化检测逻辑，在五种真实漏洞类型上实现71%宏平均F1分数。

When Agents Do Not Stop: Uncovering Infinite Agentic Loops in LLM Agents

当智能体不停止：揭示LLM智能体中的无限循环

Xinyi Hou, Shenao Wang, Yanjie Zhao, Haoyu Wang

专题命中 逻辑推理 ：planning(abstract)

AI总结 提出IAL-Scan静态分析工具，通过抽象智能体代码为Agent IR并构建循环依赖图，检测LLM智能体项目中因反馈路径未有效约束导致的无限循环故障，在6549个仓库中达到91.9%精度。

When RAG Meets Query Planning: Logical Query Trees for Resolving Exploratory Reasoning Problems

当RAG遇见查询规划：用于解决探索性推理问题的逻辑查询树

Ganlin Xu, Linghao Zhang, Zhitao Yin, Hongda Xi, Chen Yang, Jiaqing Liang, Weijia Lu, Sihang Jiang, Yanghua Xiao, Deqing Yang

专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)

AI总结 针对检索增强生成在探索性推理问题中的检索噪声和错误累积问题，提出PlanRAG框架，将自然语言建模为逻辑查询树，通过动态规划和代价模型优化查询树，实现高效并行处理，在WikiWeb-ERP数据集上优于现有方法。

Comments Accepted by SIGMOD 2027

Atomic Task Graph: A Unified Framework for Agentic Planning and Execution

原子任务图：智能体规划与执行的统一框架

Yue Zhang, Sihan Chen, Ziwen Huang, Hanyun Cui, Kangye Ji, Zhi Wang

机构 * South China University of Technology（华南理工大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 提出原子任务图（ATG）框架，通过显式图结构暴露子任务依赖、支持并行执行和局部错误修复，在三个交互基准上使用7B-8B模型显著提升成功率和执行效率。

Comments 14 pages, 7 figures

FaithMed: Training LLMs For Faithful Evidence-Based Medical Reasoning

FaithMed: 训练大语言模型进行忠实于证据的医学推理

Zhiyun Zhang, Liwen Sun, Xiang Qian, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； Xlue 纠错

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

AI总结 提出FaithMed框架，通过过程级奖励和优势分组强化学习，监督LLM在医学推理中忠实评估和应用检索证据，在7个基准上平均提升9%。

Comments 15 pages, 5 figures

Path planning for unmanned naval surface vehicles

无人水面航行器的路径规划

Daniel G. Schwartz

机构 * Department of Computer Science, Florida State University（计算机科学系，佛罗里达州立大学） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 针对无人水面航行器（USV）的固定和移动障碍物避碰问题，提出结合全局与局部路径规划器的新方法，全局规划器融合三种算法，局部规划器基于障碍物运动方向决策，仿真验证了有效性。

Journal ref AI Insights, Article 939, 1(1), 2025, 31 pages

Object Aligner: A Configurable JSON Schema Similarity Score for Graphs, Applied to LLM Prompt Optimization

Object Aligner: 一种可配置的图结构JSON模式相似度评分，应用于LLM提示优化

Jan Drchal

机构 * Artificial Intelligence Center, Faculty of Electrical Engineering, Czech Technical University in Prague（捷克理工大学电气工程学院人工智能中心） 纠错

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

AI总结 提出Object Aligner，一种基于递归树对齐和引用对齐的JSON相似度评分方法，通过Weisfeiler-Leman颜色细化近似图同构，用于LLM输出评估和提示优化。

Comments 28 pages, This is a submitted version of a manuscript under review at IEEE Access; it has not been peer reviewed

SkillFuzz: Fuzzing Skill Composition for Implicit Intents Discovery in Open Skill Marketplaces

SkillFuzz: 面向开放技能市场中隐式意图发现的技能组合模糊测试

Jinwei Hu, Yi Dong, Youcheng Sun, Xiaowei Huang

机构 * School of Computer Science and Informatics, University of Liverpool（利物浦大学计算机科学与信息学学院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 提出SkillFuzz，首个无需执行的模糊测试方法，通过提取结构化技能契约并利用契约引导的蒙特卡洛树搜索，在开放技能市场中高效发现因技能组合导致的隐式意图，验证了80%以上高风险组合。

