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。
步骤标记：通过步骤监控控制语言推理模型的生成
机构 * IBM Research Europe（IBM欧洲研究院） ； Trinity College Dublin（都柏林信任学院） ； ADAPT Research Centre（ADAPT研究中心）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 针对语言推理模型效率低、过度生成推理步骤的问题，提出步骤标记框架，引入ReasonType分类法，可在线监控特定步骤计数以产生早期停止标准，经实验在保持准确性时减少令牌数，为控制模型生成及研究其行为提供新途径和工具。
Comments ICML 2026 Workshop on Resource-Adaptive Foundation Model Inference (AdaptFM), Seoul, South Korea
用于混合表格和文本的金融推理的黄金引导式程序蒸馏
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 研究针对混合表格和文本数据的金融推理问题，基于程序蒸馏开发方法，利用黄金推导指导程序合成，经执行验证转移可靠数值推理，引入迭代恢复阶段，实验表明该框架能有效训练小模型进行可靠数值推理。
Comments 12 pages, 7 figures
用于扩散语言模型的掩码感知策略梯度
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究针对强化学习扩展到MDLMs的难题，将MDLM生成形式化为两阶段动作MDP，使策略梯度分解为令牌项和掩码项，结合优化这两项在数学推理和编码基准测试中取得了最优成绩。
Comments Accepted at COLM 2026
具有可验证奖励的强化学习的非空泛化界限
机构 * UIUC（伊利诺伊大学厄巴纳 - 香槟分校） ； MIT（麻省理工学院） ； Bridgewater AIA Labs（布里奇沃特人工智能实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对具有可验证奖励的强化学习在十亿参数规模下泛化性差的问题，通过将PAC-贝叶斯压缩界限与Gumbel-max重参数化技巧结合，并提出渐进式RLVR框架，在多领域建立非空泛化界限，性能优于基础模型且接近微调模型。
Comments 22 pages, 7 figures
自动演化特定任务优化的提示指南
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 研究大语言模型提示指南优化问题，提出AGOPS方法，利用现有任务示例隐含信息，通过优化方案自动演化特定任务指南，提升下游任务性能，弥补提示不明确导致的性能损失。
路由上限与领域无关：代码安全漏洞检测中的结构先验注入
机构 * Bytepro AI（字节专业人工智能公司）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究在代码安全漏洞检测中测试路由器假设是否跨领域，通过重现SAIR设计评估三个大语言模型。结果表明结构先验能提升语义漏洞召回率，零样本性能随语义复杂度下降，备忘单在真实数据上效果不佳，迭代重新校准也有问题，证实了SAIR的跨分布权衡及路由器假设的跨领域性。
Comments 12 pages, 5 tables
用于微调离散扩散模型的连续时间强化学习框架
机构 * Columbia University（哥伦比亚大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 该研究提出连续时间强化学习框架，推导策略梯度方法得到PPO和GRPO的连续时间变体。以此开发框架微调离散扩散模型，无需奖励信号可微，能纳入中间奖励或优势信号，还为MDM提供统一视角，用轨迹子采样技术降低计算成本，在相关任务中验证了方法有效性。
Comments 36 pages, 5 figures
稀疏-LaViDa：稀疏多模态离散扩散语言模型
机构 * Adobe（Adobe公司） ； UCLA（加州大学洛杉矶分校）
专题命中 数学推理 ：reasoning(abstract)
AI总结 针对掩码离散扩散模型推理速度慢的问题，提出Sparse-LaViDa框架，通过动态截断冗余掩码令牌加速采样，引入专用寄存器令牌和注意力掩码保证质量与一致性，基于LaViDa - O构建，在多任务中实现加速且保持质量。
Comments 18 pages (12 pages for the main paper and 6 pages for the appendix), 9 figures
用于闭环1型糖尿病控制的可解释语言模型
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究针对1型糖尿病控制中人工胰腺系统“黑箱”问题，提出LLM-T1D方法，结合强化学习与大语言模型，训练专家RL系统并提炼知识到模型，开发出可解释且性能优的胰岛素泵控制器，在模拟器测试中血糖控制良好且能防幻觉。
Comments Accepted at the 2026 IEEE 22nd International Conference on Automation Science and Engineering conference (IEEE CASE 2026)
迈向可靠的人工智能辅助模拟设计：用于逐次逼近寄存器型模数转换器生成的模板约束大语言模型智能体
机构 * Massachusetts Institute of Technology（麻省理工学院）
专题命中 代码与定理证明 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对大语言模型在模拟电子设计自动化应用的瓶颈，提出端到端多步骤的ATLAS框架，利用专家知识结合模板约束生成，能生成成功通过仿真验证的SAR ADC，为集成LLMs到可靠模拟设计方法奠定基础。
验证者即评判者：来自Ada/SPARK中AI编码代理的经过验证的安全软件
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI
AI总结 研究人工智能编码代理生成安全软件代码的情况，核心方法是在验证器驱动循环下编写验证，主要贡献是通过GNATprove完成大量证明义务，降低监督成本，同时指出其不足及得出代理受反馈强度限制的教训。
正确性、置信度与上下文：在人工智能时代构建软件保障
专题命中 代码与定理证明 ：reasoning(abstract)
AI总结 探讨软件工程中正确性相关挑战，指出传统方法与生成式人工智能在软件保障上的差异，呼吁系统思考保障技术，做出明智选择。
