大模型推理能力

AMTFV: Agentic Mathematical Tool-Flow Verification for LLM Self-Correction

AMTFV：面向LLM自校正的智能体数学工具流验证

Rui Zou, Yutao Zhu, Mengqi Wei, Ji-Rong Wen

专题命中 数学推理 ：self-correction(title)；reasoning(abstract)；分类 cs.AI

AI总结 本研究针对LLM数学答案验证难题，提出AMTFV方法，通过MTF接口解耦验证建模与执行，在5个数学推理数据集上较基线提升最高8.3个百分点，验证复杂度越高增益越显著。

Comments 19 pages, 9 figures

TAPR: Enhancing LLM Performance with a Task-Aware Prompt Rewriter

TAPR：利用任务感知提示重写器提升大语言模型性能

Oliver Savolainen, Emanuele Bastianelli, Hosein Azarbonyad

机构 * University of Amsterdam（阿姆斯特丹大学） ； Elsevier（爱思唯尔） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究提出TAPR模型，采用带GRPO的强化学习训练，可将用户提示优化为任务适配的提示，经微调Phi-4-mini-instruct后，在多任务基准测试中提升了大语言模型的准确率。

Persistent Convolution: A Topological Framework for AI Alignment Testing and Semantic Space Characterization

持久卷积：用于AI对齐测试和语义空间表征的拓扑框架

Tyler Ashoff, Jordan Rodu

专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.LG

AI总结 本研究开发了一种基于拓扑的多模态对齐测试，以提升不透明AI模型部署、选择与比较的可解释性，助力AI对齐测试与语义空间表征。

Comments Code available at github.com/tylerashoff/persiscope (PyPI: persiscope)

SAGP: Semantic Affordance-Guided Grasp Planning via Coarse-Zone VLM Reasoning

SAGP：基于粗区域VLM推理的语义 affordance 引导抓取规划

Muhayy Ud Din, Irfan Hussain

机构 * Khalifa University（哈利法大学） ； KU Center for Autonomous Robotic Systems (KUCARS)（KU自主机器人系统中心（KUCARS）） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)

AI总结 SAGP是一种无训练的抓取规划框架，通过粗区域抽象层结合VLM推理与几何规划，在保持纯几何抓取高成功率的同时，提升了抓取的功能适用性，尤其适用于非对称带把手物体。

Comments Accepted in ICAME2026

Multi-Agent Planning with Spatio-Temporal and Topological Constraints using STL-GO

基于STL-GO的时空与拓扑约束下的多智能体规划

Sheryl Paul, Vidisha Kudalkar, Anand Balakrishnan, Lars Lindemann, Alberto Speranzon, Jyotirmoy V. Deshmukh

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

AI总结 针对多智能体规划中的时空与拓扑约束难题，提出基于STL-GO的混合整数规划与可满足性模理论两种编码方案，在多无人机搜索与救援基准上验证了其表达能力。

Comments Accepted at Formal Methods for Computer-Aided Design 2026

TAVI-TEC: An AI-Based Tool for Procedural Planning of Transcatheter Aortic Valve Implantation

TAVI-TEC：一种基于AI的经导管主动脉瓣植入术手术规划工具

Alessandra Zerillo, Stefano Cannata, Diego Bellavia, Daniele Ciriello, Simone Manini, Salvatore Pasta, Caterina Gandolfo

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

AI总结 本研究提出基于AI的TAVI-TEC框架，可自动完成TAVI术前关键测量与假体尺寸预测，耗时短、测量一致性强，准确率达82%，或能减少操作者差异、简化术前流程。

Reasoning in Real World Clinical Care: Why Large Language Models Are Not Yet Safe for Autonomous Clinical Decision Support

现实世界临床护理中的推理：为何大型语言模型（LLM）尚不适合自主临床决策支持

Shayndhan Sivanathan, Shravan Nageswaran, Mehdi Zadem, Ryaan Sultan, Nicolas von Mallinckrodt, Max Solovyev, Alexey Matyushkin, Sumon Sadhu, Gabriele C DeLuca, Sanjeeva Jeyaretna, James Hillis, Manoj Ramachandran, Prakash Jayakumar

