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。
稳定价值冲突解决的几何视角
机构 * University of Illinois - Urbana-Champaign（伊利诺伊大学厄巴纳 - 香槟分校） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 复杂问题求解 ：CoT(summary_cn,abstract)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI、cs.LG
AI总结 研究大语言模型在RLHF训练中应对价值冲突的问题，核心方法是利用思维链推理，通过几何视角分析其作用，创建新的以价值冲突为重点的CoT设计，提升了道德推理性能，为改进模型处理复杂价值冲突请求的性能提供新途径。
Comments Accepted to ICML Workshop on High-Dimensional Learning Dynamics
FUSAR-R1：一种用于合成孔径雷达图像智能解释的大规模推理模型
机构 * Fudan University（复旦大学） ； Key Laboratory for Information Science of Electromagnetic Waves (MoE)（电磁波信息科学教育部重点实验室）
专题命中 复杂问题求解 ：reasoning(title,abstract)；chain-of-thought(abstract)；self-correction(abstract)；分类 cs.AI
AI总结 针对SAR图像智能解释问题，提出FUSAR-R1模型。通过模拟专家解释构建思维链推理数据指导指令学习，赋予基本推理能力，再用强化学习策略优化输出。该模型在多种SAR解释任务中表现优于现有模型。
ST-Veto：通过泰勒预测和视觉基础实现用于扩散多模态语言模型的时空令牌否决
专题命中 复杂问题求解 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；self-correction(abstract)
AI总结 研究针对扩散多模态大语言模型推理不足问题，提出无需训练的ST-Veto方法，利用二阶泰勒预测和图像注意力质量否决不稳定及弱基础令牌，与更安全候选交换，在多基准测试中优于其他方法，提升准确率且无额外成本。
Comments ICML 2026 - main
思考、规划、绘制：统一模型中用于可控图像生成的布局感知推理
机构 * Tencent（腾讯） ； Peking University（北京大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究针对统一多模态大语言模型在可控图像生成中难以遵循复杂空间指令的问题，提出ATLAS框架，采用“思考、规划、绘制”范式及布局共享表示，经强化学习提升性能，在图像生成等任务中效果显著，还支持相关编辑与多模态基础，并引入评估基准。
Comments 22 pages, 12 figures, 9 tables
WeedExpert-R1：通过强化学习激励多模态大语言模型进行精准杂草定位的植物推理
机构 * University of Nebraska-Lincoln（内布拉斯加大学林肯分校） ； Panhandle Research and Extension Center（狭长地带研究与推广中心）
专题命中 复杂问题求解 ：reasoning(title,abstract)；chain-of-thought(abstract)
AI总结 研究针对精准杂草控制问题，提出通过可验证奖励学习视觉基础植物推理的WeedExpert-R1模型，利用特定合成管道生成数据微调，经群体相对策略优化训练。该模型在多种杂草测试中表现优异，优于同类模型，展现开放词汇能力和跨区域部署潜力。
告诉我你如何推理，我就能说出你是谁：用于可靠大语言模型作者归属的推理图
机构 * University of Passau（帕绍大学） ； University of Dundee（邓迪大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 针对LLM生成文本检测和作者归属问题，此前方法易受改写等影响。本文提出利用论证挖掘管道提取推理图的图神经网络方法，在混淆攻击及新模型版本文本评估中，相比传统基线展现更强鲁棒性和泛化能力，提升了检测准确率。
RECON：用于长上下文组合推理的智能体内存基准测试
机构 * RV College of Engineering（RV工程学院） ； Department of Computer Science and Engineering（计算机科学与工程系）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 该研究引入RECON基准测试，用于评估长上下文组合推理，跨越三个领域24个案例文件，测试智能体六个内存密集型任务，揭示当前架构在内存相关任务上存在重大局限，非预言机系统准确率低，检索和推理有挑战。
Comments 25 pages
TSRouter：用于时间序列推理的动态模态-模型选择
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； MBZUAI（Mohamed Bin Zayed University of Artificial Intelligence）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.LG
