大模型推理能力

GSM-Plus-BN: A Perturbation-Based Benchmark for Bangla Mathematical Reasoning in Large Language Models

GSM-Plus-BN：大语言模型中孟加拉语数学推理的基于扰动的基准测试

Bidyarthi Paul, Nahida Jannat Mayouree, Md. Asif Karim, Sagar Chandra Nath, Swastika Kundu

机构 * Southeast University（东南大学） ； Ahsanullah University of Science and Technology（阿山努拉科技大学） 纠错

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

AI总结 研究针对大语言模型中孟加拉语数学推理评估缺乏的问题，引入GSM-Plus-BN数据集，用9000个样本评估六个开源LLMs，对比标准提示和思维链提示，发现大模型鲁棒性好，思维链提示有提升，但与英语基准有差距，为相关研究提供新资源和基线。

Beyond tokens: a unified framework for latent communication in LLM-based multi-agent systems

超越Token：基于LLM的多智能体系统中潜在通信的统一框架

Yingzhuo Liu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

专题命中 数学推理 ：reasoning(abstract)；chain-of-thought(abstract)；planning(abstract)；分类 cs.CL

AI总结 提出一个三维统一框架（通信内容、发送-接收对齐、信息融合方式），系统分类2024-2026年间18种潜在通信方法，识别五种设计模式并揭示开放挑战。

AIMO Interpretability Challenge

AIMO可解释性挑战

Michal Štefánik, Philipp Mondorf, Andreas Waldis, Qianying Liu, Chuan Yang, Michal Spiegel, Josef Kuchař, Marek Kadlčík, Adam Vawda-Oomerjee, Chaoran Liu, Simon Frieder, Barbara Plank, Fazl Barez, Pontus Stenetorp

机构 * National Institute of Informatics（日本国立信息学研究所） ； Munich Center for Machine Learning / MaiNLP LMU（慕尼黑机器学习中心/慕尼黑大学语言与文学计算研究所） ； University of Tübingen（图宾根大学） ； Fuzhou University（福州大学） ； Masaryk University（马萨里克大学） ； University College London（伦敦大学学院） ； University of Oxford（牛津大学） 纠错

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

AI总结 提出AIMO可解释性挑战，基于前沿数学语言模型内部机制区分稳健与虚假推理。利用AIMO问题等资源，提供推理问题、模型访问及鲁棒性评估，助参与者开发识别稳健模型的方法，创建新基准和基线系统，连接可解释性与泛化研究。

Comments Accepted Competition at NeurIPS 2026

Consensus as Privileged Context for Label-Free Self-Distillation

作为无标签自蒸馏特权上下文的共识

John Gkountouras, Josip Jukić, Ivan Titov

机构 * ILLC, University of Amsterdam（逻辑、语言与计算研究所，阿姆斯特丹大学） ； ILCC, University of Edinburgh（信息实验室，爱丁堡大学） 纠错

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

AI总结 研究旨在提高无标签大语言模型推理准确性，提出CANON方法将共识转化为token级监督，通过采样多个解决方案并以达到多数答案的方案为条件设置模型快照来监督。实验表明该方法大幅提升性能，还能迁移，改进非单纯分布锐化。

GFlowRL: Scaling Distribution-Matching RL to Large Language Models

GFlowRL：将分布匹配强化学习扩展到大型语言模型

Xiaodong Liu, Michael Xu, Jack W. Stokes, Paul Smolensky, Doug Burger, Jianfeng Gao

机构 * Microsoft Research（微软研究院） 纠错

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

AI总结 研究旨在将GFlowNet风格的RL扩展到大型语言模型，提出GFlowRL算法，去除辅助分区网络，用批内蒙特卡罗估计替代学习的分区函数，并通过两个稳定器实现奖励分布匹配，在多个基准测试中表现出色，能稳定扩展到不同架构。

Comments 31 pages, 8 figures, 17 tables

Infinity-Parser2 Technical Report

Infinity-Parser2技术报告

Zuming Huang, Jun Huang, Kexuan Ren, Baode Wang, Weizhen Li, Jianming Feng, Yu Wang, Yichen Yao, Shijun Lin, Yige Tang, Cheng Peng, Weidi Xu, Wei Chu, Yinghui Xu, Yuan Qi

