大模型推理能力

FirstResearch: Auditable Question Formation for LLM Scientific Discovery Agents

FirstResearch：用于大语言模型科学发现智能体的可审计问题形成

Yufeng Wang

专题命中 规划推理 ：planning(abstract)；分类 cs.AI

AI总结 研究针对大语言模型科学发现智能体首个研究问题难审计的问题，提出FirstResearch框架，核心是研究问题证书，记录多种要素使问题可检查。实验表明该框架在多个主题上优于基线，以证书为中心的核心组件作用显著，支持明确推导约束可提升问题可审计性。

Comments Withdraw for further improvement and work consolidation

Large Emotional World Model

大规模情感世界模型

Changhao Song, Yazhou Zhang, Hui Gao, Chang Yang, Peng Zhang

机构 * College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出大规模情感世界模型，通过构建情感-原因-方式数据集，整合情感因素以提升对情感驱动社会行为的预测能力。

Can Large Language Models Represent Urban Publics? Behavioral Replication and Population Mismatch in an Affordable-Housing Experiment

大语言模型能否代表城市公众？经济适用房实验中的行为复制与人口匹配问题

Yuxuan Cai, Yequan Hu, Hongqian Li, Zhanghong Ju, Shuying Guo

专题命中 规划推理 ：planning(abstract)

AI总结 该研究以美国经济适用房调查实验对比8款开放权重LLMs与843名受访者，发现LLMs虽能近似部分总体对比，却无法保留人口结构、组内异质性等关键特征，城市规划的模型评估需测试空间与社会结构的模拟保留情况。

Comments Yuxuan Cai and Yequan Hu contributed equally to this work

Beyond Action Imitation: Learning a Decision-Aware User Simulator for Online Advertising

超越动作模仿：面向在线广告的决策感知用户模拟器学习

Zipeng Chen, Jiaer Zheng, Xiangyang Xu, Xinyu Lin, Zhaobin Wang, Zhaohui Liu, Qianjin Xiang, Xiaoyu Zhao, Zhuozhen Yu, Guangshuo Wang, Daxing Chen, Junwei Pan, Zhangbin Zhu, Chengguo Yin, Hao Chen, Tat-Seng Chua, Haijie Gu, Jie Jiang

专题命中 规划推理 ：reasoning(abstract)

AI总结 针对现有用户模拟器仅基于单领域交互模仿动作的缺陷，本文提出决策感知用户模拟器DASH，通过上下文工程、蒸馏思考轨迹与定制规则奖励模型，在腾讯广告数据上验证了其多维度优势。

Comments 23 pages, 10 figures, 9 tables

Before Agents Speak: Pre-hoc Failure Risk Inference in Multi-Agent Systems

智能体交流前：多智能体系统中的事前失败风险推断

Shi Lin, Chenpei Wang, Peng Qian, Dezhang Kong, Minghao Li, Yufeng Li, Xun Wang

专题命中 规划推理 ：reasoning(abstract)

AI总结 本研究针对多智能体系统中幻觉级联失败的问题，提出事前风险推断框架HalluProp，通过建模内在幻觉风险与传播机制实现早期诊断，性能优于事后方法，可提升系统可靠性。

RemiAssist: A Therapist-Supporting System for Photo-Based Reminiscence Therapy in Dementia Care

RemiAssist：一种用于痴呆症护理中基于照片的回忆疗法的治疗师支持系统

Shuchang Xu, Minglong Tang, Junyan Mao, Xiaofu Jin, Wazeer Zulfikar, Yasith Samaradivakara, Jiayi Zhou, Huamin Qu, Yuling Sun, Pattie Maes

专题命中 规划推理 ：planning(abstract)

AI总结 针对痴呆症护理中基于照片的回忆疗法忽视治疗师作用的问题，RemiAssist系统利用记忆图和情境感知引导策略，辅助治疗师进行规划与引导，提高了规划效率和对话时长，为个性化回忆疗法提供支持。

