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。
从噪声到多样性：在LLM推理中的随机嵌入注入
机构 * Gwangju Institute of Science and Technology（光州科学技术学院） ； Seoul National University（首尔国立大学） ； Microsoft Research（微软研究院）
专题命中 数学推理 ：reasoning(title,abstract)；math reasoning(abstract)；分类 cs.AI
AI总结 本文研究了随机软提示（RSPs），通过在输入中添加随机嵌入向量提升推理性能，揭示了注入过程对生成多样性的影响，并在推理和训练中均取得显著效果。
Comments Under review, ICML 2026 Mechanistic Interpretability Workshop (Spotlight)
为扩散语言模型进行推理的简单策略梯度
机构 * Stanford University（斯坦福大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出 AGRPO 算法，通过优化 dLLM 的去噪步骤提升推理性能，实现多个任务上的显著增益。
Comments 19 pages. ICML 2026
Domyn-Small：一个欧洲的100亿参数推理语言模型
机构 * CINECA（意大利国家计算应用研究所）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.LG
AI总结 介绍了基于9万亿令牌多语言数据预训练的100亿参数推理语言模型Domyn-Small，经持续预训练、监督微调、强化学习等训练后管道，实现双模式推理，在与对等模型对比中平衡了准确性与效率，还发布了相关权重及开源框架。
Comments 27 pages, 5 figure
数学问题解决中大型语言模型在可执行推理约束下的表示鲁棒性
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究大型语言模型在数学问题解决中表示鲁棒性，通过改变问题表面表示评估五个模型，发现其对表示敏感，代码增强未统一提升鲁棒性，揭示了正确性等方面新权衡，强调表示应作为接口设计变量。
Comments presented at the 28th International Conference on Human-Computer Interaction (2026), Montreal, Canada
莫尔：让模型为稳健的跨域知识编辑指引自身方向
机构 * Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 研究针对语言模型训练后知识编辑核心能力退化问题，提出莫尔方法，通过从模型自身解码分布采样估计保留协方差，无需外部数据，可作插入组件。实验表明该方法能在多模型上扩展保留能力，提升准确率，凸显分布对齐对无损编辑的关键作用。
轻量级大语言模型剖析
机构 * Graduate School of Science and Engineering, Saitama University（埼玉大学理工学研究科） ； ITIS, University of Malaga（马拉加大学信息技术与系统研究所）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究轻量级大语言模型在资源受限环境中的情况，提出基于PTME的实验框架，通过硬件级测量联合测量精度、时间、内存和能耗，对一组模型进行测试，发现代理描述符不足，揭示非主导配置，为不同资源下选模型提供指导。
ArbiGraph：用于评估上下文管理的任意可扩展可验证任务图
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 ArbiGraph作为基准生成器，将任务表示为带Python求解器的自然语言问题，通过类型化中间状态组合任务。用多种任务类别实例化并评估智能体，发现其在孤立任务和复杂相关任务上表现不同，揭示了单任务评估无法发现的问题。
用于忠实表示干预的概念集中化
机构 * SAIC Centre, USYD（SAIC中心）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 研究大语言模型表示干预中定位忠实概念的问题，提出概念集中化（COCA）方法，通过重构训练数据简化决策边界，有效降低分布内和分布外越狱成功率，且在常规任务上保持性能。
Comments ICML'26; Hongzheng and Yongqiang contributed equally; project page: https://causalcoat.github.io/coca
LeanFlow：工作流驱动的精益自动形式化案例研究
机构 * Moonshot AI（月球计划人工智能公司） ； epfl-lara（洛桑联邦理工学院拉腊实验室）
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI、cs.LG
AI总结 研究通过对两篇数学论文案例研究，探讨文档到项目形式化中运行时机制对相关指标的影响，使用Kimi2.6和GPT5.5进行消融实验，报告多项数据，展示LeanFlow在特定任务上的表现及校准成果。
Comments 14 pages, 3 figures, ICML 2026: AI for Math Workshop
就模型达成一致，验证推理：基于同态-非同态分解变压器的HND的GKR协议
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； State Key Laboratory of Multimodal Artificial Intelligence Systems（多模态人工智能系统国家重点实验室）
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.LG
AI总结 研究外包变压器推理问题，提出GKR-HND协议验证同态-非同态分解变压器多项式主干，保留验证器检查记录与开口，委托公共评估给计算工作者，实验验证了证明路径与委托计算，无需密集矩阵重放。
Comments 24 pages, including 4 pages of supporting information; 2 figures
LatentChem: 从文本思维链到化学推理中的潜在思考
