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。
大语言模型能看到烟雾却看不到火焰：用Elenchos评估溯因推理
机构 * Max-Planck-Institute for Biological Cybernetics（马克斯·普朗克生物控制论研究所） ； University Hospital Tübingen（图宾根大学医院）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究大语言模型的溯因推理能力，引入Elenchos评估框架，通过给定形式系统及变异对应物，让智能体判断变异并推断规则修改，发现模型存在检测-归因分离问题，相互作用变异下性能降，推理时间收益递减。
基于证据的可验证智能推理：通过工具验证内核证明消除经验推理中语言模型幻觉的途径
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究旨在消除语言模型经验推理中的幻觉，提出基于Lean 4的EG-VAR工具调用架构，通过工具验证公理等生成可验证声明，经实验在数值推理等测试中表现良好，定位为高风险经验声明的技术治理接口，可审计相关条件并转化错误为审计目标。
Comments Accepted at the ICML 2026 TAIGR workshop. System name: EG-VAR
SymbOmni：通过符号概念学习进化智能全能模型
机构 * South China University of Technology（华南理工大学） ； Westlake University（西湖大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 针对视觉生成模型无法累积学习与自主进化的问题，提出SymbOmni智能全能模型，通过符号概念学习和归纳-转导循环运行，经言语反向传播训练。实验验证其在多方面性能优越，能有效降低令牌消耗并实现持续学习。
Comments ECCV 2026 (49 pages, 10 figures, project page: https://spherelab.ai/symbomni)
StratMamba：用于基于路径高效的激光雷达避障的策略性和反应性流划分
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； AlphaZ, Inc.（阿尔法兹公司） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)
AI总结 研究针对复杂环境中机器人导航问题，提出StratMamba双流时间建模架构，结合快慢衰减内存架构处理激光雷达数据。经多场景评估及与其他基线对比，其在时间推理效率、导航速度和路径最优性方面表现出色，在现实中性能更稳健。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 6 figures. Video: https://www.youtube.com/watch?v=Z0FfO_AVaSw
BAT-RM：一种用于临床部署的宫颈癌放疗自动轮廓勾画的具有区域感知多向曼巴的边界感知变换器
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 研究针对宫颈癌放疗自动轮廓勾画问题，提出BAT-RM混合架构，集成多种技术。该架构在多机构数据实验中性能卓越，提升了初级肿瘤学家的交并比并减少轮廓勾画时间，临床部署后缩短患者等待时间，体现了严格研究流程对患者的益处。
智能物联网络：用于闭环物联网编排的联网人工智能代理
机构 * New York University, Tandon School of Engineering（纽约大学坦登工程学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 介绍智能物联网络（IoAT）架构框架，它集成多种技术成统一闭环编排框架，由多层通过自主AI代理连接，用半形动态规划框架形式化问题，以智能建筑编排为例，还讨论了相关关键研究挑战。
用于乳腺癌治疗建议的智能体系统
机构 * Spesia（斯佩西亚） ； Faculdade de Medicina, Universidade de São Paulo（圣保罗大学医学院） ； Laboratory of Artificial Intelligence Applied to Bioinformatics, SEPT, Universidade Federal do Paraná (UFPR)（巴拉那联邦大学人工智能应用于生物信息学实验室，SEPT） ； Pontifícia Universidade Católica do Paraná (PUCPR)（巴拉那天主大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 研究评估用于乳腺癌治疗建议的智能体LLM系统，用72个真实临床病例和1147个特定病例量表，比较七种流程，最佳配置全局得分为0.594±0.025，工具使用和智能体自主性影响各异，虽能生成相关建议，但用于无监督临床使用仍不足。
Comments Under peer review. Source code available at: https://github.com/GRUPOMED4U/breast_cancer_agents_paper
迈向自我进化智能体：一种受人类启发的遗传网络编程自适应探索-利用框架
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究受人类发育模式启发，提出人类启发的遗传网络编程（HGNP）框架，通过新型自适应交叉、变异算子及循环消除机制，动态调节遗传网络编程中探索与利用的平衡，提升了智能体策略性能，且可应用于多种GNP变体。
用于人工智能数据中心的分层半马尔可夫负载模型：将作业调度与批量同步并行功率动态相结合
专题命中 规划推理 ：planning(abstract)
AI总结 研究人工智能数据中心负载模型，提出分层半马尔可夫数据中心（HSM-DC）负载模型，该模型在两个时间尺度上耦合两层，能匹配平均功率、分布及峰均比等，强调电网规划需考虑作业到达和调度过程。
Comments Submitted to 2026 CIGRE Grid of the Future Symposium, October 26-29, 2026 in Richmond, Virginia
ReflectVLN：通过反思推理训练视觉语言导航智能体