Comments 12 pages, 10 figures, text for invited keynote at FSE 2026 in Montreal. Revised after the conference to reflect discussions at the conference
物理计数的计算复杂性
专题命中 代码与定理证明 ：verifier(abstract)
AI总结 研究物理计数的计算复杂性，提出决策商 Q 作为最小抽象，并证明多个复杂性理论结果。
Comments Main PDF: 35 pages, 4 tables. Supplementary: 26 pages, 2 tables. Lean 4 release artifact available at https://doi.org/10.5281/zenodo.18140965
CoTu在EXACT 2026中的应用：用于透明教育问答的神经符号推理
机构 * Can Tho University（芹苴大学） ； Tay Do University（西原大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(abstract)；self-correction(abstract)；分类 cs.CL
AI总结 EXACT 2026竞赛要求用最多8B参数的自托管模型解决教育问答问题。CoTu团队开发神经符号思维程序管道，结合Z3编码、数值Python等，经答案类型路由等方法，在物理任务中获满分，决赛技术得分最高，总体第三，证明小模型也能实现可验证推理。
Comments The 2nd International XAI Challenge for Transparent Educational Question-Answering @ IEEE IJCNN 2026 Competition
通过知识图谱基础增强小型语言模型推理
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”）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究利用神经符号智能框架增强小型语言模型推理能力，通过特定工具调用转变模型，在两种场景下评估，发现虽提示提升性能，但受提取瓶颈等限制，还存在“干扰效应”，刻画了挑战并提供迭代验证路线图。
Comments Presented at the 2nd Causal Neuro-symbolic Artificial Intelligence (Causal NeSy): Toward Agentic LLMs with Neuro-Symbolic and Graph Based Reasoning Workshop @ ESWC2026
利用大语言模型学习化学反应的机理推理
机构 * Princeton University（普林斯顿大学） ； University of Pittsburgh（匹兹堡大学） ； Northeastern University（东北大学） ； University of Florida（佛罗里达大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.LG
AI总结 研究利用大语言模型学习化学反应机理推理，构建大规模推理数据集及福山基准，通过机理感知训练微调Qwen3 - 30B - A3B，在福山基准集A上精确路径匹配超FlowER模型，增强了语言模型的化学推理能力。
大语言模型中逻辑一致性的可控重新表述测试
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 研究大语言模型在逻辑等价问题表面形式改变时的逻辑一致性，提出CRTBench基准，评估多个前沿LLMs，发现存在准确率 - 一致性差距，揭示失败集中在逻辑非平凡变换，表明仅靠准确率无法评估LLMs的逻辑推理。
Comments 10 pages
HABIB_TAZ参加SemEval-2026任务11：通过合成训练和多目标优化从内容中分离形式逻辑
机构 * Dhanani School of Science & Engineering Habib University（哈比卜大学达纳尼科学与工程学院）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文针对SemEval-2026任务11，用基于三段论合成数据集微调的mDeBERTa-v3网络，结合多目标损失函数应对大语言模型形式推理受内容影响的问题，在多个子任务中取得优异成绩，还公开了数据集生成引擎和代码库。
Journal ref Proceedings of the 20th International Workshop on Semantic Evaluation (2026), pp. 1006-1014 (2026)
具有闭合知识假设的神经符号强人工智能机器人：学习与推理
机构 * ISRST
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一种基于四值Belnap双石子的神经符号强人工智能机器人框架，通过闭合知识假设和逻辑推理实现知识扩展与矛盾处理。
Comments 37 pages
教师引导的因果干预用于图像去噪：视觉变换器中的正交内容-噪声解构
机构 * China University of Mining and Technology（中国矿业大学） ； Shandong Normal University（山东师范大学） ； Qilu University of Technology（青岛科技大学）
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 教师引导的因果解构网络通过正交解构提升图像去噪的鲁棒性和效率。
Comments 15 pages, 5 figures, and 5 tables. Revised manuscript. Kuai Jiang and Zhaoyan Ding contributed equally to this work
MEMORA：基于自我中心视频的具身动作记忆用于推理与规划
专题命中 规划推理 ：planning(title,abstract)；reasoning(title)；分类 cs.CL、cs.AI
AI总结 研究针对长期机器人规划中对具身经验记忆的需求，提出MEMORA方法，通过形成-巩固-检索生命周期及四种类型存储实现具身动作记忆，经实验评估取得良好结果，能为机器人规划提供记忆上下文。
Comments 43 pages, 9 figures. Oral presentation at the Robotics: Science and Systems 2026 Workshop on Foundation Models for Robot Planning (FM4RoboPlan)
TopoAgent：用于多模态科学推理的自进化拓扑智能体