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 逻辑推理 ：CoT(title,summary_cn)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 针对化学大语言模型依赖显式思维链导致的模态不匹配问题，提出LatentChem推理接口，通过连续思维向量和动态感知解耦化学逻辑与语言生成，在ChemCoTBench上以59.88%非平局胜率超越强CoT基线，并实现平均10.84倍推理步骤开销降低（5.96倍实际加速）。
Comments Accepted at ICML 2026
X³-OPD：通过策略对齐将推理能力提炼到大型音频-语言模型中
机构 * Tencent Hunyuan（腾讯混元） ； Zhejiang University（浙江大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；logical reasoning(abstract)；分类 cs.LG
AI总结 针对大型音频-语言模型逻辑推理能力不足，提出X³-OPD跨模态策略蒸馏框架，借助教师模型指导与构建的三层对称语料库训练学生模型，实验证明该方法能提升音频推理及思维链质量，还能保留模型域转移下的能力。
Learn2Zinc：微调小型语言模型以实现MiniZinc中的文本到模型翻译
机构 * AI Center of Excellence, Fidelity Investments（富达投资卓越人工智能中心） ； Department of Computer Science, Brown University（布朗大学计算机科学系）
专题命中 逻辑推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI
AI总结 研究针对小型语言模型在MiniZinc文本到模型翻译的难题，提出跨模型错误引导方法，收集语法错误构建训练数据集微调模型，提升执行准确率至98%，虽语法可学但约束推理仍具挑战，且开源相关资源供后续研究。
Comments CP 2026 Workshop on LLMs meet Constraint Solving
教LLM字符串匹配、回溯与错误恢复：为组合爆炸的位操作谜题推导基和真值表
机构 * NVIDIA
专题命中 逻辑推理 ：reasoning(abstract,comments)；分类 cs.AI
AI总结 提出一种新方法，通过字符串相似性、结构化搜索和自主错误恢复，避免复杂布尔逻辑，解决位操作谜题中的组合爆炸问题，实现96%以上验证准确率。
Comments 22 pages, 4 figures, 2 tables. 7th Place Solution for the NVIDIA Nemotron Model Reasoning Challenge (Kaggle)
使用大语言模型在集成逻辑中扩大临床试验协议的形式化表示：一项初步研究
机构 * McGovern Medical School（麦戈文医学学院） ； McWilliams School of Biomedical Informatics（麦克威廉斯生物医学信息学学院） ； The University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对临床试验协议依赖非结构化文本阻碍自动化推理等问题，引入CT-TEL工作流程，利用大语言模型将叙述性临床协议转为TEL公式，通过反向翻译评估保真度，为协议映射到可计算逻辑及临床试验模拟提供初步证据。
Comments Proceedings of the 2026 American Medical Informatics Association Symposium, to appear
Chronofy：一种用于时间感知检索增强生成中信息有效性的时态逻辑衰减架构
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 研究针对RAG系统中因未考虑时间来源导致的时间幻觉问题，提出Chronofy三层神经符号框架，通过嵌入时间有效性到表示、检索和推理层，经实验验证该框架能提高检索精度、减少幻觉并启用数据重新获取触发机制。
DN-Hypo-Pipeline：一种基于大语言模型和科学解释的AI驱动假设生成工作流
机构 * Computer Network Information Center, Chinese Academy of Sciences, China（中国科学院计算机网络信息中心）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出DN-Hypo-Pipeline，利用大语言模型和科学解释作为先验知识，从现有文献中推导新假设，在数据科学建模中通过统计推断和专家评估证明优于直接生成方法，并验证了生成假设对应的算法性能。
在生成链式推理前解码答案：来自预CoT探测器和激活引导的证据
专题命中 规划推理 ：CoT(title_cn,summary_cn)；reasoning(title,abstract)；分类 cs.AI
AI总结 研究发现，模型在生成链式推理前已确定答案，通过激活引导实验揭示了预CoT过程中的因果关系及潜在错误模式。
用于动态机器人任务规划的视觉-语言-策略模型
机构 * Dynamic Robot Systems Group, Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所动态机器人系统组） ； Humanoids and Human-Centered Mechatronics (HHCM), Istituto Italiano di Tecnologia（意大利技术研究所人形与以人为中心的机电系统）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 针对机器人在非结构化环境中自然语言命令与自主执行衔接难题，提出基于视觉-语言模型的VLP框架，能解释指令、整合推理生成行为策略，还可动态调整策略，实验证明其有强大规划自主性和跨实体泛化能力。
基于RSA的前瞻性规划：通过跨未来时间步投影用户意识实现动态环境中的高效信号传递
机构 * Saarland University（萨尔兰大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出基于RSA的前瞻性规划方法，通过跨未来时间步投影用户意识，优化动态环境中的人机协作效率。
Comments 11 pages, 3 figures