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

AI总结 针对文档解析语料库稀缺问题，Infinity-Parser2结合可控数据合成与多任务强化学习。贡献包括构建合成引擎及开源语料库，引入多任务奖励系统，发布Infinity-Parser2-Flash和Infinity-Parser2-Pro两个变体，后者在多项任务中达先进水平。

Test-Time Learning with an Evolving Library

测试时学习与进化库

Weijia Xu, Alessandro Sordoni, Chandan Singh, Zelalem Gero, Michel Galley, Xingdi Yuan, Jianfeng Gao

机构 * Microsoft Research（微软研究院） 纠错

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

AI总结 EvoLib通过维护知识库实现大语言模型在不同实例间积累和进化知识，无需参数更新或外部监督，提升数学推理、代码生成等任务性能。

SIVA-RL: Sensitivity-Invariance Visual Alignment for Multimodal Reinforcement Learning

SIVA-RL：用于多模态强化学习的灵敏度不变视觉对齐

Cheng Tang, Junzhi Ning, Min Cen, Wei Li, Xinyi Zeng, Pinxian Zeng, Rongbin Li, Qiming Zhu, Yuqiang Li, Junjun He, Yirong Chen, Ming Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Sichuan University（四川大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Macau（澳门大学） 纠错

专题命中 数学推理 ：reasoning(abstract)

AI总结 研究多模态强化学习中视觉语言模型预测与视觉证据结合问题，提出SIVA-RL框架，通过特定方法构建局部干预并以奖励下降为权重驱动对齐，在多基准测试中相比基线改进了模型。

Comments 27 pages, 11 figures

Interventional Grounding Audits: Black-Box Premise-Dependency Tests for LLM Chain-of-Thought via Predicate Substitution

介入式基础审计：通过谓词替换对大语言模型思维链进行黑盒前提依赖性测试

Hironao Nakamura

专题命中 代码与定理证明 ：chain-of-thought(title,abstract)；reasoning(abstract,comments)；CoT(abstract)；分类 cs.CL、cs.AI

AI总结 研究大语言模型思维链前提依赖性问题，提出介入式基础审计方法，通过谓词替换干预前提并重新运行模型，在ProntoQA基准测试中检测前提依赖性表现优异，还发现了“正确答案，错误推理”信号。

Comments Accepted at the ICLR 2026 Workshop on Logical Reasoning of Large Language Models (https://iclr.cc/virtual/2026/10017466)

Left-right asymmetry in predicting brain activity from LLMs' representations emerges with their formal linguistic competence

在LLM表示中预测脑活动的左右不对称性随着其正式语言能力的出现而出现

Laurent Bonnasse-Gahot, Christophe Pallier

机构 * Centre d’Analyse et de Mathématique Sociales CNRS, EHESS, Paris, France（分析与数学社会中心 CNRS，EHESS，巴黎，法国） ； Cognitive Neuroimaging Unit CNRS, INSERM, CEA, Neurospin Center, 91191 Gif-sur-Yvette, France（认知神经成像单元 CNRS，INSERM，CEA，Neurospin中心，法国91191 Gif-sur-Yvette） 纠错

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

AI总结 研究发现LLM的正式语言能力与大脑预测活动的左右不对称性同步发展，且与算术或世界知识任务无关。

Journal ref Neurobiology of Language 2026

CAVA: Canonical Action Verification and Attestation for Runtime Governance of Agentic AI Systems

CAVA：用于智能代理人工智能系统运行时治理的规范动作验证与认证

Zexun Wang

机构 * Ond Holdings Inc（Ond控股公司） 纠错

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

AI总结 研究智能代理人工智能系统异构运行时带来的治理问题。提出CAVA，将异构代理活动转换为规范动作对象。通过基准参考实现研究，为部署者端人工智能治理提供动作级规范化和语义模式的系统表述。

Comments 35 pages. Working paper on canonical action verification, runtime governance, semantic pattern detection, and approval-bound action receipts

A Survey on Hypergame Theory: Modelling Misaligned Perceptions and Nested Beliefs for Multi-Agent Systems