Comments Accepted to UIST 2026

LOCUS: Local Visual Cue Search for Enhancing Fine-Grained Perception in Multimodal Large Language Models

LOCUS: 局部视觉线索搜索增强多模态大语言模型的细粒度感知

Zhou Tao, Fang Zhang, Zewen Ding, Shida Wang, Xiaokun Sun, YongXiang Hua, Haoyu Cao, Linli Xu

机构 * University of Science and Technology of China（中国科学技术大学） ； State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 提出LOCUS训练框架，通过可验证的局部线索搜索代理任务，使MLLM内化细粒度证据选择，提升定位敏感视觉理解而不改变推理接口。

POINTS-Seeker: An Open Recipe for Multimodal Search Agents with Visual Memory Management

POINTS-Seeker：从零开始训练多模态代理搜索模型

Yikun Liu, Yuan Liu, Haicheng Wang, Zhongyin Zhao, Le Tian, Xiao Zhou, Jiangchao Yao, Yanfeng Wang, Weidi Xie

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； CMIC, Shanghai Jiao Tong University（上海交通大学CMIC） ； WeChat AI, Tencent（腾讯WeChat AI） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出POINTS-Seeker模型，通过引入代理播种机制和V-Fold压缩方案，解决长周期交互中的证据检索问题，并在六个基准测试中超越现有模型。

TiPToP: A Modular Open-Vocabulary Robot Manipulation System That Plans

TiPToP：一种用于机器人操作的模块化开放式词汇规划系统

William Shen, Nishanth Kumar, Sahit Chintalapudi, Ryan Lindeborg, Jie Wang, Christopher Watson, Edward Hu, Jing Cao, Dinesh Jayaraman, Leslie Pack Kaelbling, Tomás Lozano-Pérez

专题命中 规划推理 ：planning(abstract)

AI总结 TiPToP是一种模块化开放式词汇规划系统，结合预训练视觉模型与任务规划器，通过自然语言指令和RGB图像直接解决多步骤操作任务，实现实时高效的操作规划。

Comments Project website: https://tiptop-robot.github.io

SG-CoT: An Ambiguity-Aware Robotic Planning Framework using Scene Graph Representations

SG-CoT：一种基于场景图表示的模糊性感知机器人规划框架

Akshat Rana, Peeyush Agarwal, K. P. S. Rana, Amarjit Malhotra

机构 * Netaji Subhas University of Technology（纳塔贾·萨哈大学） 纠错

专题命中 视觉空间推理 ：CoT(title,title_cn)；planning(title,abstract)；chain-of-thought(abstract,abstract_cn)；reasoning(abstract)

AI总结 SG-CoT通过构建场景图并利用LLM迭代查询以检测和澄清模糊性，提升机器人规划在模糊环境中的可靠性，实验表明其在单机和多机环境中均优于现有方法。

Comments This work has been submitted to the journal Autonomous Robots for possible publication

Ouroboros-Spatial: Closing the Data-Model Loop for Spatial Reasoning

Ouroboros-Spatial：闭环数据-模型循环的空间推理

Enhan Zhao, Wei Wu, Yuanrui Zhang, Xueliang Zhao, Di He

机构 * Peking University（北京大学） ； Ant International（蚂蚁国际） ； The University of Hong Kong（香港大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出Ouroboros-Spatial自演化框架，通过提议器与求解器闭环交互，动态生成与模型能力匹配的训练样本，在六个空间推理基准上以十分之一数据量显著提升Qwen3-VL性能。

Explainable and Resource-Efficient Spatial Reasoning in Multimodal LLMs for Decision-Critical Applications

面向决策关键型应用的多模态大语言模型中可解释且资源高效的空间推理

Piyush Jain, Kousik Dasgupta, Rajarshi Roy, Subarna Tripathi

机构 * Heritage Institute of Technology（遗产技术学院） ； Kalyani Government Engineering College（卡利亚尼政府工程学院） ； IAIRO ； Intel Corporation（英特尔公司） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)