AI总结 研究针对时间序列推理中不同模型能力互补及特性差异问题，提出基于图的TSRouter动态路由框架，通过构建异构图并将路由设为候选评分问题来选择最优模态-模型对，在多任务评估中性能显著提升，还具备零样本泛化等优势。
Comments Accepted to COLM 2026
DisarmRAG：以检索器为中心的隐秘中毒攻击，以禁用检索增强生成中的自我纠正（扩展版）
专题命中 复杂问题求解 ：self-correction(title,abstract)；分类 cs.CL
AI总结 研究针对实际部署中LLMs自我纠正能力削弱RAG攻击效果的问题，提出DisarmRAG这一专注检索器的新型中毒范式，构建含迭代协同优化与对比学习技术的攻击框架，经多模型和基准测试验证其有效性及隐秘性。
Comments This paper is an extended version of our original paper accepted by ACM CCS 2026
PERA：一种感知-推理-行动接口，用于6G的传感、认知推理和可信智能体响应
专题命中 复杂问题求解 ：reasoning(title,abstract)
AI总结 研究针对下一代网络实现中传统机器学习和大语言模型的局限，提出基于感知-推理-行动（PERA）范式的生成网络智能，用多任务架构取代边缘模型，降低复杂性与能耗，通过案例研究验证其在链路状态分类和波束预测上的有效性。
Comments 9 pages, 5 figures, 1 table, magazine paper, submitted to IEEE for possible publication
GRIP：通过微调大语言模型进行参数内图推理
机构 * Washington University in Saint Louis（华盛顿大学圣路易斯分校） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI）
专题命中 复杂问题求解 ：reasoning(title)；分类 cs.CL、cs.AI
AI总结 研究如何让大语言模型适应结构数据，提出GRIP方法，通过微调任务将图关系知识内化到模型参数，存储于轻量级LoRA模块，实验表明该方法在处理大图时优于基线，处理小图时以低推理成本达可比性能。
Lil: 在长解码阶段应用后训练稀疏注意力算法时，少即是少
机构 * SCS, Peking University, Beijing, China（北京大学信息科学与技术学院，北京，中国） ； Key Lab of HCST (PKU), MOE, Beijing, China（高等教育出版社HCST重点实验室（PKU），北京，中国） ； State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室，中国） ； Tencent, Shenzhen, China（腾讯，深圳，中国） ； Beijing Tongming Lake Information Technology Application Innovation Center, Beijing, China（北京 Tongming Lake 信息技术应用创新中心，北京，中国）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文研究了在长解码阶段应用稀疏注意力算法时，信息丢失导致序列变长的问题，提出早停算法减少token消耗并降低精度损失。
STAC：当无害工具形成危险链以劫持LLM代理
机构 * AWS AI Labs（AWS人工智能实验室） ； UC Berkeley（伯克利大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 STAC通过多轮工具链攻击揭示LLM代理的安全漏洞，提出基于推理的防御策略，显著降低攻击成功率。
Comments Long version with 15 pages in main draft and a total of 39 pages including references and appendix. Data and code \url{https://github.com/amazon-science/MultiTurnAgentAttack}
他们看到了什么？通过视觉-语言-动作模型的视角解读复杂道路场景以实现安全可靠的自动驾驶学习
机构 * Birla Institute of Technology and Science, Pilani（贝拉理工科学学院皮拉尼分校） ； University of California, Merced（加州大学默塞德分校）
专题命中 复杂问题求解 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 研究自动驾驶模型内部逻辑不透明问题，提出反事实消融框架CVAA，通过移除摄像头图像中物体创建反事实集评估模型响应差异，应用于阿尔帕马约1轨迹预测器，分析物体因果影响，还通过可解释性技术深入理解模型，创建可解释驾驶系统巩固人机信任。
突破扩散语言模型的分解障碍
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 CoDD通过引入轻量级概率推理层，突破扩散语言模型的分解障碍，实现高效且连贯的生成性能。
