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。
通过自主语言智能体进行个性化推荐工具学习
机构 * Microsoft（微软公司）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对基于大语言模型的智能体在推荐系统中的局限性，提出PRTA框架，让LLM作中央规划器与多推荐模型交互，负责高级推理和个性化工具选择，传统模型进行全排序评分，设计反射机制，实验表明该框架提升了全排序推荐性能。
Comments 6 pages. Accepted by RecSys'26
PerceptDrive：用于端到端自动驾驶的具有自适应专家路由的感知先验世界-动作建模
机构 * Tsinghua University（清华大学） ； AMap, Alibaba Group（高德软件有限公司，阿里巴巴集团）
专题命中 规划推理 ：planning(abstract)
AI总结 研究针对自动驾驶中感知基础模型的问题，提出PerceptDrive框架，将教师提炼先验和观察潜变量输入可训练模型，经特定分支处理、先验保留及场景条件路由，实验表明其性能领先，证实相关方法的有效性及对先验的依赖。
听从计划：用于端到端车路协同驾驶的自适应多智能体融合
专题命中 规划推理 ：planning(abstract)
AI总结 研究车路协同辅助自动驾驶中现有方法不足，提出端到端协同驾驶系统，用MotionNetwork融合信息、注意力机制压缩特征、自回归解码器融合多智能体特征及引入MoE架构，提升驾驶分数并保持通信效率。
Comments Accepted at IEEE ICME 2026
人工智能增强的人才保留策略：在人才管理中促进员工长期敬业度和发展
专题命中 规划推理 ：planning(abstract)
AI总结 研究探讨人工智能在人才管理中的应用，介绍预测分析等工具可助组织确定员工离职可能，制定个性化学习计划，阐述其对人才保留等方面的影响，讨论伦理问题，基于文献综述提出框架助力组织借助人工智能改进人才管理。
Comments 8 pages, 3 figures, 2 tables
从管道和仪表图到过程图：一种多模态语言模型方法
专题命中 规划推理 ：reasoning(abstract)
AI总结 研究针对P&IDs数字化难题，提出基于多模态大语言模型的两阶段工作流程，将其数字化重定义为设备标签提取与拓扑推理，经案例研究评估，该方法比端到端数字化更优，凸显知识引导工作流程在P&ID数字化中的潜力。
CHMAS：一种用于多智能体强化学习的耦合分层框架
专题命中 规划推理 ：planning(abstract)
AI总结 本文针对多智能体强化学习跨时间尺度平衡协调与执行的挑战，提出CHMAS框架，将决策分解为集中战略规划与分布式战术执行，有双向信息流和反馈机制，还给出异步更新协议，经理论分析与实验验证，该框架有效。
Comments Presented at the 2026 American Control Conference (ACC 2026). This version corrects the author names in Reference 1. The technical content, results, and conclusions are unchanged
Trace：一种用于多领域视觉推理的分类法引导环境
机构 * Rochester Institute of Technology（罗彻斯特理工学院）
专题命中 视觉空间推理 ：reasoning(title,abstract)；verifier(abstract)
AI总结 针对视觉语言模型缺乏合适训练数据的问题，提出Trace分类法引导环境，将任务构建分解，通过共享语义状态确定相关元素，在该环境上的RLVR提升了模型在外部基准测试中的表现，证明训练可迁移。
SOPD-SocialNav：用于视觉语言社交导航的选择性在线策略蒸馏
机构 * Graduate School of Information Science and Technology, Hokkaido University（北海道大学信息科学与技术研究生院）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 针对大规模视觉语言模型难部署、轻量级模型社交推理能力不足的问题，提出SOPD-SocialNav方法，通过基于熵的令牌选择机制及温度控制的散度目标，将社交导航知识从大型教师模型转移到轻量级学生模型，实验证明该方法有效。
Comments This paper has been accepted to 2026 WRC Symposium on Advanced Robotics and Automation (WRC SARA)
Aircast-Mars：一种用于全球天气预报的火星基础模型，采用HEALPix感知卷积
专题命中 视觉空间推理 ：planning(abstract)
AI总结 研究针对火星天气预报，提出基于EMARS v1.0训练的Aircast-Mars系统。采用HEALPix感知二维U-Net架构，结合自定义填充和ConvNeXt残差块。该模型参数少、速度快，验证MSE低，能稳定递归预测，为行星尺度天气预报提供了基础。
用于量化小语言模型推理的CUSUM形状的推理时间监测和目标重解码
机构 * Novelis Research（诺贝丽斯研究中心）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究量化小语言模型推理时轨迹问题，提出MGT - B方法，通过映射窗口到概率、累积因子等操作监测并响应警报，经实验得出该方法对特定设置有一定效果，支持选择性监测与修复机制。
FinMMEval 2026任务1概述：多语言金融多项选择题问答
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； INSAIT, Sofia University “St. Kliment Ohridski”（索非亚大学“圣克莱门特·奥赫里德斯基”INSAIT学院） ； University of Arizona（亚利桑那大学） ； FMI, Sofia University “St. Kliment Ohridski”（索非亚大学“圣克莱门特·奥赫里德斯基”FMI学院） ； The Fin AI（The Fin AI公司） ； The University of Tokyo（东京大学） ； Linköping University（林雪平大学） ； McGill University（麦吉尔大学） ； Mila, Quebec AI Institute（魁北克Mila人工智能研究所） ； Meiji Gakuin University（明治学院大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 FinMMEval 2026任务1测试多语言金融多项选择题问答，最终测试集含800题，每种语言200题，按准确率排名。最高准确率在92.0%（印地语）到97.5%（英语和阿拉伯语）之间，领先团队相近。系统采用检索增强等多种方法。
