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。
ARCANA：用于ARC-AGI-2推理的反射式多智能体程序合成框架
机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Northeastern University（东北大学）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.AI
AI总结 ARCANA是用于ARC-AGI-2推理的多智能体框架，将任务分解为感知、假设生成等步骤，智能体通过可微黑板通信，由元控制器调度。其设计结合程序搜索与校正，提升了抽象转换任务的推理效率和解决方案质量。
OpenProver：使用Lean 4进行智能且交互式的定理证明
机构 * Charles University, Faculty of Mathematics and Physics（查尔斯大学数学与物理系）
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI
AI总结 介绍用于大语言模型驱动的自动化定理证明的开源系统OpenProver，它集成特定架构，完全开源，能自动验证证明，提供交互式界面，通过在ProofNet上评估展示自动验证在定量消融实验中的潜力。
Comments 7 pages, 2 figures. Accepted at the 19th Conference on Intelligent Computer Mathematics (CICM 2026)
Lean-QIT：迈向量子信息理论的形式化基础设施
机构 * QudeLeap Research（QudeLeap研究院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Quantum Science Center of Guangdong-Hong Kong-Macao Greater Bay Area（粤港澳大湾区量子科学中心） ； The University of Hong Kong（香港大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 研究旨在为量子信息理论构建形式化基础设施，通过Lean 4库LeanQIT提供相关接口，将多个重要定理形式化，分离操作定义与解析表征，为形式化QIT及相关推理提供基础和知识底物。
Comments 24+5 pages, 3 figures
Agora：通过基于拍卖的任务分配增强大语言模型智能体推理
机构 * University of Birmingham（伯明翰大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 研究旨在增强LLM智能体推理能力，提出Agora框架，通过基于拍卖的机制动态分配任务，将推理步骤视为可交易项目让智能体依纠正能力投标，实验表明该框架在多基准测试中表现优且能实现成本-质量权衡。
Comments Preprint. 12 pages, 4 figures
Eluna：一个用于通过推理和任务执行实现仓库运营自动化的智能语言模型系统
机构 * Amazon.com, Inc. Fulfillment Technologies and Robotics（亚马逊公司履约技术与机器人部门）
专题命中 逻辑推理 ：reasoning(title)；分类 cs.AI、cs.LG
AI总结 研究针对仓库运营中SOP执行问题，提出Eluna智能体系统，它是图形引导多智能体框架，采用非对称情节蒸馏方法，在基准测试和生产应用中，微调模型表现出色，匹配或超教师模型，击败基线，在票务处理应用达94%专家一致性。
自动化即时Python类型注释更新
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)
AI总结 研究Python项目中类型注释易过时问题，提出基于大语言模型的TypeUp方法自动更新类型注释，能依据旧注释和代码更改生成新注释，性能优于现有方法，在实际项目评估中展现实用价值。
Comments 12 pages, accepted by ICSE 2026
ConceptSMILE：审计基于概念的可解释人工智能的可信度
机构 * University of Hull（赫尔大学） ； Newcastle University（纽卡斯尔大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究基于概念的可解释人工智能中概念级输出的可信度问题，提出ConceptSMILE审计框架，通过扰动输入区域等方法评估可靠性，在视网膜眼底图像上评估发现不同概念和路径可靠性有差异，为评估此类人工智能可信度提供独立审计层。
基于计算能力网络的异构大语言模型实体代理的通信高效数字孪生协调
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对异构大语言模型实体代理协作面临的通信开销大、协调质量受LLMs能力限制和行动延迟等挑战，提出基于轻量级数字孪生的LDT-Coord框架，通过特定方法减少通信开销，实现与传统方法相当的任务成功率且保持鲁棒性。
Comments 14 pages, 6 figures, 5 tables
SherAgent：通过大语言模型赋能的迭代查询-过滤回溯在野外扩展攻击调查
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 研究针对野外攻击调查中依赖爆炸和因果链碎片化问题。提出SherAgent系统，基于大语言模型，采用迭代“查询-过滤”回溯范式处理非结构化数据，克服相关问题。相比传统方法，提高调查成功率，且运行高效，减轻专家分析负担。
6G无线接入网的隐私保护意图实现与保证
专题命中 逻辑推理 ：verifier(abstract)
AI总结 研究6G无线接入网隐私保护意图实现与保证问题，提出一种架构，协调器依意图类别分配资源且仅用O1接口计数器验证，定义隐私属性并证明其成立，映射到相关框架确定运行点，实验表明意图类别粒度变化对分配和保证有相应影响。
