大模型推理能力

DAIS: Dependency-Aware Intermediate QA Supervision for Complex Reasoning

DAIS：用于复杂推理的依赖感知中间问答监督

Yu Wang, Ming Fan, Xicheng Zhang, Zhiyong Li, Zhihu Wang, Caiyue Xu, Dahai Hu, Ting Liu

机构 * Xi’an Jiaotong University（西安交通大学） ； Huawei Technologies Ltd（华为技术有限公司） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 研究针对思维链监督的局限性，提出依赖感知中间问答监督（DAIS）框架，将教师推理依据转换为阶段级记录，在多个数据集上提升了最终答案准确率，在政策合规基准测试中有显著增益，证明其作为辅助监督信号的有效性。

DeforM: Reasoning-Guided Physics-Aware Video Generation via Spatial-Temporal Masking

DeforM：通过时空掩码实现推理引导的物理感知视频生成

Yunyi Li, Yu Qiao, Yaohui Wang, Xinyuan Chen

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 研究针对视频生成模型难以生成物理感知视频的问题，提出DeforM框架，引入VLM引导的物理推理模块及两种策略，经实验验证该框架能提高生成变形场景的真实感，优于基线模型。

Bounding Boxes to Improve Small Language Model Performance on Vision-Based Grading Tasks

使用边界框提高小语言模型在基于视觉的评分任务中的性能

Lachlan McGinness

机构 * Australian National University（澳大利亚国立大学） 纠错

专题命中 复杂问题求解 ：CoT(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 研究在基于视觉的简答题评分任务中，用边界框裁剪学生答案对小语言模型性能的影响，通过实验表明此方法能显著提高评分准确性并降低计算成本，是大规模视觉教育评估中部署小语言模型的关键预处理步骤。

Comments Accepted for 1st Workshop on Small Language Models for Education (SLM4ED '26) at AIED 2026

AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents

AgentDebugX：用于大语言模型代理中故障可观测性、归因和恢复的开源工具包

Kunlun Zhu, Xuyan Ye, Zhiguang Han, Yuchen Zhao, Bingxuan Li, Weijia Zhang, Muxin Tian, Xiangru Tang, Pan Lu, James Zou, Jiaxuan You, Heng Ji

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Toronto（多伦多大学） ； Google（谷歌公司） ； Stanford University（斯坦福大学） 纠错

专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.CL、cs.AI

AI总结 研究大语言模型代理故障调试难题，提出开源框架AgentDebugX，其核心DeepDebug通过多轮诊断定位根源，在基准测试中表现出色，能修复更多失败任务，还通过多种方式公开工作流程并提供错误中心。

Binding Drift in Multi-Step Tool-Augmented Agents

多步工具增强智能体中的绑定漂移

Rahul Suresh Babu, Shashank Indukuri

专题命中 复杂问题求解 ：verifier(abstract)；分类 cs.CL、cs.AI

AI总结 研究多步工具增强智能体中实体绑定随时间的变化，区分绑定漂移与错误传播。通过实验发现实体锁定会放大错误操作，实用的重新验证器可减少错误，自然设置下基线智能体有漂移现象，且持久性和重新验证不可互换。

Comments 14 pages, 5 tables, 1 figure. Equal contribution by both authors. Code and data: https://github.com/shashank-indukuri/binding-drift

AEVAL: From Anecdotal to Deterministic Testing for Agentic Skill Workflows

AEVAL：从轶事性到确定性的智能体技能工作流测试

Tejas Singh Anand, Yuet Ying Christina Wang, Wanting Jiang, Steve Masson, Tian Zheng, Bingjie Zhou

机构 * nvidia（NVIDIA公司） 纠错

专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.AI、cs.LG

AI总结 研究针对智能体技能工作流测试缺乏确定性和可重复性的问题，提出AEVAL框架，通过执行器与评分器分离等方法，实现确定性、可重复的测试，给出分层修复建议，能将虚假通过率转换为可重复失败信号并记录修复过程。

Comments 8 pages, 1 figure, 1 table, accepted at the ICML 2026 Workshop on Statistical Frameworks for Uncertainty in Agentic Systems

LinguistAgent Technical Report: A Reflective Multi-Model Platform for Automated Linguistic Annotation

LinguistAgent: 一个用于自动化语言标注的反思多模型平台

Bingru Li

机构 * University of Birmingham（伯明翰大学） 纠错

专题命中 复杂问题求解 ：chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 LinguistAgent通过反思多模型架构实现自动化语言标注，采用双代理工作流程模拟同行评审，支持多种标注范式并提供实时评估。

From Agent Failure Paths to Quantified Residual Risk: A Compositional Framework for Resilient Agentic AI

从智能体故障路径到量化残余风险：一种用于弹性智能体人工智能的组合框架

Hassan Karim, Sai Sitharaman, Deepti Gupta, Danda B. Rawat

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 研究智能体人工智能风险表示问题，提出CPSAINT和FRIESA-K结合故障机制与风险估计，通过单独惩罚报告治理可观测性，形式化结构可组合性，在两个场景展示框架，获支持跨域推理等的紧凑内核。

HERAKLES: Hierarchical Skill Compilation for Open-ended LLM Agents

HERAKLES：用于开放式语言模型智能体的分层技能编译

Thomas Carta, Clément Romac, Loris Gaven, Pierre-Yves Oudeyer, Olivier Sigaud, Sylvain Lamprier

机构 * Inria(Flowers)（Inria） ； University of Bordeaux（波尔多大学） ； Sorbonne Université (ISIR)（索邦大学） ； Univ Angers (LERIA) SFR MATHSTIC（昂格斯大学） 纠错

专题命中 复杂问题求解 ：planning(abstract)；分类 cs.LG

AI总结 研究部分可观测、稀疏奖励且目标空间大的环境中目标条件强化学习，提出HERAKLES分层智能体，联合学习高级语言模型策略与低级控制器，通过同时训练实现可扩展技能组合，提升开放式组合环境下的效率和适应性。

Comments 42 pages

Tracing the Shadows: Automatic Tracking and Analysis of Crypto Money Laundering via Transaction Semantic Analysis

追踪阴影：通过交易语义分析对加密货币洗钱进行自动跟踪与分析

Hao Wu, Haijun Wang, Shangwang Li, Yin Wu, Ming Fan, Ting Liu, Xiapu Luo

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 研究针对加密货币洗钱问题，提出AMLGuard语义感知框架，结合静态规则分析与LLM推理，对复杂DeFi交易语义分析，实现非法资金流追踪，在真实案例评估中取得高精度召回率，有效应对加密货币洗钱。