Comments 9 pages. Task overview paper for CLEF 2026 Working Notes (CEUR Workshop Proceedings)
PerfAgent：用于仓库级代码优化的分析器引导迭代优化
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） ； IBM（IBM公司） ； Michigan State University（密歇根州立大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 研究针对仓库级代码优化难题，提出PerfAgent分析器引导迭代优化方法，该方法能让编码代理找到热点并改进，在两个优化基准测试中大幅提升专家匹配补丁率，且以低成本超越基线。
循环代码取证：面向图像伪造检测的代理工具使用
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出ForenAgent框架，通过多轮交互使MLLM自主生成并迭代优化Python工具，提升图像伪造检测的灵活性和可解释性，构建FABench数据集进行系统训练和评估。
Comments 18 pages, 7 figures
大规模捕捉内心体验：与一种具有里程碑意义的现象学方法的创始人共同开发的人工智能访谈者
专题命中 测试时计算 ：reasoning(abstract)
AI总结 研究聚焦于主观体验研究中深度与规模的权衡问题，核心方法是将描述性经验抽样法转化为人工智能访谈者的推理架构，主要贡献是开发出首个基于既定方法研究内心体验的人工智能访谈者及相关平台。
PhysClaw-0：一种通过语言修正实现机器人自主的共生智能体系统
机构 * GigaAI（字节跳动人工智能实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Leeds（利兹大学） ； Cornell University（康奈尔大学） ； Tsinghua University（清华大学） ； Nanjing University of Science and Technology（南京理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； FAWTD（一汽技术开发部）
专题命中 测试时计算 ：verifier(abstract)
AI总结 研究针对自主数据收集问题，提出PhysClaw-0共生智能体系统，通过跨轮保留和重用修正、自主收集验证等方式，在真实机器人测试中减少人力时间，提高成功率，并提升验证者与人类一致性。
Comments WebPage: https://open-gigaai.github.io/Zero2Skill
HyGRL：用于多实体问题的自适应混合图推理
机构 * Beijing Institute of Technology（北京理工大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 针对多实体组合问题，传统方法有局限。本文提出HyGRL框架，将文本嵌入知识图谱创建异构网络，通过模仿学习和强化学习进行自适应结构归纳推理，实验证明其在答案准确性、推理保真度等方面表现出色，成本低且推理快。
Comments 8 pages
减少复杂问答中的幻觉：使用基于简单图的检索增强生成（长版）
机构 * National Innovation Centre for Data（数据创新研究中心）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本研究提出一种轻量级图结构支持的检索增强生成系统，通过结合向量搜索和图查询工具，在复杂问答任务中将幻觉答案数量减半，并显著提升事实正确性的精确率和召回率。
Comments 25 pages; expanded limitations section, corrected typos throughout and missing values in appendix table 1
小巧、免费且高效：编排开放权重的小型语言模型以在恶意软件分析中超越单个大语言模型
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 研究恶意软件分析中，小型语言模型编排集成能否超越单个大语言模型。通过测试多种模型建立基线，设计评估四种编排架构，其中混合系统表现出色，总体准确率超专业和前沿基线，证明基于证据的编排可提升SLM性能。
Comments To appear in Proceedings of the 29th International Symposium on Research in Attacks, Intrusions, and Defenses (RAID)
Prober.ai：基于LLM约束人设的门控探究式反馈用于论辩写作发展
机构 * Florida State University（佛罗里达州立大学） ； New York University（纽约大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 Prober.ai通过约束LLM生成结构化JSON输出，提供探究式问题反馈，帮助学生提升论辩写作能力，其双阶段交互架构通过强制反思提升认知能力。
Comments Prototype awarded second place at the NYEdTech Hackathon (March 2026) https://www.nyedtechhackathon.com/2026-submissions
SeededGrasp：复杂场景中多实体语言引导抓取
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University of British Columbia（英属哥伦比亚大学） ； Google Deepmind（谷歌DeepMind）
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 针对复杂场景中机器人抓取问题，提出 SeededGrasp 框架，通过 VLM 预测种子点，结合轻量级抓取生成模型，解耦语义与几何执行，无需端到端训练，发布多实体数据集，实验证明该方法优于基线。
学习多智能体系统的延迟感知编排
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 针对多智能体系统推理延迟高的问题，提出延迟感知多智能体系统（LAMaS）。训练时通过约束优化学习延迟感知执行图，推理时用轻量级控制器补充。实验显示其在降低端到端延迟超50%的同时保持精度，且具模块化可移植性。