GATS：用于高效智能体规划的具有分层世界模型的图增强树搜索
机构 * Institute for Cybernetics of NAS of Ukraine（乌克兰国家科学院控制论研究所）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究针对LLM智能体规划计算成本高和行为随机的问题，提出GATS框架，结合系统树搜索与分层世界模型，在合成任务和综合测试中表现优异，规划时无需LLM调用，生成确定性计划，优于LLM引导探索。
使用基于锚点的检索和大语言模型推理从二进制函数中进行实用的源代码恢复
机构 * McGill University（麦吉尔大学） ； Defence Research and Development Canada（国防研究与发展加拿大）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究如何从二进制函数恢复源代码，结合逆向工程、基于锚点检索和大语言模型推理，在基于高保真数据库对tcpdump二进制文件评估中，匹配方法实现95.2%汇编指令覆盖率，在GitHub数据库实验中平均覆盖率35.5%。
Comments 12 pages, 5 figures
Mosaic：运行时高效的多智能体实体规划
专题命中 规划推理 ：planning(title,abstract)
AI总结 研究基于LLM的多智能体实体规划执行延迟高问题，提出Mosaic框架，通过智能体中心语义内存和整数线性规划应对挑战，在多基准测试中执行更快、调用更少、步数更少且成功率更高，证明相关因素对多智能体规划的重要性。
Comments Accepted to ICML 2026
迈向可审计的人工智能科学家：大语言模型智能体的假设演化协议
机构 * Institute of Industrial Science, The University of Tokyo（东京大学产业科学研究所）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究旨在让大语言模型智能体在科学发现中发挥核心作用。提出假设演化协议（HEP），使假设生成等操作可审计。在材料科学任务中，该协议能让智能体运行关键循环，跨问题概括并随模型能力提升更充分利用协议，迈向可审计的人工智能科学家。
风险感知通用效用马尔可夫决策过程
专题命中 规划推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 研究风险感知通用效用马尔可夫决策过程，聚焦熵风险度量，提出基于蒙特卡洛树搜索的方法，可解决该过程并达任意精度，实验表明此方法在多种任务的GUMDPs中优化风险感知行为时成功。
iLENS：用于神经影像生存分析的可解释大语言模型引导的专家混合模型
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 针对阿尔茨海默病前驱期转化预测问题，提出iLENS框架，基于专家混合模型，利用大语言模型合成信息指导专家路由，具备竞争力的预测性能，能为决策提供透明且基于生物学的原理。
AgentKGV：用于知识图谱事实验证的两阶段训练的智能语言模型-检索增强生成框架
机构 * SungKyunKwan University（成均馆大学） ； NAVER（纳维）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 针对知识图谱事实错误验证难题，提出AgentKGV框架，集成动态路由等处理表面形式不匹配。引入两阶段训练策略，在开放域T-REx基准上，该框架提升了宏观F1，减少搜索调用次数，提高了验证准确性和效率。
神经代理控制：一种基于深度学习的由大型语言模型驱动的用于控制安全控制的代理人工智能框架
机构 * Texas Tech University（德克萨斯理工大学） ； Cumberland University（坎伯兰大学） ； Advanced Academic Programs Science（高级学术项目科学部） ； Johns Hopkins University（约翰·霍普金斯大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对运营技术网络攻击问题，提出神经代理控制框架，结合基于LLM的规划器与预训练的TimesFM，并引入“反事实物理注入”机制，在工业数据集评估中表现优于基线，能有效保障关键基础设施中代理人工智能。
机器人轨迹生成器V3：一种用于SE(3)操作的概率共享控制框架
机构 * KU Leuven（鲁汶大学） ； Flanders Make（法兰德斯制造）
专题命中 规划推理 ：planning(abstract)
AI总结 针对远程操作机器人手臂执行高自由度操作任务的难题（认知要求高、易出错、依赖低带宽接口），提出概率共享控制框架RT-V3，通过贝叶斯推理结合用户意图先验与实时命令估计后验分布，实验证明其在多方面表现出色，优于基线方法。
通过受人工测试启发的工作流程进行多智能体大语言模型协作以生成单元测试
专题命中 规划推理 ：reasoning(abstract)
AI总结 研究针对现有基于大语言模型的单元测试生成方法的局限，提出TestAgent，通过多智能体协作机制模拟人工测试，设计专门智能体、配备工具API并构建知识图谱，在Java项目实验中取得优异结果，性能优于基线和搜索工具。
关于视觉推理中的局部性和长度泛化
机构 * Qualcomm AI Research（高通人工智能研究中心）
专题命中 视觉空间推理 ：reasoning(title)；分类 cs.AI、cs.LG
AI总结 研究从视觉状态跟踪和长度泛化角度，探讨局部、顺序视觉模型是否有计算优势。受语言模型启发，研究简单视觉任务中视觉模型行为。发现其会利用全局捷径，基于严格局部感知的策略可缓解此问题，表明局部注意力对稳健组合泛化很关键。
Comments Accepted at ECCV 2026
TSR-Ego：用于自中心3D人体姿态估计的时间引导立体细化框架