Journal ref Proc. of the 25th Int. Conf. on Autonomous Agents and Multiagent Systems (AAMAS 2026)
PRO-LONG：程序化内存实现长程推理
机构 * Duke University（杜克大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对长程任务中LLM智能体的挑战，提出PRO-LONG框架，通过程序化内存管理上下文，保留交互日志并利用编码智能体进展高效搜索历史，在ARC-AGI-3上有显著提升，减少令牌使用并达到高准确率。
图上搜索：面向知识图谱的大语言模型推理的迭代式知情导航
机构 * Université de Montréal（蒙特利尔大学） ； McGill University（麦吉尔大学） ； Digital Media, CBC（数字媒体，CBC） ； Halmstad University College（哈姆斯塔德大学学院） ； University of Waterloo（滑铁卢大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出Search-on-Graph方法，通过让大语言模型自身基于知识图谱结构和完整推理历史选择关系路径，遵循观察-思考-导航范式，在六个KGQA基准上超越现有方法，无需任务特定微调。
Comments Accepted to KDD '26 (32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining)
基于概率超属性的去中心化规划
机构 * Brno University of Technology（布拉格技术大学）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出利用概率超属性和MDP进行去中心化规划，扩展了规划技术的规范能力，并建立了与特定Dec-MDPs规划的联系。
Comments 11 pages, 1 figure, 2 tables. Accepted at AAMAS 2025: the 24th International Conference on Autonomous Agents and Multiagent Systems
PlanE：基于抽取式大语言模型的数据、调优和推理的元规划
机构 * Ant Group（蚂蚁集团） ； School of Information Science and Engineering, East China University of Science and Technology（华东理工大学信息科学与工程学院）
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 针对大语言模型特定任务能力提升中数据标注成本高及缺乏优化方法的问题，提出PlanE框架，含数据分解等，引入DTI规划器，实验验证了该框架及规划器在不同场景下的有效性和通用性。
因果智能体图像恢复：用于自适应图像恢复智能体的自进化因果记忆
机构 * Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)
AI总结 针对图像恢复智能体知识存储局限，提出Causal-AgentIR框架，通过构建结构化因果记忆图及协作系统，支持智能体进行因果推理，依质量变化和反馈调整恢复经验，有效提升图像恢复能力。
训练用于自解释忠实性的大语言模型
机构 * Imperial College London（帝国理工学院）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出强化学习方法，将忠实性度量改为训练目标，研究模型能否检测及优化影响决策因素以提高自解释忠实性。实验用随机词和用户偏差插入，微调模型在忠实性度量上显著改进，交叉干预泛化有模型依赖等情况，为减少不忠实推理提供路径。
Comments To appear at the ICLR 2026 Workshop on Representational Alignment (Re-Align), 10 pages (long paper)
MiniCache：用于高效大语言模型推理的具有小模型接口的可重复使用程序缓存
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对大语言模型推理成本高的问题，提出MiniCache框架，将PoT程序转换为参数化缓存对象，通过重用小模型进行语义变量提取和推测性起草，减少目标大语言模型调用，实验证明其能提升推理性能，平衡延迟、缓存重用和准确性。
Comments 16 pages, 8 figures
通过动态评分标准共同进化大语言模型评估器和策略
机构 * Tsinghua University（清华大学） ； Tencent（腾讯）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 研究基于评估器反馈优化大语言模型时因策略改进导致的优化瓶颈问题，提出DynamicRubric框架，通过生成加权评分标准项实现评估器与策略共同进化，实验证明该框架提升了评估器性能及策略效果，并已成功应用于微信搜索。
Comments add online model info (approved)
智能体上下文管理：将智能体内存和成本视为生命周期和架构问题来解决
机构 * Maximem
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究生产型人工智能智能体因无法管理推理上下文而失败的问题，提出智能体上下文管理（ACM），分解为五个原语，经经济分析和参考实现验证，在特定配置下取得较好结果，还指出了现有基准未涵盖的维度及上下文前沿。
Comments 23 pages, 6 figures, 4 tables. Evaluation harness and study data: github.com/maximem-ai
ICAE-Bench：将编码智能体评估为交互式项目构建者
机构 * Meituan（美团）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 研究针对编码智能体在交互式项目构建中作用转变，现有基准未跟上的问题，提出ICAE-Bench基准。从模糊需求出发，经自动化用户智能体模拟动态范式，引入避免需求模糊性、确保用户模拟质量、公平评估开放式仓库的关键设计。
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