AI总结 针对多模态大语言模型空间判断不透明及细粒度空间理解不足的问题，提出无需训练的ByDeWay-V2框架，结合YOLO-World-L注入空间谓词，在多个基准上显著提升空间推理性能，适配资源受限场景。

Comments 14 pages

OmniAD: Detect and Understand Industrial Anomaly via Multimodal Reasoning

OmniAD：基于多模态推理的工业异常检测与理解

Shifang Zhao, Yiheng Lin, Lu Han, Yao Zhao, Yunchao Wei

机构 * Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学学院） ； Visual Intelligence + X International Joint Laboratory of the Ministry of Education（教育部视觉智能+X国际合作实验室） ； Key Laboratory of Noise and Vibration Research, Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所噪声与振动重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)

AI总结 OmniAD是融合视觉与文本推理的多模态框架，以Text-as-Mask Encoding等技术实现工业异常检测与理解，在MMAD基准性能超Qwen2.5-VL-7B等模型，代码与模型将公开。

CinemaTraj: Composing Atomic Camera Trajectories for 3D Scenes with LLM Agents

CinemaTraj：用LLM智能体为3D场景合成原子相机轨迹

Qianru Li, Xuyang Chen, Erkin Türköz, Lu Liu, Xuqin Wang, Liqiu Meng, Tao Wu, Yanfeng Zhang

机构 * Technical University of Munich（慕尼黑工业大学） ； Huawei Dresden Research Center（华为德累斯顿研究中心） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；planning(abstract)

AI总结 CinemaTraj是将LLM智能体与3D场景图结合的框架，可从自然语言生成带旁白的3D场景相机轨迹，在真实环境中优于现有方法。

Comments 17 pages, including 8-page main paper, references, and supplementary material; project page: https://cinematraj.github.io/

See2Think: Do Multimodal Models Really Use Intermediate Visual States?

See2Think：多模态模型是否真正利用中间视觉状态？

Siyu Yan, Zhuoran Yan, Haiying Xu, Panhao Zhou, Jingyu Chen, Chenhao Ji, Shuo Cao, Yongheng Zhang, Haoze Liu, Siyu Zhang, Xiwen Gu, Yihao Liu, Alex Jinpeng Wang

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出See2Think评估框架，通过See2ThinkBench和VAoT测试多模态模型对中间视觉状态的依赖，发现视觉推理具模型与环境依赖性，准确渲染是瓶颈，受损反馈会使模型准确率降超10个百分点。

Comments 10 pages, 5 figures, and 8 tables

SpatialQ: Understanding 3D Gaussian Splatting Scene Quality via Visual-based MLLM

SpatialQ：基于视觉的多模态大语言模型（MLLM）理解3D Gaussian Splatting场景质量

Jingxuan Su, Shenglin Wang, Tiesong Zhao, Ge Li, Wei Gao

机构 * Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室） ； Fuzhou University（福州大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 针对3DGS场景质量评估的局限，本文提出SpatialQ框架，通过VGGT编码器与Qwen-MLLM实现结构感知的多模态质量评估，解决传统IQA仅依赖2D线索的问题。

Rad-JEPA 3D: Radiology Joint-Embedding Predictive Model for 3D Computed Tomography

Rad-JEPA 3D：用于三维计算机断层扫描的放射学联合嵌入预测模型

Quoc-Huy Trinh, Minh-Van Nguyen, Ulas Bagci

机构 * Northwestern University（西北大学） ； Technical University of Denmark（丹麦技术大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 Rad-JEPA 3D是用于3D CT的自监督联合嵌入预测框架，采用混合H-Mamba编码器与HSOR正则化，在12万次CT扫描预训练后，在器官识别、空间推理等任务上达到最优性能。