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 研究针对多模态大语言模型科学推理难题，提出TopoAgent自进化拓扑框架，用图进化取代线性轨迹，通过前端分解器、DAG组织原子及自适应原子裂变实现，实验证明其显著优于线性智能体框架，为科学推理提供新范式。
LAPO：多轮搜索推理中自生成过程奖励的留一回合归因
机构 * Zhejiang University（浙江大学）
专题命中 规划推理 ：reasoning(title,abstract)；verifier(abstract)；分类 cs.AI
AI总结 研究多轮搜索推理中强化学习依赖终端结果奖励的问题，提出基于反向留一回合归因的LAPO方法，无需额外模型，在七个问答数据集上取得较好成绩，证明策略追溯归因能为多轮搜索智能体提供有效过程监督。
Comments 20 pages, 5 figures
CXRAgent：用于胸部X光解读的由主任编排的多阶段推理
机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Department of Colorectal Medical Oncology, Zhejiang Cancer Hospital（浙江省肿瘤医院结直肠医学肿瘤科） ； School of Computer and Control Engineering, University of Chinese Academy of Sciences（中国科学院大学计算机与控制工程学院） ； School of Intelligence Science and Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）智能科学与工程学院）
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 针对胸部X光解读中模型适应性差等问题，提出CXRAgent，通过中央主任协调多阶段，包括工具调用、诊断规划和协作决策，实验证明该方法性能出色，能提供视觉证据并适应不同临床任务。
Comments 10 pages, 4 figures, 7 Tables
ArogyaSutra：面向印度语言的多模态医学推理的多智能体框架
机构 * Indian Institute of Technology Patna（印度理工学院巴特那分校） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； Prasannadeb Women’s College（普拉萨纳德布女子学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 针对印度语言医疗场景中多模态大语言模型性能不足的问题，提出多模态医学问答数据集ArogyaBodha和基于演员-评论家的多智能体框架ArogyaSutra，通过工具接地与双记忆机制提升多语言医学推理准确性。
Comments Accepted for publication in IJCAI,2026
Idea2Plan：探索人工智能驱动的研究规划
机构 * University of Michigan（密歇根大学） ； Microsoft Research（微软研究院）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.LG
AI总结 探讨大语言模型从概念研究想法到结构化研究计划的过渡能力，通过引入Idea2Plan任务、基准及JudgeEval评估，实验发现GPT-5表现最佳但仍有提升空间，为LLMs研究规划能力研究提供新见解和基础。
通过片段选择的自适应时间序列推理
机构 * harvard（哈佛大学） ； mit（麻省理工学院） ； mitll（MIT林肯实验室） ； hongkong（香港科学与技术大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 提出ARTIST框架，将时间序列推理建模为序列决策问题，通过控制器-推理器架构和强化学习自适应选择信息片段，提升推理准确率。
Comments ICML 2026
一适用于所有情况的自适应放射治疗计划智能体：基于每日锥束CT引导的放射治疗基础框架
专题命中 规划推理 ：planning(title,abstract)
AI总结 介绍一适用于所有情况的自适应放射治疗计划智能体，它基于统一基础模型，能从每日锥束CT执行在线自适应计划，自主预测关键组件并设计临床计划，经多数据集评估，其准确性和计划质量与临床方案相当，为放射治疗带来新机遇。
PhotoAgent: 带探索性视觉审美规划的代理照片编辑
机构 * MMLab, CUHK（CUHK媒体实验室） ； Shanghai AI Lab（上海AI实验室） ； USTC（中国科学技术大学） ； Institute of Science Tokyo（东京科学研究所） ； CPII under InnoHK（创新香港下的CPII）
专题命中 规划推理 ：planning(title,abstract)
AI总结 PhotoAgent通过探索性视觉审美规划实现自主照片编辑，无需用户逐步提示，提升图像质量和指令遵循度。
Comments ICML 2026 Oral. A fully automated, intelligent photo-editing agent that autonomously plans multi-step aesthetic enhancements, smartly chooses diverse editing tools, and enables everyday users to achieve professional-looking results without crafting complex prompts. Project page: https://mdyao.github.io/PhotoAgent/
MCPEvol-Bench：跨MCP服务器动态演化对大语言模型智能体性能进行基准测试
机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； State Key Laboratory of Complex & Critical Software Environment（复杂关键软件环境国家重点实验室） ； National Key Laboratory of Parallel and Distributed Computing（并行与分布式计算国家重点实验室）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 研究针对MCP服务器工具接口和功能持续演化致评估有缺陷的问题，引入MCPEvol-Bench基准测试，提出11种变异算子模拟工具演化，对12个先进大语言模型测试，发现前沿模型也难适应，凸显大语言模型驱动工作流程脆弱性，确立评估标准。
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