关于超博弈理论的综述：为多智能体系统建模错位感知与嵌套信念

Vince Trencsenyi, Agnieszka Mensfelt, Kostas Stathis

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

AI总结 本文综述了超博弈理论在多智能体系统中的应用，分析了其建模错位感知与嵌套信念的能力及现有研究中的趋势与挑战。

Not All Needles Are Found: How Fact Distribution and Don't Make It Up Prompts Shape Retrieval, Reasoning, and Hallucination in Long-Context LLMs

并非所有线索都能被发现：事实分布和“不要编造”提示如何影响长上下文语言模型中的检索、推理和幻觉

Amirali Ebrahimzadeh, Seyyed M. Salili

机构 * Department of Electrical Engineering & Computer Science University of Michigan（电气工程与计算机科学系 密歇根大学） 纠错

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

AI总结 研究大语言模型中事实分布和反幻觉提示对检索、推理及幻觉的影响，通过扩展基准评估多个模型，识别出分布崩溃和安全代价两种失败模式，发现许多失败源于无效上下文利用，强调特定模型稳健性和上下文管理的重要性。

Comments 16 pages, 8 figures, 2 tables. Accepted at the FAGEN Workshop @ ICML 2026

Verifier-Guided Twelve-Tone Composition: A Generate-Verify-Repair Harness for Symbolic Music Generation

验证器引导的十二音作曲：用于符号音乐生成的生成-验证-修复框架

Congren Dai, Danni Zhao, Enyang Liu, Michael Ching Yam, Zhancheng Guo, Siyi Gu, Wentao Yang, Bo Dai, Xiaobing Li, Maosong Sun

专题命中 逻辑推理 ：verifier(title)；分类 cs.AI

AI总结 研究针对大语言模型生成退化十二音乐谱的问题，提出神经符号框架，通过生成-验证-修复-追踪循环提升事件局部一致性，经实验该框架提高了交付率和检查通过率，专家盲评显示其生成的作品在多方面更受青睐。

Improving Molecular Property Prediction in Small Language Models Using Graph-based Tools

使用基于图的工具改进小语言模型中的分子性质预测

Konstantinos Bougiatiotis, Dimitrios Kelesis, Georgios Paliouras

机构 * Institute of Informatics and Telecommunications, National Center for Scientific Research “Demokritos（信息与电信研究所，国家科学研究中心“德谟克利特”） 纠错

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

AI总结 研究针对小语言模型在分子性质预测时的结构盲目性问题，提出模块化上下文增强提示框架，通过GNN专家模型和提取子图来辅助预测，在MUTAG和Tox21数据集上实验表明该方法能显著提升预测准确性，验证了基序相关性，但与专门GNN模型仍有差距。

Comments Presented at the 2nd Causal Neuro-symbolic Artificial Intelligence (Causal NeSy): Toward Agentic LLMs with Neuro-Symbolic and Graph Based Reasoning Workshop @ ESWC2026

Groc-PO: Grounded Context Preference Optimization for Truthful Multimodal LLMs

Groc-PO：用于真实多模态大语言模型的基于上下文的偏好优化

Zhixiao Zheng, Zheren Fu, Zhiyuan Yao, Chunxiao Liu, Dongming Zhang, Zhendong Mao

机构 * University of Science and Technology of China（中国科学技术大学） ； Xiaomi Corporation（小米公司） ； State Key Laboratory of Communication Content Cognition, People’s Daily Online（人民日报社传播内容认知国家重点实验室） 纠错

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

AI总结 研究针对多模态大语言模型的不真实问题，提出基于上下文的偏好优化框架Groc-PO，构建相关数据集，通过多阶段偏好样本捕捉基础上下文，加强上下文相关推理，减轻跨阶段错误传播，提升模型性能。

Comments Accepted by ACM-MM 2026

Discourse-Aware Policy Analysis with Argumentation: A Hybrid LLM-Symbolic Framework for Disaster Governance

基于论证的话语感知政策分析：灾害治理的混合大语言模型-符号框架

Stylianos Loukas Vasileiou, Olga Derendiaeva

机构 * New Mexico State University（新墨西哥州立大学） ； Sun Yat-Sen University（中山大学） 纠错

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

AI总结 研究灾害治理中政策文件推理隐含问题，提出混合大语言模型-符号框架Apaf，通过分类论点、生成框架介导关系子类型进行关键话语分析，发布新数据集，论证图准确、可解释且跨辖区稳定。

