大模型推理能力

Does Out-of-Sight Equal Out-of-Mind in CoT Monitorability?

思维链可监控性中“看不见即想不到”吗？

Pedro Ferreira, Wilker Aziz, Ivan Titov

机构 * University of Amsterdam（阿姆斯特丹大学） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 数学推理 ：CoT(title,summary_cn)；chain-of-thought(abstract,abstract_cn)；reasoning(abstract)；math reasoning(abstract)

AI总结 本研究对比显式与潜在CoT的可监控性，发现其更多取决于任务属性和模型内部访问程度，而非推理模式。

Comments 23 pages

Toward Skill-Native LLMs: Skill Entropy for Benchmarking and Training Long-Horizon Reasoning

面向技能原生的大语言模型：用于基准测试和训练长程推理的技能熵

Yinghui He, Ling Yang, Jiarui Liu, Yongjin Yang, Lechen Zhang, Yingcheng Wu, Zhenfei Yin, Mengdi Wang, Sanjeev Arora

机构 * Princeton University（普林斯顿大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Toronto（多伦多大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stanford University（斯坦福大学） ； University of Oxford（牛津大学） 纠错

专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.LG

AI总结 该研究针对现有基准无法评估LLM跨技能长程推理能力的问题，提出Skill Entropy（技能熵）并构建Skill²-Bench基准，还开发Skill-Entropy RL训练框架，显著提升了Qwen3模型在该基准上的表现。

Comments https://github.com/Gen-Verse/Skill-Entropy-RL

ExeCRE: Execution-Consistency Guided Reliability Estimation for Self-Correcting Code Generation

ExeCRE：基于执行一致性引导的自校正代码生成可靠性估计

Yiru Dong, Richong Zhang, Fanshuang Kong, Si Chen

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

AI总结 ExeCRE是基于执行一致性的代码可靠性估计框架，可减少自校正代码生成中的误导性反馈，提升有效性与稳定性，在GPT-5.2搭配LiveCodeBench及数学推理场景均有显著收益。

Comments 13 pages, 5 figures. Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

EASy: Towards Efficient LLM-Based Agentic System

EASy：迈向高效的基于大语言模型的智能体系统

Junnan Liu, Linhao Luo, Thuy-Trang Vu, Gholamreza Haffari

机构 * Monash University（莫纳什大学） 纠错

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

AI总结 EASy是一种可训练的智能体框架，通过强化学习优化任务性能与计算效率，采用里程碑-规划-执行工作流，在多类基准上实现了更优的性能-效率权衡。

Comments Preprint

The RAIL Principles for Neurosymbolic AI: Reasoning, Assurances, Interfacing and Learning

神经符号AI的RAIL原则：推理（Reasoning）、保证（Assurances）、接口（Interfacing）与学习（Learning）

Agnese Chiatti, Michael Cochez, Cristina Cornelio, Sebastijan Dumancic, Artur d'Avila Garcez, Luis C. Lamb, Lia Morra, Mathias Niepert, Robert Peharz, Alberto Speranzon, Maarten Stol, Annette Ten Teije, Thiviyan Thanapalasingam, Frank Van Harmelen, Emile Van Krieken, Antonio Vergari, Benjie Wang

机构 * Politecnico di Milano（米兰理工大学） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Åbo Akademi University（奥博 Akademi 大学） ； Samsung AI（三星人工智能研究院） ； Delft University of Technology（代尔夫特理工大学） ； Stony Brook University（石溪大学） ； Politecnico di Torino（都灵理工大学） ； University of Stuttgart（斯图加特大学） ； Graz University of Technology（格拉茨工业大学） ； Lockheed Martin, Advanced Technology Labs（洛克希德·马丁公司先进技术实验室） ； BrainCreators（BrainCreators公司） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； University of Amsterdam（阿姆斯特丹大学） ； University of Edinburgh（爱丁堡大学） ； UCLA（加利福尼亚大学洛杉矶分校） 纠错

专题命中 代码与定理证明 ：reasoning(title,title_cn)；分类 cs.AI、cs.LG

AI总结 该文提出神经符号AI的RAIL四项原则，可统一分析多类AI系统，助力工程师更科学地设计部署生产级AI，指导整合神经符号方法到下一代AI技术。

Eigenius: A Typed Knowledge-Graph DBMS with Epistemic Stratification and Institution-Mediated Reasoning

Eigenius：具备认知分层与机构介导推理的类型化知识图数据库管理系统

Hans-Martin Will, Allen L. Brown, Matthew Fuchs

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

AI总结 Eigenius是一款开源类型化知识图DBMS，通过耦合类型系统等实现数据溯源不变，统一科学认识论，在Nature研究复现中验证了52个结论并发现4处差异。

Same Formulas, Different Semantics: Do Language Models Follow Modal Logic Specifications?