机构 * Amap, Alibaba Group（高德软件有限公司，阿里巴巴集团） ； Beihang University（北京航空航天大学）
专题命中 视觉空间推理 ：reasoning(title)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)
AI总结 研究针对现有视觉语言导航方法缺乏闭环机制问题，提出ReflectVLN框架，通过双向交互智能体决策，引入行动思维链训练方案，实验证明该框架在有限数据下提升成功率和路径效率，且具良好训练成本与可解释性。
地理空间基础模型的新兴范式：从预训练到智能推理
机构 * Google Public Sector（谷歌公共部门）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究地理空间基础模型的新兴范式，通过职责分离实现预训练与特定任务微调，探讨不同类型模型能力及实现考虑因素，提出模型适应策略分类法和框架，展望智能地理空间推理推动领域从感知到认知的发展。
Comments 18 pages, 4 figures. To appear in Lecture Notes in Computer Science (LNCS)
Journal ref Lecture Notes in Computer Science, Vol. 16446 (2026)
DM-KG：一种提升街景图像中视觉语言模型空间认知的新方法
机构 * Institute of Surveying and Mapping, Information Engineering University（信息工程大学测绘学院） ； Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences（中国科学院地理科学与资源研究所）
专题命中 视觉空间推理 ：reasoning(abstract)；logical reasoning(abstract)
AI总结 研究针对视觉语言模型在街景图像空间认知方面的不足，提出DM-KG框架，通过提取实体关系、结合全景分割与深度估计计算坐标并编码知识图，有效提升模型空间推理准确性，降低误差，为地理视觉问答提供新框架。
不仅仅是你在哪里：从跨视图定位中学习语义、结构和几何
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Beijing Aerospace Control Center（北京航天飞行控制中心）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 研究如何在极端视角变化下通过跨视图定位让模型学习语义、结构和几何。提出CROSS框架，克服现有方法局限，经实验验证该框架在跨视图定位中性能最优，能有效学习多方面内容。
基于验证器的热能存储控制推理模型强化微调
机构 * The University of Tokyo（东京大学） ； Tokyo University of Science（东京理科大学）
专题命中 测试时计算 ：reasoning(title,abstract)；verifier(title)；planning(abstract)；分类 cs.LG
AI总结 研究针对建筑物热能存储控制中模型难以扩展的问题，采用基于可验证奖励的强化学习，通过强化微调训练开放权重推理模型，在简单办公楼TES基准测试中取得较好效果，明确了规划模式转移情况，推动了相关测试与验证器发展。
Comments 29 pages, 8 figures
EVOQUANT：用于稳健量化交易的自进化验证器引导策略优化
机构 * HKUST(GZ)（香港科技大学（广州）） ； Paradoox AI Research（悖论人工智能研究）
专题命中 测试时计算 ：verifier(title,abstract)；分类 cs.AI
AI总结 研究针对量化策略优化多依赖人工且易出错的问题，提出EVOQUANT框架，利用大语言模型诊断瓶颈、生成候选编辑，经多阶段验证选最佳策略，能提炼经验持续改进，实验表明该方法有效提升夏普比率，为金融策略研究提供新途径。
通过代码属性图和时间执行图进行多视角智能程序修复
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对大语言模型在自动程序修复中的局限，提出CT-Repair框架，通过代码属性图和时间执行图表示证据，利用三阶段过滤管道及多视角智能体分析错误并生成修复策略，实验证明该方法能有效提高修复有效性。
Comments 12 pages, 5 figures, 10 tables
接受前缀并非全部所需：基于PEFT的块扩散草稿生成的负面结果
机构 * Bahçeşehir University（巴赫切希尔大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 研究基于PEFT - BD的推测性解码方法，虽有避免分词器不匹配等优点，但在Qwen3 - 0.6B实验中未实现实际加速，因草稿生成器计算不高效。结果表明成功推测性解码需草稿生成器执行成本远低于验证器。
X的原子单位：智能的压缩层
机构 * SeKondBrain AI Labs（第二大脑人工智能实验室）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 该论文提出将智能视为原子压缩与组合复用过程的理论框架，借助多学科证据阐述原子单位概念，给出压缩演算等核心方法，为设计自进化知识系统奠基，为智能相关多方面提供统一视角。
众多观点，众多大语言模型：将大语言模型与传统机器学习用于开放式调查分析的比较
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 研究对比多种大语言模型与传统机器学习用于开放式调查分析，在情感分析和主题分类等任务中评估性能，发现LLMs分类准确性更高，但在预测理由及应用类别边界上差异大，凸显了使用LLMs进行定性分析时的权衡并给出实用建议。
迈向无视觉的合成图像检索：基于属性增强评分和基于大语言模型的重排的零样本合成图像检索
机构 * The University of Tokyo（东京大学） ； Kioxia Corporation（铠侠株式会社）
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 研究如何让无视觉方法有效处理合成图像检索任务，通过属性增强混合评分和基于大语言模型的重排两项关键技术构建框架，在开放域CIRR数据集实验中优于现有零样本方法，在FashionIQ上凸显语义推理与视觉匹配权衡，消融研究验证技术有效性。