机构 * Atman Labs（阿特曼实验室） ； Oxford University Hospitals（牛津大学医院） ； University of Oxford（牛津大学） ； NIHR Oxford Biomedical Research Centre（英国国立卫生研究院牛津生物医学研究中心） ； Imperial College London（伦敦帝国理工学院） ； Technical University of Munich（慕尼黑工业大学） ； Massachusetts General Hospital（麻省总医院） ； Mass General Brigham（麻省总医院布里格姆医疗系统） ； Harvard Medical School（哈佛医学院） ； Barts Health NHS Trust（巴特保健国民保健信托基金会） ； the University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 本文指出，尽管LLM在医学考试和部分病例推理上表现出色，但因存在信息收集缺陷等问题，尚不适合用于无医生参与的自主临床分诊。

Comments 3 figures

ConnectED: A Curriculum-Aligned AI System for Vietnamese Instructional Lesson Planning and Student Learning

ConnectED：面向越南教学课程规划与学生学习的课程对齐AI系统

Thang Doan Viet, Anh Nguyen Hoang, Tinh Luong Son, Anh Hoang Thi Ngoc, Huyen Giang Thi Thu, Tai Le Quy

专题命中 规划推理 ：planning(title)；分类 cs.AI

AI总结 该研究提出以人为本的AI系统ConnectED，基于VietEduQwen构建，支持越南教育完整教学生命周期，经评估其准确率优于基准模型，可缩短教师备课时间且获师生高满意度。

OpenClaw and Ollama in Agentic AI: Toward Fully Autonomous and Scalable AI Agent Systems

智能体AI中的OpenClaw与Ollama：迈向完全自主且可扩展的AI智能体系统

Konstantinos I. Roumeliotis, Ranjan Sapkota

机构 * University of the Peloponnese（伯罗奔尼撒大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 该研究提出智能体AI的分层架构，分析OpenClaw与Ollama组成的全栈系统，验证系统集成可提升智能体能力，指出相关挑战并提供路线图，所有资源公开以支持研究。

RecHarness: A Bandit-Routed Agentic Harness for Self-Evolving Recommender Systems

RecHarness：用于自进化推荐系统的多臂老虎机路由智能体框架

Haoran Ling, Yuecheng Li, Zeyu Song, Jing Yao, Shuwen Kang, Chi Lu, Wenjin Wu, Peng Jiang

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

AI总结 RecHarness是一种多臂老虎机路由智能体框架，用于自动化优化推荐系统模型，通过分离方向选择与假设生成、引入跳盆机制提升稳定性，在多任务测试及在线A/B测试中均实现性能提升。

Comments 9 pages, 2 figures

Why It Hurts: Identifying the Drivers of Negative Thoughts in Emotional Support Conversations

为何会痛苦：识别情感支持对话中消极想法的驱动因素

Hainiu Xu, Zhaoyue Sun, Hanqi Yan, Jinhua Du, Caroline Catmur, Yulan He

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

AI总结 本研究针对LLM情感支持任务中认知评估维度显著性被忽视的问题，推出AppraiSal基准并提出基于贝叶斯逆规划的多智能体概率框架PRISM，提升了LLMs识别情境特定显著评估维度的能力。

Beyond Component Testing: Validating Agentic AI Systems

超越组件测试：验证智能体AI系统

Fabio Orazio Mirto, Luca D'Agati, Giuseppe Tricomi, Stefano Silvestri, Francesco Longo, Antonio Puliafito, Giovanni Merlino

机构 * University of Messina（墨西拿大学） 纠错

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

AI总结 该综述综合257篇相关文献，构建五维分类法分析智能体AI系统验证问题，指出现有方法的缺口，提出面向生命周期的研究议程，主张需在上下文中验证智能体轨迹以实现可信部署。