Semantic Evidence Regulation via Relational Bias for Zero-Shot Object Navigation

通过关系归纳偏差重新思考具身导航

Weitao An, Chenghao Xu, Xu Yang, Cheng Deng

机构 * School of Electronic Engineering, Xidian University（西安电子科技大学电子工程学院） ； School of Information Science and Engineering, Hohai University（河海大学信息科学与工程学院） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 提出DB-Nav框架，利用激活偏置和抑制偏置双关系偏置重塑搜索空间，通过关系激活-抑制探索图调节前沿探索，显著提升目标导航成功率和路径效率。

Skills on the Fly: Test-Time Adaptive Skill Synthesis for LLM Agents

Skills on the Fly: Test-Time Adaptive Skill Synthesis for LLM Agents

Jingxing Wang, Chenyu Zhou, Zhihui Fu, Jun Wang, Weiwen Liu, Weinan Zhang, Jianghao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； OPPO Research Institute（OPPO研究院） 纠错

专题命中 测试时计算 ：test-time compute(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出了一种在测试时自适应的技能合成方法SkillTTA，通过检索与当前任务相关的少量训练轨迹并将其合成成为任务特定的文本技能，以提高LLM代理在SpreadsheetBench、ALFWorld和BigCodeBench等任务上的性能。

Comments 15 pages, 6 figures

A First Look at Coding Agents' Compliance with AI Contribution Rules in Open-Source Communities

初探编码智能体在开源社区中对AI贡献规则的合规性

Wenhao Yang, Runzhi He, Minghui Zhou

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI

AI总结 本研究构建RepoComplianceBench基准测试编码智能体对开源社区AI贡献规则的合规性，发现当前智能体几乎不主动检索规则，仅在提示等辅助下实现披露与验证，但始终不执行AI禁令。

Understanding LoRA as Knowledge Memory: An Empirical Analysis

理解LoRA作为知识记忆：一项实证分析

Seungju Back, Dongwoo Lee, Naun Kang, Taehee Lee, S. K. Hong, Youngjune Gwon, Sungjin Ahn

机构 * New York University（纽约大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.LG

AI总结 本文通过系统实证研究，将低秩适配（LoRA）作为模块化知识记忆，探索其存储容量、内部化优化、多模块系统扩展及长上下文推理能力，提供LoRA记忆操作边界的实用指导。

Comments ICML 2026

The Fabric Is the Cluster Driver: Cross-Layer eBPF Policies for GPU-CXL Fabrics

Fabric 是集群驱动：面向 GPU-CXL Fabric 的跨层 eBPF 策略

Yiwei Yang, Andi Quinn

专题命中 测试时计算 ：verifier(abstract)

AI总结 该研究提出 fabric_ext 中间件编译器与运行时，通过语义移动图实现跨 GPU-CXL Fabric 多层的 eBPF 策略，以处理 LLM 预填充等场景下的跨岛数据流需求。

REFACT: Adaptive Fact Restatement for Compact and Faithful Chain-of-Thought Reasoning

REFACT：用于紧凑且忠实的思维链推理的自适应事实重述

Zhensheng Jin, Xin Dai, Zhenghao Liu, Chaojun Xiao, Huiyuan Xie, Yu Gu, Ge Yu, Maosong Sun

机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 研究复杂任务中语言模型推理轨迹易偏离上下文的问题，提出REFACT自适应事实重述框架，经两阶段优化，实验证明其能提升长上下文问答等能力，减少令牌消耗，保留更多证据使推理轨迹更优。

Think Short, Defer Smart, Act, and Repeat: Calibrated Reasoning and Uncertainty-Aware Deferral for Edge LLM Agents

短思考、智能延迟、行动与循环：面向边缘大语言模型智能体的校准推理与感知不确定性的延迟机制

Amirmohammad Farzaneh, Osvaldo Simeone

专题命中 复杂问题求解 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 该研究提出TSDS框架，结合收敛探测器与困惑度延迟规则，经LTT流程校准后，可在边缘LLM智能体上减少43%-73%的思考计算量，同时保证奖励与云端调用率，在多类基准任务上表现优异。