Comments Under Review

Bringing Agentic Search to Earth Observation Data Discovery

将智能搜索引入地球观测数据发现

Minghan Yu, Youran Sun, Chugang Yi, Yixin Wen, Haizhao Yang

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

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

AI总结 提出一个基于智能搜索的系统，利用知识图谱和大型语言模型，从自然语言查询中返回匹配的地球科学数据集和工具，显著提升检索性能。

Comments 19 pages, 1 figure, 6 tables

ElephantAgent: Contextual State Continuity in Agentic Systems

ElephantAgent: 智能体系统中的上下文状态连续性

Jiankai Jin, Xiangzheng Zhang, Zhao Liu, Wenzhuo Xu, Dongdong Yang, Deyue Zhang, Quanchen Zou

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

AI总结 针对工具和记忆投毒攻击，提出ElephantAgent协议，通过强制上下文状态连续性防御状态篡改，并利用历史可追溯性实现事后审计与恢复。

Autonomous discovery of traffic laws with AI traffic scientists

AI交通科学家自主发现交通规律

Xingyuan Dai, Yue Liu, Xiaoyan Gong, Qinghai Miao, Junyou Shang, Yutong Wang, Chao Guo, Yonglin Tian, Yizhang Chai, Chao Xiang, Yisheng Lv, Fei-Yue Wang

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； China Telecom Research Institute（中国电信研究院） ； Macau Institute of Systems Engineering, Macau University of Science and Technology（澳门科技大学澳门系统工程研究所） ； State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统管理与控制国家重点实验室） 纠错

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

AI总结 提出TrafficSci智能体系统，通过迭代工作流自主发现交通规律，在四个案例中重现已知规律并发现城市驾驶行为中的内在时间记忆尺度。

Comments 19 pages, 6 figures

Bi-NAS: Towards Effective and Personalized Explanation for Recommender Systems via Bi-Level Neural Architecture Search

Bi-NAS：通过双层神经架构搜索实现推荐系统的有效和个性化解释

Longfeng Wu, Yao Zhou, Tong Zeng, Zhimin Peng, Bhanu Pratap Singh Rawat, Lecheng Zheng, Giovanni Seni, Dawei Zhou

机构 * Virginia Tech（弗吉尼亚理工大学） ； Google（谷歌） ； Amazon（亚马逊） 纠错

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

AI总结 提出Bi-NAS框架，通过双层神经架构搜索优化推荐解释，结合大语言模型生成个性化理由，提升准确性和解释效果。

How Indian Dermatologists are Utilizing Artificial Intelligence for Clinical Practice and Workflow Management: A Nationwide Survey with a Special Focus on atopic dermatitis

印度皮肤科医生如何将人工智能用于临床实践和工作流程管理：一项以特应性皮炎为重点的全国性调查

Dipayan Sengupta, Saumya Panda, Sandipan Dhar, Dipankar De, Deepika Pandhi, Narayanan B

机构 * Charnock Hospital, Kolkata, India（科钦医院，加尔各答，印度） ； Department of Dermatology, Jagannath Gupta Institute of Medical Sciences and Hospital, Kolkata, India（皮肤科部，贾亚纳塔·古普塔医学科学与医院，加尔各答，印度） ； Department of Pediatric Dermatology, Institute of Child Health, Kolkata-700017, India（儿科皮肤科部，儿童健康研究所，加尔各答-700017，印度） ； Department of Dermatology, Venereology, and Leprology, Postgraduate Institute of Medical Education and Research, Chandigarh-160012, India（皮肤科、性病学和麻风病学部，医学教育与研究研究生院，昌迪加尔-160012，印度） ； Department of Dermatology and STD, University College of Medical Sciences & GTBH, University of Delhi, Delhi-110095, India（皮肤科和性传播疾病部，医学科学大学及GTBH，德里大学，德里-110095，印度） ； Department of DVL, Sree Balaji Medical College and Hospital, Chennai, India（DVL部，Sree Balaji医学院和医院，钦奈，印度） 纠错