Music-to-Dance Generation via Atomic Movements

通过原子运动生成音乐驱动的舞蹈

Xinhao Cai, Yixuan Sun, Minghang Zheng, Qingchao Chen, Xin Jin, Song-chun Zhu, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院） ； National Institute of Health Data Science, Peking University（北京大学健康数据科学研究所） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） 纠错

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

AI总结 研究音乐驱动的舞蹈生成问题，提出结构感知框架，将编排建模为原子运动序列，经数据分割、聚类及大语言模型处理得到原子运动注释，设计两阶段生成框架，提升舞蹈生成的结构连贯性、节奏对齐和自然度，增强可解释性与可控编辑性。

Explaining Reinforcement Learning Agents via Inductive Logic Programming

通过归纳逻辑编程解释强化学习智能体

Celeste Veronese, Edoardo Zorzi, Daniele Meli, Alessandro Farinelli

机构 * University of Verona（维罗纳大学） ； Sapienza University of Rome（罗马第一大学） 纠错

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

AI总结 该研究致力于推进可解释强化学习，引入客观指标量化策略可解释性。采用归纳逻辑编程提取符号表示并定义新指标，实验表明这些指标能突出特定动作学习动态，提供细粒度洞察，揭示多智能体模式，助力策略转移与泛化。

Automatic Ordinary Differential Equations Discovery For Biological Systems Using Large Language Model Powered Agentic System

使用由大语言模型驱动的智能体系统自动发现生物系统中的常微分方程

David Krongauz, Arad Zulti, Eran Segal, Teddy Lazebnik

机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Haifa（海法大学） ； Jonkoping University（延雪平大学） 纠错

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

AI总结 研究旨在用大语言模型驱动智能体系统自动发现生物系统常微分方程。提出MEDA系统，能检索知识、定义变量、生成约束等。通过多种任务评估，该系统可恢复正确变量，实现结构恢复，生成合理模型，还明确关键组成部分。

Intuitionistic Dynamic Logic

直觉主义动态逻辑

Lukas Zenger

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 研究直觉主义动态逻辑的数学理论，涵盖五种该逻辑。通过开发证明论工具、进行语义研究，建立相关性质与界限。主要贡献为开发演算、获有限模型性质及可判定性、给出直觉主义线性时态逻辑完备公理系统。

Comments PhD Thesis

JW-ASTClaw: A Generalizable Multi-Agent Framework for Autonomous Solar Telescope and Its Implementation within Chinese Meridian Project

JW-ASTClaw：一种用于自主太阳望远镜的通用多智能体框架及其在中国子午工程中的实现

Li-Yue Tong, Jia-Ben Lin, Yuan-Yong Deng, Ying-Zi Sun, Ming-Fu Shao, Hui Wang, Chen Yang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 研究将大语言模型驱动的自主控制系统部署在太阳望远镜上，采用多智能体框架及解耦三层架构，通过感知智能体编码专业知识，经中央推理引擎处理，实现实时自适应调度，跨季节验证效果良好，提升了观测等多方面能力。

Comments 17 pages, 6 figures,

Advancing Multimodal Judge Models through a Capability-Oriented Benchmark and MCTS-Driven Data Generation

通过能力导向的基准和MCTS驱动的数据生成推进多模态评判模型

Zeyu Chen, Huanjin Yao, Ziwang Zhao, Min Yang

机构 * Tsinghua University（清华大学） ； ByteDance（字节跳动） 纠错

专题命中 规划推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 本文提出M-JudgeBench和Judge-MCTS框架，通过能力导向的基准和MCTS驱动的数据生成提升多模态评判模型的评估能力。

RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset

RADAR: 通过语义规划和自主因果环境重置实现闭环机器人数据生成

Yongzhong Wang, Keyu Zhu, Yong Zhong, Liqiong Wang, Jinyu Yang, Feng Zheng

机构 * Southern University of Science and Technology（南方科技大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Spatialtemporal AI（时空人工智能） 纠错

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

AI总结 RADAR通过语义规划和自主因果环境重置实现闭环机器人数据生成，具备高适应性和可扩展性，在仿真和现实部署中均表现出卓越的性能。

Comments 8 pages, 4 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project page: https://radar-iros.netlify.app/

Where Should RL Post-Training Compute Go? Model Size, Search, Learning, and Feedback