LLMAR: A Tuning-Free Recommendation Framework for Sparse and Text-Rich Industrial Domains

LLMAR：一种适用于稀疏且文本丰富的工业领域的无调优推荐框架

Ryogo Hishikawa, Ichiro Kataoka, Shinya Yuda

机构 * Hitachi, Ltd. Research and Development Group（日立株式会社研发部门） ； Hitachi Power Solutions Co., Ltd.（日立电力解决方案公司） 纠错

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

AI总结 LLMAR通过无调优框架整合大语言模型推理，捕捉用户潜在动机，解决工业领域数据稀疏问题，提升推荐准确率和效率。

Comments 10 pages, 3 figures

Eco3S: Complex Socio-Economic System Simulation via Agent-Based Models

Eco3S：基于智能体模型的复杂社会经济系统仿真

Shaopeng Wei, Yufei Cheng, Wenxi Sun, Yepeng Ding, Yu Zhao, Gang Kou

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

AI总结 Eco3S是面向经济研究与政策分析的社会经济系统仿真框架，通过三种关键机制解决现有LLM-based ABM的挑战，经多场景实验验证其有效性、可扩展性与通用性。

Comments 18 pages, 18 figures, 7 tables

Anchoring and Steering Diffusion: Enhancing the Faithfulness of Text-to-Image Generation at Inference Time

锚定与引导扩散：在推理时提升文生图生成的忠实度

Xinyi Wang, Yuyang Huang, Yalin Su, Pengcheng Luan, Tao Zhang, Feiming Wei, Wenxian Yu

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 复杂问题求解 ：self-correction(abstract)

AI总结 提出无训练框架AnchorSteer，通过语义锚定与反射引导组件改进文生图扩散模型的推理，在GenEval等基准上提升文本-图像对齐性能且保持视觉质量。

Comments Accepted by ECCV 2026

Can We Trust AI in 6G? Verifiable and Auditable AI-Driven Trustworthy Wireless Networks

我们能信任6G中的AI吗？可验证且可审计的AI驱动可信无线网络

Genze Jiang, Yizhou Huang, Kezhi Wang

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 针对6G中AI在无线网络应用的信任问题，提出基于3GPP规范的机械审计方法与原生审计网络架构，支持AI功能的部署前认证和运行时审计，为AI驱动的可信无线网络提供解决方案。

Comments Submitted for possible journal publication

TREK: A Travel Reasoning and Evaluation Kit for LLM Agents in Complex Trip Planning

TREK：面向复杂行程规划的大语言模型智能体旅行推理与评估工具包

Jinhu Qi, Wentao Zhang, Siu Man Ng, Feiyang Xu, Yanyu Chen, Yaoman Li, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； Macao Polytechnic University（澳门理工大学） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.CL

AI总结 本研究推出TREK旅行基准测试，解决现有行程规划智能体基准的不足，实验显示最强LLM智能体仅在不足五成任务生成可行计划，满足旅行者未明确需求是普遍瓶颈。

Comments Code, data, and evaluator: https://github.com/TonyQJH/TREK-A-Travel-Reasoning-and-Evaluation-Kit-for-LLM-Agents-in-Complex-Trip-Planning

Credit Cards, Confusion, Computation, and Consequences: What Can We Uncover About Language Model Reasoning?

信用卡、困惑、计算与后果：我们能从语言模型推理中发现什么？

Arnav Hiray, Agam Shah, Caleb Lu, Meghaj Tarte, Harsit Mittal, Sudheer Chava

机构 * College of Computing（计算机学院） ； Scheller College of Business（舍勒商学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.CL

AI总结 该研究构建了首个基于真实信用卡协议的数值推理金融素养基准CreditCardQA，评估发现程序思维（PoT）提示可提升模型推理性能，错误多源于金融规则误用等，边缘案例易影响财务脆弱群体。

Comments Accepted at CoLM 2026