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
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
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
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。
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
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
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/
ShopX：面向智能购物中意图到商品实现的基础模型
专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI
AI总结 提出ShopX基础模型，通过统一意图理解、执行规划和基于语义ID的商品空间操作，解决大语言模型代理在购物中意图到商品实现的瓶颈，在淘宝生产日志任务上优于工具中介系统。
Comments The new version adds additional results and details
L-MARS：具有协调推理和代理搜索的法律多智能体工作流
机构 * University of Southern California（南加州大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校）
专题命中 规划推理 ：verifier(abstract)；分类 cs.CL、cs.AI
AI总结 L-MARS是一种多代理检索框架，通过分解查询为结构化子问题，利用代理网络搜索获取证据，并通过验证代理过滤结果，从而在法律问答中实现高准确率。
Comments Accepted at the AI4Law Workshop at ICML 2026
通过概念引导实现鲁棒的上下文分割
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（厦门大学多媒体可信感知与高效计算教育部重点实验室）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出概念引导的上下文分割（CG-ICS），通过提取参考图像的高层语义概念而非仅依赖低层视觉匹配，结合文本概念与视觉示例，显著提升分割准确性和鲁棒性。
Comments ECCV 2026
通过消息序列图实现LLM代理的可证明协调
机构 * Université Paris-Saclay, CNRS, ENS Paris-Saclay, LMF, Gif-sur-Yvette, France（巴黎萨克雷大学、法国国家科学研究中心、巴黎萨克雷高等师范学院、LMF、法国吉夫-sur-耶vette） ； Institut Universitaire de France, Paris, France（法国国家科学院、巴黎，法国）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出基于消息序列图的领域特定语言，用于规范LLM代理协调，解决死锁和消息类型不匹配等问题，通过语法引导投影生成无死锁的局部代理程序，并展示如何在LLM非确定性基础上建立协调属性。
Comments 42 pages; accepted at ISoLA 2026
用于摊销贝叶斯推理的神经架构：统计基础与实证评估
机构 * Department of Mathematics and Statistics, Indian Institute of Technology Kanpur（数学与统计学系，印度理工学院坎浦尔分校） ； Marshall School of Business, University of Southern California（马歇尔商学院，南加州大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 探讨用于摊销贝叶斯推理的神经架构，从统计角度分析前馈网络等架构如何支持摊销推理，通过模拟研究评估其在不同场景下的表现，展现其优势与局限。
Comments 32 pages, 8 figures, 3 tables
AgenticData：一种用于异构数据的智能数据分析系统
机构 * Department of Computer Science, Tsinghua University（清华大学计算机科学系）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 针对现有非结构化数据分析系统依赖专家且成本高、耗时久的问题，AgenticData通过反馈驱动规划技术及多智能体协作策略，将自然语言查询转换为语义计划并优化执行，经测试在多个基准测试中准确率超现有方法。
用于安全且符合道德的自动驾驶车辆的人在回路机器学习：原理、挑战与机遇
机构 * IEEE
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 本文针对自动驾驶车辆面临的挑战，对人在回路机器学习进行教程式综述，涵盖课程学习、人在回路强化学习、人在回路大语言模型、主动学习等方法及道德原则，以推动安全且符合道德的自动驾驶发展。
Comments 19 pages, 4 figures
REST：基于零样本目标导航的视界探索Steiner树
机构 * State Key Laboratory of Internet of Things for Smart City, University of Macau（智能城市物联网国家重点实验室，澳门大学） ； University of Michigan（密歇根大学）