Comments 61 pages, 3 figures, to be submitted to Springer Artificial Intelligence Review

SeekBrain: An Autonomous Multi-Agent System for Accelerating Neuroscience Discovery

SeekBrain：用于加速神经科学发现的自主多智能体系统

Jiamin Wu, Peishan Xiang, Jingyang Chen, Yuqing Zhu, Yuxi Li, Ling Luo, Qihao Zheng, Jialiang Zu, Yongchao Wu, Mindong Liu, Haitao Wu, Chaofan Hu, Yijie Sun, Yuqi Hang, Yu Zhu, Shuo Li, Yue Fan, Shiyang Feng, Wanghan Xu, Tianlei Zhang, Jie Zhang, Wenlong Zhang, Bo Zhang, Kai Wang, Lei Bai, Mianxin Liu, Wanli Ouyang, Jiulin Du, Chunfeng Song

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

AI总结 SeekBrain是用于加速神经科学发现的自主多智能体框架，通过分层规划与跨模态分析生成分析流程，在BrainArena基准上优于现有智能体，实际研究中成功揭示了斑马鱼与小鼠的神经表征规律。

Overcoming the Weakest-Link Effect in LLM-Driven Program Optimization via Heterogeneous Edit Recombination

通过异构编辑重组克服大语言模型驱动的程序优化中的最弱链效应

Jingwen Fu, Zhen Liu, Yuhan Liu, He Zhang, Nanning Zheng

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

AI总结 本研究针对LLM程序优化的最弱链效应，提出HERO异构编辑重组优化器，可生成多样非重叠原子编辑并结合评估器分数组合改进，在多领域实现更高分数、更快收敛与更少token消耗。

Scaffolding Critical Engagement with GenAI: Transforming Ethnic Minority Preparatory Students' Collaborative Discourse in Prompt Engineering Tasks

为生成式AI（GenAI）搭建批判性参与支架：在提示工程任务中转变少数民族预科生的协作话语

Deliang Wang, Cunling Bian

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

AI总结 该研究针对中国78名少数民族预科生，通过整合人在回路工作流等的GenAI课程，帮助学生转变对GenAI的依赖，提升提示自我效能，培养其人机协作的批判性认知能动性。

Comments Accepted as a full paper by the 27th International Conference on Artificial Intelligence in Education (AIED 2026)

CALM-AH: An ABAW11-Calibrated Multimodal Ensemble with Reliability-Gated Multi-Expert Consensus for Video-Level Ambivalence and Hesitancy Recognition

CALM-AH：面向视频层面矛盾与犹豫识别的ABAW11校准多模态集成模型，采用可靠性门控多专家共识机制

Wenzhuo Sun, Mingjian Liang, Richard Attfield, Zongyuan Ge, Xuelian Cheng, Pamela Carreno-Medrano

机构 * Monash University（莫纳什大学） ； Monash Suzhou Research Institute（莫纳什苏州研究院） 纠错

专题命中 规划推理 ：verifier(abstract)

AI总结 针对ABAW11视频层面矛盾与犹豫识别任务，提出CALM-AH多模态集成模型及RG-MEC门控多专家共识机制，在ABAW11数据集上分别取得0.7525与0.7771的Macro-F1性能。

Execution-First Synthetic Tool-Use Trace Generation for LLM Agents

面向LLM智能体的优先执行式合成工具使用轨迹生成

Hafsa Ouajdi, Francesco Giannuzzo, Alaa Boukhary, Paolo Papotti, Gerard Conangla, Adam Elwood

专题命中 规划推理 ：reasoning(abstract)

AI总结 针对传统数据合成的局限，提出优先执行式框架SyntheticAgentTraceQA生成工具增强型智能体的监督数据，经四工具生态系统及Qwen模型验证，该框架可提升工具执行等性能，且揭示了掩码与全监督的权衡。

Agentic Artificial Intelligence for Power Systems: Strategies to Identify and Close Capability Gaps