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

AI总结 通过全国性调查，发现印度皮肤科医生主要使用通用大语言模型处理认知和行政任务，而临床需求集中于慢性病管理和特应性皮炎工作流支持，提示临床监督下的工作流工具可能比独立诊断应用更有用。

Comments 28 pages, 5 tables

MemSyco-Bench: Benchmarking Sycophancy in Agent Memory

MemSyco-Bench：智能体记忆中的谄媚基准测试

Zhishang Xiang, Zerui Chen, Yunbo Tang, Zhimin Wei, Ruqin Ning, Yujie Lin, Qinggang Zhang, Jinsong Su

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

AI总结 提出MemSyco-Bench基准，评估LLM智能体因记忆引发的谄媚问题，涵盖拒绝记忆、尊重适用范围、解决冲突、跟踪更新和个性化使用五个任务。

EAGLE-360: Embodied Active Global-to-Local Exploration in 360$^\circ$

EAGLE-360: 360°环境中的具身主动全局到局部探索

Jingtao Xu, Zizhuo Lin, Jianwen Sun, Yi Yang, Yawei Luo

机构 * Zhejiang University（浙江大学） ； Central China Normal University（华中师范大学） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 针对多模态大模型在360°全景主动视觉搜索中因极地畸变和连续拓扑建模不足导致的效率低下问题，提出EAGLE-360框架，通过全局先验引导局部探索，结合RoPE Rolling位置编码和GRPO训练，实现近8倍精度提升。

Comments Preprint

Overthink-Triggered Slowdown Attacks on LVLM-Based Robotic Systems

基于LVLM的机器人系统中的过度思考触发慢速攻击

Qiang Han, Jie Wu, Bo Chen

专题命中 规划推理 ：reasoning(abstract)

AI总结 研究利用LVLM的过度思考行为，通过嵌入场景文本触发推理延迟，提出三阶段框架发现可迁移触发词，实验显示最高6.96倍延迟放大。

Comments 17 pages, 10 figures

CommonRoad-Game: A Human-in-the-Loop Simulation Framework for Autonomous Driving

CommonRoad-Game：面向自动驾驶的人机协同仿真框架

Yunfei Bi, Youran Wang

专题命中 规划推理 ：planning(abstract)

AI总结 提出CommonRoad-Game轻量级人机协同仿真框架，通过多线程同步机制实现确定性交互，支持运动规划器测试与人类驾驶行为分析。

Comments 15 pages, 18 figures, 2 tables. Source code: https://github.com/Yunfei-Bi8/CommonRoad-Game

TempAct: Advancing Temporal Plausibility in Autoregressive Video Generation via Planner-Executor RL

TempAct: 通过规划器-执行器强化学习推进自回归视频生成中的时间合理性

Jing Wang, Xiangxin Zhou, Jiajun Liang, Kaiqi Liu, Wanyuan Pang, Zhenyu Xie, Tianyu Pang, Xiaodan Liang

机构 * Shenzhen Campus of Sun Yat-Sen University（中山大学深圳校区） ； Tencent Hunyuan（腾讯混元） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； USTB（北京科技大学） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 提出TempAct框架，利用规划器-执行器强化学习联合优化时间分解与步骤条件执行，解决自回归视频生成中时间指令模糊、延迟反应和错误传播问题，提升时间一致性。

Evidence-State Rewards for Long-Context Reasoning

证据状态奖励用于长上下文推理

Ya Gao, Pekka Marttinen

机构 * Aalto University（阿alto大学） 纠错

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

AI总结 提出Maven框架，通过可编辑证据记忆和动作级状态转移奖励，优化长上下文推理中的证据导航，优于仅结果强化学习和证据识别基线。

Comments Under review

Spatial Reasoning via Modality Switching Between Language and Symbolic Representation

通过语言与符号表示之间的模态切换进行空间推理

Shreya Rajpal, Tanawan Premsri, Parisa Kordjamshidi

机构 * Michigan State University（密歇根州立大学） 纠错

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

AI总结 研究多跳文本空间故事中，将语言推理切换到几何感知模态（如布局或网格）能否提升推理性能，并提出基于可信度和复杂度的切换指标，实现原则性模态选择，使LLM性能提升高达42%。