SEE：用于长视野GUI代理轨迹合成的结构感知探索与利用
机构 * Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海）） ； Harbin Institute of Technology (Weihai) Qingdao Research Institute（哈尔滨工业大学（威海）青岛研究院）
专题命中 复杂问题求解 ：planning(abstract)；分类 cs.LG
AI总结 针对GUI代理轨迹合成中缺乏高覆盖率长视野轨迹的问题，提出SEE两阶段数据合成框架，通过高效探索和基于图的合成，产生可重复可解释数据，避免虚假循环，提升代理任务成功率和泛化能力，还将发布代码和数据集。
Comments Accepted by ACM International Conference on Multimedia 2026 (ACM MM 2026)
探索性与同化性反思：用于长期记忆的反思性回忆循环
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 研究基于大语言模型的自主智能体外部记忆问题，提出探索性 - 同化性反思（EAR）框架，结合探索性反思与同化性反思两种机制，提高初始检索性能和样本效率，在长期对话基准上比基线检索器提升检索率达 17.9%，且样本效率高、抗噪声反馈。
智能体可靠性源自何处？生产企业智能体中验证循环、专家模型和脚手架的跨基准分解
机构 * Leni Inc.（Leni公司）
专题命中 复杂问题求解 ：verifier(abstract)；分类 cs.AI
AI总结 研究多步骤企业智能体任务失败问题，以生产系统Leni为研究对象，其含验证循环等。通过在三个基准测试评估，发现完整系统有提升。核心贡献是分解提升来源，指出大部分来自脚手架等，验证步骤单独贡献小但作用关键，还得出相关矩阵和模型等结论。
Comments 19 pages, 5 figures, 5 tables. Evaluations conducted March-April 2026. Run-level evaluation record and audit scripts: https://github.com/arnabdastidar/leni-agent-evals
使用生成式人工智能多智能体架构为大规模人工智能数据中心平台生成自动化硬件验证测试计划
机构 * School of Systems Science and Industrial Engineering, Binghamton University, State University of New York（系统科学与工业工程学院，宾夕法尼亚州立大学布林茅尔分校） ； Meta Platforms, Inc.（Meta平台公司）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 针对大规模人工智能数据中心平台硬件验证测试计划手动编写的问题，提出基于生成式人工智能多智能体架构，依据自愈验证文档和物料清单自动生成测试计划，提高了覆盖范围、编写效率和可追溯性。
DORA：一种用于语言模型训练的可扩展异步强化学习系统
机构 * Meituan, China（美团（中国））
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG
AI总结 DORA通过算法-系统协同设计解决异步训练中长尾轨迹问题，提升训练效率并保持收敛性，实验表明其在开源基准和工业应用中均显著提升强化学习训练速度。
Hippasus：用于关系数据上机器学习任务的有效且高效的自动特征增强
机构 * Athena Research Center（阿提卡研究中心）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG
AI总结 Hippasus通过结合统计信号和语义推理，高效提升关系数据机器学习任务中的特征增强效果。
Sidekick：与计算机使用代理进行有效多任务通信的设计
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 研究针对计算机使用代理文本反馈问题，开发Sidekick原型系统，在不同交互阶段用多模态反馈传达其状态，经30人参与的研究验证其能显著提升多任务性能，有效支持进度感知等，还展示了应用前景及对人机协作的意义。
通过模型上下文协议技能对科学仪器进行模式绑定的大语言模型控制
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 研究如何通过模型上下文协议将本地大语言模型与科学仪器相连，结合多种技术实现连接，开源服务器展示相关工具等，通过软件验证，为闭环智能仪器研究提供基础。
Comments 36 pages, 8 figures, 7 tables. Open-source reference implementation, physics-plausible simulator, and validation suite. Software-only validation; live-instrument validation is not reported
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