TRACE：可审计的智能体承诺的操作推理模式
机构 * Stanford University（斯坦福大学） ； Quadrivium AI（四元数人工智能）
专题命中 推理评测 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI
AI总结 本文提出TRACE模式用于记录推理轨迹，通过字段和测试应对推理不在语言模型中的问题，给出参考程序和操作规范，借助记录-消费者契约形成操作接口，通过示例展示应用，贡献了模式及其契约。
Comments 46 pages, 18 tables, 4 figures
TerraLogic：地球观测中分层地理空间推理的基准
机构 * The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Technical University of Munich（慕尼黑工业大学）
专题命中 推理评测 ：reasoning(title,abstract)；planning(abstract)
AI总结 针对遥感中认知地理空间推理研究不足的问题，引入TerraLogic基准及HieraPlan工具增强智能体，通过545个任务推动评估向认知级发展，实验显示HieraPlan在分层地理空间推理上表现出色，为相关研究提供强大基线。
Comments 8 pages, 3 figures, and 7 tables. Dataset and agent code are available at https://github.com/Ireliya/TerraLogic
G-SHARE：一种基于指南的人为因素事件诊断结构化推理框架
机构 * Institute of Nuclear and New Energy Technology, Tsinghua University（清华大学核能与新能源技术研究院） ； National Key Laboratory of Human Factors Engineering（人因工程重点实验室） ； Fujian Fuqing Nuclear Power Co., Ltd.（福建福清核电有限公司）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 研究针对核电站人为因素事件诊断问题，提出基于指南的结构化推理框架G-SHARE，将诊断指南转化为多阶段流程，含证据提取等步骤。通过构建数据集评估，其性能显著优于基线，证明了转化专家指南为推理流程对安全关键行业智能分析的价值。
IQA-T1：基于工具的图像质量评估视觉证据推理
机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机科学学院） ； The Hong Kong University of Science and Technology（香港科技大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对开放世界图像质量评估难题，提出IQA-T1框架，通过自主调用工具生成视觉证据增强多模态大语言模型推理，构建Q-Tool数据集，实验表明该框架性能最佳且评估可解释、基于证据。
Comments Accepted by ECCV 2026
CoRe：视觉语言模型中跨图像比较推理的综合框架
机构 * Xi’an Jiaotong University（西安交通大学）
专题命中 推理评测 ：reasoning(title,abstract)
AI总结 针对视觉语言模型跨图像比较推理难题，提出CoRe框架，含自动构建的训练集CoRe-20K、结构化奖励框架TriSR及基准CoRe-Bench，实验显示其在CoRe-Bench上大幅超越现有模型，在标准基准上也有竞争力。
Comments Accepted by ACMMM2026
人工智能代理知道任务何时简单吗？迈向复杂性感知推理与执行
专题命中 推理评测 ：reasoning(title,comments)；分类 cs.CL、cs.AI
AI总结 研究探讨LLM代理缺乏任务感知执行范围估计能力，提出E3方法，在MSE-Bench基准测试及真实模型工具中验证，该方法能在保证成功率时大幅降低成本，推动迈向工程基础人工智能，还发布了框架和基准。
Comments 27 pages, 8 figures, 8 tables. Code and benchmark: https://github.com/eejyin/Do-AI-Agents-Know-When-a-Task-Is-Simple-Toward-Complexity-Aware-Reasoning-and-Execution
AutoTrace：通过智能过程间探索从补丁到触发器
专题命中 推理评测 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 研究针对修复漏洞提交的触发器定位难题，提出AutoTrace智能管道逐层探索代码属性图定位漏洞触发器，并构建SinkTrace - Bench数据集。AutoTrace在基准测试中表现出色，还揭示了前沿语言模型在因果推理上的差距。
用于在生活叙事中检测大五人格的微调多智能体框架
机构 * Southern Methodist University（南卫理公会大学） ； Washington University in St. Louis（圣路易斯华盛顿大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 研究旨在从文本中准确评估人格，提出微调多智能体框架，通过掩码语言建模和心理测量监督让子智能体针对特质采用不同视角，评判大语言模型生成预测，经实验验证该方法可扩展且可解释，突出多智能体推理优势。
CANDI：特定领域问答的上下文对齐
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 研究针对专业领域大语言模型评估问题，提出CANDI-QA数据集，含两类问答对。评估多种语言模型，给出MTSS-Net框架。揭示特定领域上下文对齐挑战及当前模型局限，为上下文感知语言模型研究提供关键基准。
认知立场灵活性探测：测量大语言模型中提示条件下的语域转换
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 研究大语言模型在不同归因提示下的认知立场灵活性，引入ESFP基准，涵盖多类别多模板项目，从四个维度评估模型响应，发现认知灵活性与模型能力正交，立场内容密度信号最强。
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