面向电力系统的智能体人工智能：识别与缩小能力差距的策略

Eve Tsybina, Samim Konjicija, Slaven Peles

专题命中 规划推理 ：planning(abstract)

AI总结 该研究针对电力系统规划任务，复现当前最优Agentic AI并评估其能力，发现其仅能解决部分低复杂度问题，明确了能力升级需求，强调需采用严格测试与可复现基准评估Agentic AI进展。

Comments 5 pages, 1 figure, 2 tables

Auto-JEPA: A Latent World Model of Continuous Intent for End-to-End Autonomous Driving

Auto-JEPA：面向端到端自动驾驶的连续意图隐式世界模型

Jiwei Yang, Zhengxian Chen, Chaosheng Huang, Jun Li

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

AI总结 Auto-JEPA是面向端到端自动驾驶的连续意图隐式世界模型，通过联合嵌入预测学习未来驾驶意图，无需密集未来世界建模，在NAVSIM数据集上取得优异规划性能，可聚焦规划相关视觉特征。

A Unified Benchmark of Deep Learning Models for Multi-task 3D Brain Tumor Segmentation from Magnetic Resonance Imaging

用于磁共振成像多任务3D脑肿瘤分割的深度学习模型统一基准

Diego J. Torrejón, Luna Y. Hernández, Javier Sánchez

机构 * Centro de Tecnologías de la Imagen (CTIM)（图像技术中心（CTIM）） ； Instituto Universitario de Cibernética, Empresas y Sociedad (IUCES)（网络、企业与社会大学研究所（IUCES）） ； University of Las Palmas de Gran Canaria（拉斯帕尔马斯大加那利大学） 纠错

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

AI总结 本研究构建统一基准，在相同条件下对比3D U-Net等5种深度学习模型在BraTS 2023、2024数据集上的脑肿瘤分割性能，明确了不同架构的准确率与效率权衡及适用场景。

Comments 27 pages, 16 figures, 8 tables

HAM-VLN: Harnessing Hierarchical Agentic Memory for Zero-Shot Vision-and-Language Navigation

HAM-VLN：利用分层智能体记忆实现零样本视觉与语言导航

An Liu, Bingxi Liu, Hongyu Ding, Yixuan Jiang, Yaran Chen, Fulin Tang, Cong Leng, Hong Zhang, Jian Cheng

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 本研究提出HAM-VLN零样本VLN方法，通过分层智能体记忆缓解长程导航的记忆与推理瓶颈，提升导航指标并缩短上下文长度，在多个基准数据集上取得优异零样本性能。

Think2Go: Generative Next POI Recommendation with LLM Reasoning

Think2Go：基于大语言模型推理的生成式下一个兴趣点（POI）推荐

Zhuang Zhuang, Shanshan Feng, Hangwei Qian, Mingqi Yang, Heng Qi, Yanming Shen, Baocai Yin

专题命中 测试时计算 ：reasoning(title,abstract)

AI总结 Think2Go框架统一SFT与RL推理，通过优势加权机制校准策略优化，解决现有POI推荐模型的意图捕捉不足问题，提升推荐性能与稳健性。

Comments Accepted by KDD 2026 Research Track Cycle 1 (Oral presentation)

FibVLA: An Efficient Temporal Vision-Language-Action Model with Fibonacci Sampling

FibVLA：一种采用斐波那契采样的高效时序视觉-语言-动作模型

Li Lin, Wujun Xu, Weiwei Meng, Kaiwen Xia, Kang Hao Cheong, Shuai Wang

专题命中 测试时计算 ：reasoning(abstract)；planning(abstract)

AI总结 本文提出FibVLA框架，通过对数事后采样和流匹配等技术，解决了视觉-语言-动作模型时序信息捕捉与推理效率的矛盾，提升了动作性能与实时响应能力。

Evidence-Type Competition: When Can Interventional Data Teach Language Models Causal Direction?