机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 针对自中心3D人体姿态估计难题，提出TSR-Ego框架，结合短期运动证据与投影引导特征采样，通过因果深度可分离时间卷积和多种自注意力机制细化3D关节查询，实验证明其性能领先，尤其在真实世界序列中优势明显。
GReFEM：多模态大语言模型作为用于物理引导的3D网格细化的零样本语义助手
机构 * Institute of Material Systems Modeling（材料系统建模研究所） ； Helmholtz Zentrum Hereon（海德堡研究中心Hereon） ； Institute of Material and Process Design（材料与加工设计研究所） ； German Research Center for Artificial Intelligence（德国人工智能研究中心）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 研究探索多模态大语言模型能否作为有限元网格细化的零样本几何代理，引入GReFEM框架及orthoViews视图选择模块，经实证评估发现其展示出强大零样本能力，能准确遵循复杂指令，比盲目启发式方法更精确，定义了基础模型在自动模拟中作为语义助手的前沿。
超越固定表示：开放式人工智能中的词汇与验证差距
机构 * MIT（麻省理工学院）
专题命中 测试时计算 ：verifier(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究指出当前人工智能系统虽能力强但表示框架固定，构建开放式智能需新操作。通过词汇和验证差距刻画与真正开放式智能的距离，基于智能行为的认知转换区分不同类型转换，进而提出创新自主性阶梯及推进开放式人工智能的方向。
多语言视觉多项选择题中小视觉语言模型的测试时缩放
机构 * ImageCLEF Lab（图像CLEF实验室） ； University of Amsterdam（阿姆斯特丹大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究小型视觉语言模型在多语言视觉多项选择题中的测试时缩放，比较多种方法，发现运行条件重要，可解析性是关键，增加解码预算有帮助，复杂方法贡献小，最佳配置在测试集上表现出色，位居排行榜首位。
Comments 14 pages, 2 figures, accepted at ImageCLEF 2026
计数存在但未对齐：理解和纠正视觉语言模型中的计数失败
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Imperial College London（伦敦帝国学院）
专题命中 测试时计算 ：self-correction(abstract)；分类 cs.LG
AI总结 研究视觉语言模型计数失败问题，通过对VLM激活进行探测训练及分析，发现其虽常编码正确计数但输出错误，提出探测器引导的自校正方法，在不更新参数时提高计数准确率，揭示内部知识与模型输出差距并提供改进工具。
多样化以进行验证：当任务等效程序在可验证性上存在差异时
机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 研究任务等效程序的可验证性差异，提出基于大型语言模型的Diversify2Verify管道，通过推断契约、生成测试不同实现并修复注释来验证，构建基准测试，结果表明实现多样性有助于验证，提高了验证成功率。
CogniConsole：将推理时控制作为可靠大语言模型交互的形式化抽象进行外化
机构 * University of Regina（里贾纳大学） ； Orbital Sea（轨道海）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI
AI总结 研究挑战大语言模型可靠性仅取决于模型能力的观点，引入CogniConsole将推理时控制外化为结构化接口，通过489个探针实验表明增加结构支架可降低输出方差和故障率，为LLM系统设计评估开辟新方向。
Comments Revised version focusing on the CogniConsole system architecture and empirical evaluation of inference-time control probes (N=489)
重采样还是重新路由？大语言模型的预算感知测试时模型选择
机构 * Institute of Bioinformatics and Systems Biology, National Yang Ming Chiao Tung University（国立阳明交通大学生物信息与系统生物学研究所） ； Krixvon（克瑞克斯冯）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.LG
AI总结 研究大语言模型测试时模型选择问题，提出预算感知测试时模型选择方法，通过在重采样和重新路由间分配预算单位最大化预期正确性，提出RoR分配策略，实验表明该策略在成本-质量方面优于多种基线。
Comments 10 pages, 3 figures. v2: corrected Phi-4 cost (14.7B) and re-ran all replays; conclusions unchanged. Code: github.com/luka-krixvon/resample-or-reroute-experiment
BUS：用于高级多模态推理的受脑启发的无监督自我反思
机构 * AAAI Press（美国人工智能协会出版社）
专题命中 复杂问题求解 ：reasoning(title,abstract)
AI总结 研究针对VLM处理复杂视觉任务的不足，受脑启发提出BUS无监督训练框架，通过反向预测提升其反思推理能力，无需标注数据，与多种微调方法兼容，经实验验证在多任务中有效提升了VLM推理性能。
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