强化学习训练后计算资源应投向何处？模型大小、搜索、学习与反馈

Patrick Wilhelm, Odej Kao

机构 * Technische Universität Berlin（柏林工业大学） 纠错

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

AI总结 研究强化学习训练后计算资源分配问题，引入浮点运算核算框架，通过LoRA适配的Qwen2.5策略发现条件分配前沿，揭示模型选择与训练分配关联及奖励系统对核算影响，提出RACE协议，建议相关论文报告总浮点运算及计算分配方式。

Grounded world models in biological organisms and future embodied AI

生物有机体和未来具身人工智能中的基础世界模型

Giovanni Pezzulo, Davide Nuzzi, Marco D'Alessandro, Riccardo Proietti, Roberto Bottini, Paul Cisek

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

AI总结 研究探讨生物有机体中基础世界模型，通过五个神经回路例子揭示当前具身人工智能缺失的特征，如内在动力学作用等，还讨论了生物系统原则对未来具身人工智能的影响。

FairCoder: Probing LLM Bias in High-Stakes Decision Making via Coding Tasks

FairCoder：通过编码任务探究高风险决策中语言模型的偏差

Yongkang Du, Jen-tse Huang, Jieyu Zhao, Lu Lin

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； University of Southern California（南加州大学） 纠错

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

AI总结 研究通过FairCoder基准将决策制定设为编码任务，探究LLMs在多领域的偏差，针对现有指标不足提出FairScore指标，经实验揭示了此前未充分探索的偏差模式，凸显LLMs作决策代理的风险并提供评估框架。

S-squared-VLA: Decoupling Semantic and Spatial Streams in Vision-Language-Action Models for Autonomous Driving

S平方-VLA：自动驾驶视觉-语言-动作模型中语义与空间流的解耦

Jianguo Yu, Rukang Wang, Duanfeng Chu, Chen Wang, Renju Feng, Liping Lu

机构 * School of Mechanical and Electronic Engineering, Wuhan University of Technology（武汉理工大学机电工程学院） ； Intelligent Transportation Systems Research Center, Wuhan University of Technology（武汉理工大学智能交通系统研究中心） ； School of Computer Science and Artificial Intelligence, Wuhan University of Technology（武汉理工大学计算机科学与人工智能学院） 纠错

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

AI总结 研究针对自动驾驶中视觉语言模型生成低级控制动作的局限，提出S平方-VLA解耦语义和空间流，语义流用于意图推理，空间流保留空间特征并赋予先验，双流规划适配器融合二者，在基准测试中取得新的最先进水平，优于基线。

A Hybrid Sampling-Based Trajectory Planner with Game-Theoretic Guidance for Autonomous Racing

一种基于混合采样的具有博弈论引导的自主赛车轨迹规划器

Alexander Langmann, Frederico Pita de Araujo, Mattia Piccinini, Johannes Betz

机构 * Professorship of Autonomous Vehicle Systems, TUM School of Engineering and Design, Technical University of Munich（慕尼黑工业大学工程与设计学院自动驾驶车辆系统教授组） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所） 纠错

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

AI总结 针对自主赛车在多智能体场景下的规划问题，提出将博弈论推理集成到基于采样的运动规划器的混合架构，利用离线学习势函数和在线梯度优化生成交互参考路径，在模拟环境中验证该方法能诱导防御行为且无计算负担。

Comments Accepted to IEEE ITSC 2026

Beyond Description: Cognitively Benchmarking Fine-Grained Action for Embodied Agents

超越描述：为具身智能体进行细粒度动作的认知基准测试

Dayong Liu, Chao Xu, Weihong Chen, Suyu Zhang, Juncheng Wang, Jiankang Deng, Baigui Sun, Yang Liu

机构 * Zhejiang University（浙江大学） ； Wolf 1069 b（沃尔夫1069b） ； Sany Group（三一集团） ； The Hong Kong Polytechnic University（香港理工大学） ； Imperial College London（帝国理工学院） 纠错

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

AI总结 本文提出CFG-Bench基准测试，旨在评估具身智能体在物理交互中的细粒度动作能力，揭示现有MLLMs在高层次推理中的不足，并通过监督微调提升其性能。

Comments Accepted to ECCV2026