Comments This submission was intended to be an updated version of arXiv:2601.10560. Any subsequent updates will appear there
开放式问答中推理的无参考评估
机构 * Queen Mary University of London（伦敦大学玛丽皇后学院） ； Temple University（天普大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 针对高风险领域人工智能生成答案难验证问题，提出基于推理的无参考框架审核大语言模型输出，通过分解推理轨迹、标记关系并组织成超图等方法评估，在数学和医学推理设置下比直接以大语言模型为基线更可靠，强调问答评估应考虑推理关系组合。
Audio-Zero：用于细粒度音频推理的无标签自我进化
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究针对大型音频语言模型细粒度音频推理难题，提出无标签自我进化框架Audio-Zero，通过构建听觉自博弈游戏，利用无标签音频对比对让模型生成线索并推理，实验证明其能提升细粒度音频推理且保持广泛音频理解。
DocShield：通过证据导向的智能代理推理实现AI文档安全
机构 * Ant Group（蚂蚁集团） ； Nanyang Technological University（南洋理工大学） ； CFAR and IHPC, Agency for Science, Technology and Research (A*STAR), Singapore（新加坡科技研究局（A*STAR）计算与先进机器人中心及高性能计算研究所）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出DocShield框架，通过视觉-逻辑联合推理解决文档伪造检测问题，采用CCT机制和多任务奖励优化，提升检测准确性和解释性，实验显示其在多个基准测试中表现优异。
Comments 10 pages, 4 figures, 5 tables. Preprint. arXiv admin note: text overlap with arXiv:2512.21482
生成式语义多目标跟踪：大规模基准和基于大型语言模型的推理框架
机构 * Northwestern Polytechnical University（西北工业大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究将语义多目标跟踪从刚性分类提升为开放式生成推理任务，引入Grand-SMOT基准，提出LLMTrack框架，通过时空融合模块压缩轨迹为语义令牌，提升了生成语义推理能力。
RS-RIE-Bench：推理引导的遥感图像编辑基准测试
机构 * Huawei（华为）
专题命中 推理评测 ：reasoning(title,abstract)
AI总结 该研究针对遥感图像编辑，引入RS-RIE-Bench基准，将任务分类，通过特定评估协议和方法评估模型，经实验发现当前模型在推理引导的遥感编辑中有局限，为未来模型提供了基准和研究方向。
基于超网络的大语言模型知识注入的缩放定律
机构 * Nace AI（Nace人工智能公司） ； Purdue University（普渡大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 研究大语言模型训练时知识注入问题，核心方法是用超网络生成LoRA适配器，主要贡献是发现超网络注入能力随规模变化规律，能可靠进行分布外泛化，为训练时适应提供新基础及缩放定律。
Comments Preprint, 22 pages, 14 figures. Dataset collection available at https://huggingface.co/collections/nace-ai/hypernetwork-datasets
在英特尔 TDX 下对 NVIDIA H100 上的机密 GPU 推理进行基准测试
机构 * Mozilla
专题命中 推理评测 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 研究在英特尔 TDX 下 NVIDIA H100 GPU 上，比较标准与机密计算模式对语言模型推理的影响。通过两个模型实验，测量多项指标，发现机密模式会使首次令牌时间增加、全局令牌吞吐量下降，较大模型更早饱和，为容量规划提供参考。
联邦感知系统部署前复杂度估计
机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） ； Purdue University Northwest（普渡大学西北校区） ； Purdue University（普渡大学）
专题命中 推理评测 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种无需分类器的预部署框架，用于估计联邦学习在分布式环境中的学习复杂度，通过联合建模数据固有属性和环境特征，实验表明该指标与联邦学习性能及通信成本密切相关。
Comments Accepted and presented at Edge AI Research Symposium 2026 (EdgeAI2026), San Diego, CA
利用分歧：检测多智能体分诊中的相关一致性盲点
机构 * School of Computer Science \& Statistics, Trinity College Dublin, College Green, Dublin 2, Ireland ADAPT Centre, Trinity College Dublin, College Green, Dublin 2, Ireland CKDelta, 28/29 Sir John Rogerson's Quay, Dublin 2, Ireland
专题命中 推理评测 ：reasoning(abstract)；分类 cs.LG
AI总结 研究多智能体分诊中分歧引发升级导致的相关一致性盲点问题,提出结合随机森林、k近邻智能体及校准元模型的ARAT系统。通过实验表明该系统能降低预测不足，跨数据集验证显示多样化产生有效分歧才提升安全，揭示相关故障被忽视的风险。
Comments 14 pages, 2 figures, 3 tables. Accepted at PAAMS 2026; this is the author's pre-review submitted version
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