证据类型竞争：干预数据何时能教会语言模型因果方向？

Xining Xun

机构 * Tsingjiao Information Science (Beijing) Co., Ltd（北京清教信息科技有限公司） 纠错

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

AI总结 该研究发现干预数据训练语言模型因果推理的金标准假设存在局限，观测上下文会抑制模型的因果方向判断能力，提出证据平均方案可降低符号错误率。

Comments 13 pages, 6 figures, 4 tables

Adjudicated Captioning: Multi-Agent Alignment Scoring and Consensus-Distilled Beam Arbitration for Strict Zero-Shot Image Captioning

裁决式字幕生成：用于严格零样本图像字幕生成的多智能体对齐评分与共识蒸馏束仲裁

Duy Tran Thanh, Thien-Phuc Doan, Long Nguyen-Vu, Ngo Tan Vu Khanh

机构 * AI Platform OneNexus, OneMount（OneMount AI平台OneNexus） ； School of Electronic Engineering, Soongsil University（崇实大学电子工程学院） ； MoAdata（MoAdata公司） ； University of Economics Ho Chi Minh City (UEH)（胡志明市经济大学） 纠错

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

AI总结 该研究提出裁决式字幕生成多智能体框架，通过多阶段对齐评分与共识蒸馏重排序，在不微调IFCap的情况下，显著提升COCO等数据集的零样本图像字幕生成性能，且可跨数据集迁移。

TransMem: Transforming Hidden States into Memory for Large Language Models

TransMem：将隐藏状态转换为大语言模型的记忆

Haodong Lei, Junming Liu, Yirong Chen, Pinlong Cai, Botian Shi, Ding Wang, Hongsong Wang

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

AI总结 针对长上下文LLM智能体的历史信息未充分利用问题，提出轻量级记忆模块TransMem，结合证据条件自蒸馏，在多基准测试中显著提升性能。

Comments 12 pages, 4 figures

Scaling Scientific Discovery Environments for Turn-Level Agentic RL

面向回合级智能体强化学习的科学发现环境扩展

Yucheng Xu, Keyi Zhang, Yuyang Yu, Min Zhang, Shiyuan Meng, Pei Chu, Zhongying Tu

机构 * Shanghai AI Lab（上海人工智能实验室） 纠错

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

AI总结 本文提出可扩展框架SciDisco，结合SciThèque与DiscoPO，训练出的SciDisco-14B在假设驱动的科学数据分析基准上实现了当前最优性能。

Agreement Is Not Quality: Blind Expert Verification of Human and LLM Qualitative Coding When Human Consensus Is Not Ground Truth

一致性并非质量：当人类共识并非真值时，对人类与大语言模型定性编码的盲专家验证

Alex Liu, Lief Esbenshade, Michael Xiao, Victor Tian, Zachary Zhang, Kevin He, Min Sun

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

AI总结 该研究发现以人类共识为标准的一致性评估无法准确衡量LLM定性编码质量，盲专家验证显示部分LLM编码优于人类，提出了可迁移的验证协议与编码分工框架。

Learning Latent Reasoning Traces for Scalar Reward Models End-to-End

学习标量奖励模型的端到端潜在推理轨迹

Sanwoo Lee, Clive Bai, Hsiu-Yuan Huang, Kun Liang, Weijie Liu, Yunfang Wu

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

AI总结 针对奖励模型范式不匹配问题，提出LatentRM框架，将推理轨迹作为潜在变量端到端优化，在多任务上优于各类基准奖励模型。

Outcome-Guided Distillation: A Teacher-Student Framework to Advance VLM Reasoning in Autonomous Driving

结果引导蒸馏：一种提升自动驾驶中视觉语言模型推理能力的师生框架

Zeyu Dong, Yimin Zhu, Yu Wu, Yu Sun

机构 * Stony Brook University（石溪大学） ； Rutgers University（罗格斯大学） ； Sunrise Technology Inc.（晨昇科技公司） 纠错

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

AI总结 本研究提出结果引导蒸馏的师生框架，将VLM的显式推理与几何轨迹生成结合，在Waymo基准上使自动驾驶性能提升约24%，优于经典推理基线。