专题命中 视觉空间推理 ：reasoning(abstract)；chain-of-thought(abstract)；planning(abstract)；分类 cs.AI
AI总结 REST通过构建开放词汇3D地图、生成以代理为中心的路径树以及利用LLM推理选择最佳路径，在多个基准测试中实现了高成功率和高效路径效率。
Comments Accepted to IROS'26
LaViDa：用于多模态理解的大型扩散语言模型
机构 * UCLA（加州大学洛杉矶分校） ； Panasonic AI Research（松下人工智能研究） ； Adobe Research（Adobe研究） ； Salesforce Research（Salesforce研究）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 研究针对现有视觉语言模型在快速推理和可控生成方面的不足，提出基于离散扩散模型构建 LaViDa 系列视觉语言模型，采用多种新技术，在多模态基准测试中性能出色，成为自回归视觉语言模型的有力替代。
Comments 26 pages, 8 figures
技能问题：湖仓代理的数据中心优化
机构 * University of Maryland（马里兰大学） ； Università Milano Bicocca（米兰Bicocca大学） ； Bauplan Labs（Bauplan实验室）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 针对分支湖仓Bauplan上的编码代理，提出数据中心的优化流程，通过生成任务验证器对、在隔离沙箱中执行候选技能并利用追踪信号和程序化检查评分，将准确率提升31.9%。
Comments Pre-print of paper accepted at ADS @ VLDB 2026, Boston
ME-IQA: 通过重新排序增强的记忆图像质量评估
机构 * City University of Hong Kong（香港城市大学） ； ByteDance Inc.（字节跳动公司）
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 ME-IQA通过构建记忆库和利用推理摘要检索语义和感知对齐的邻居，将VLM重构为概率比较器，并通过门控反思和记忆巩固提升未来决策，从而实现更密集的失真敏感预测，缓解离散崩溃问题。
Comments Published as a conference paper at ECCV 2026
通过推理模型作为评估器来提升评估时的计算能力
机构 * CMU（卡内基梅隆大学） ； UIUC（伊利诺伊大学） ； KAIST AI（韩国科学技术院人工智能研究所） ； NEC Laboratories Europe（日本 NEC 欧洲实验室） ； Ss.Cyril and Methodius University of Skopje（斯科普里塞尔吉尔和梅蒂乌斯大学）
专题命中 推理评测 ：reasoning(title,abstract)；chain-of-thought(abstract)；test-time compute(abstract)；分类 cs.CL
AI总结 本文探讨了通过增加评估时的计算量来提升语言模型的评估能力，利用推理模型作为评估器，分别评估响应整体和每个步骤，从而提高评估效果。
Comments ACL 2026 Findings
基于商用现货二进制文件的智能体漏洞推理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.LG
AI总结 研究LLM智能体对COTS二进制文件漏洞的推理能力，构建SLYP管道，结合二进制探索与动态调试验证漏洞。在COM基准测试中表现出色，发现更多真实漏洞，生成验证PoC，还发现多个零日漏洞，证明工具集和模型选择的重要性及通用性。
按需思考：基于大语言模型排序的模型感知推理路由
专题命中 推理评测 ：reasoning(title,abstract)
AI总结 研究基于大语言模型排序时推理时机与效果问题，提出推理路由框架，利用生成前信号决定推理与否，能自适应选策略，经实验验证该框架可提高排序效用并减少令牌消耗，解决准确性与效率权衡问题。
Comments Accepted by SIGIR2026
Nous：一种用于长期智能体记忆的预测世界模型
机构 * Indian Institute of Technology Ropar（印度理工学院罗巴尔分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出Nous记忆架构，基于知识即预测而非存储的原则，通过贝叶斯更新维护概率分布，以信息论惊喜度评分并记录信念变化，在LoCoMo基准上取得优于对比方法的F1分数。
Comments Preprint. 10 pages, 1 figure, 6 tables
MemTrace：大型语言模型记忆系统中的错误追踪与归因
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出MemTrace框架，通过构建可执行的记忆演化图实现细粒度错误追踪，并利用自动归因方法定位根因，进而优化提示词提升下游任务性能。
Comments Ongoing work
MedRealMM：用于中国在线医疗咨询的真实世界多模态基准测试
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 研究针对现有在线医疗咨询基准与实际临床实践契合度差的问题，构建MedRealMM基准测试，用多模态临床挑战点提取框架转化任务并设评分标准，评估多个大语言模型，指出图像信息重要，前沿模型有不足，为多模态医学推理评估提供现实可重复基准。
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