相同公式，不同语义：语言模型是否遵循模态逻辑规范？

Réemi Andrieu, Damien Sileo

机构 * Univ. Lille（里尔大学） ； Inria（法国国家信息与自动化研究所） ； CNRS（法国国家科学研究中心） ； Centrale Lille（里尔中央理工学院） ； UMR 9189 - CRIStAL（UMR 9189 - CRIStAL（法国国家科研中心联合研究机构）） 纠错

专题命中 逻辑推理 ：reasoning(abstract,comments)；分类 cs.CL

AI总结 该研究探究语言模型是否遵循模态逻辑规范，构建成对模态问题测试五款模型，发现遵循规定模态语义依赖推理模式与模型身份，发布相关产物。

Comments 9 pages. Code: https://github.com/sileod/modal-semantics-reasoning. Data and artifacts: https://huggingface.co/datasets/sileod/modal-semantics-reasoning

Mimir: A Neuro-Symbolic Memory System with Dynamic Grounding for Embodied Agents in Interactive Environments

Mimir：面向交互环境中具身智能体的、具备动态 grounding 的神经符号记忆系统

Haoming Xu, Zhenlin He, Hengyi Wang, Jiafeng Xu, Hao Dong

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文提出Mimir，一种分离世界与任务记忆并具备动态grounding的神经符号记忆系统，在EB-ALFRED、EB-Habitat等具身任务中显著提升了智能体的长程执行成功率。

Comments 9 pages, 4 figures

DAC-Pose: Dual-Agent Collaborative Framework for Pose-Guided Human Generation

DAC-Pose：用于姿态引导人体生成的双智能体协作框架

Haotian Yang, Zhile Yang, Huiyu Zhou, Xin Sun

机构 * Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Computing and Mathematical Sciences, University of Leicester（莱斯特大学计算与数学科学学院） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 针对姿态引导人体生成在剧烈视角变化下的视觉伪影问题，提出双智能体协作框架DAC-Pose，通过PSR与DAVE智能体的反馈循环实现高保真合成，在DeepFashion和Market-1501基准上验证了其优越性。

Comments Code is available at DAC-Pose" target="_blank" rel="noopener">https://github.com/AIVRC/DAC-Pose

Neuro-Symbolic Proof-of-Vulnerability Generation with Open-Weight Models

基于开放权重模型的神经符号漏洞证明生成

Yu Nong, Haipeng Cai

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 研究人员提出POVGEN神经符号框架，利用开放权重模型实现低成本漏洞证明生成，在基准测试和真实CVE中表现优于模糊测试与符号执行，还发现了有缺陷补丁及未报告漏洞。

AdaptAgent: A Multi-agent, Domain-Guided Reasoning Framework for Code Adaptation

AdaptAgent：一种用于代码适配的多智能体、领域引导推理框架

Xiaokai Rong, Hridya Dhulipala, Aashish Yadavally, Tien N. Nguyen

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

AI总结 本研究提出AdaptAgent框架，通过分工的多智能体实现代码适配，在真实数据集上的语义正确性优于强基线，各智能体对适配效果均有重要作用。

CoPlan: A Trustworthy Co-Intelligence Interface for Care Planning through Role-Based Contestable Argument Graphs

CoPlan：一种基于角色可争议论证图的可信协同智能照护规划界面

Hung Truong Thanh Nguyen, Hélène Fournier, Piper Jackson, Makoto Itoh, Shannon Freeman, Rene Richard, Hung Cao

机构 * University of New Brunswick（新不伦瑞克大学） ； National Research Council Canada（加拿大国家研究委员会） ； Thompson Rivers University（汤普森河大学） ； ISB Corporation（ISB公司） ； University of Northern British Columbia（北英属哥伦比亚大学） 纠错

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

AI总结 本研究提出CoPlan界面，通过多智能体工作流结合协同智能与可争议性，实现人机协同照护规划，保留人类自主性与临床问责制，已在就地养老场景中验证其有效性。

Comments Accepted at the 2026 International Conference on Next Generation AI Systems (NGEN-AI 2026)

Explicit Language Memory for Long-Horizon Planning in Vision-Language-Action Models

用于视觉-语言-动作模型长程规划的显式语言记忆

Houze Xu, Jizhong Li, Ziyi Ye

机构 * Fudan University（复旦大学） 纠错

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

AI总结 该研究针对视觉-语言-动作模型长程规划的挑战，提出带显式语言记忆模块的分层架构，经仿真与实机实验验证，可提升复杂长程任务的成功率、鲁棒性与决策可解释性。

Comments 11 pages, 4 figures

Strategic Evaluation of Planning Strategies for LLM Agents in Cyber-Physical Systems

网络物理系统中大语言模型智能体规划策略的战略评估

J. de Curtò, I. de Zarzà

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

AI总结 本研究针对网络物理系统，构建含40个异构产消者的智能电网基准，评估4种LLM规划架构，发现架构影响结果，应用截止可行性可显著降低遗憾。

Structured LLM Reasoning for Zero-Shot Human--Robot Coordination Under Hidden Goals

面向隐藏目标下零样本人机协作的结构化大语言模型推理

Dong Hae Mangalindan, Anand Gokhale, Francesco Bullo, Vaibhav Srivastava

机构 * Michigan State University（密歇根州立大学） ； UC Santa Barbara（加州大学圣巴巴拉分校） 纠错

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

AI总结 该研究针对隐藏目标下的零样本人机协作，提出结构化LLM架构，通过Dec-POMDP分解决策，实验显示其交互步骤更少、人类信任度更高，优于无ToM推理的变体和离线训练的多智能体强化学习策略。

Q-CueGraph: Query-Conditioned Visual Evidence Graphs for Multimodal Reasoning

Q-CueGraph：用于多模态推理的查询条件化视觉证据图

Pengcheng Pan, Xinfang Zhang

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

AI总结 Q-CueGraph是一种用于多模态推理的查询条件化视觉证据图，它为冻结读取器生成受预算约束的坐标级观测，在多个基准测试中显著提升了推理性能，尤其适用于证据可定位、问题能区分位置且分辨率受限的场景。

Monte Carlo Tree Search for Table-to-Multimodal Report Generation

面向表格到多模态报告生成的蒙特卡洛树搜索

Teng Lin, Zhiyang Zhang, Yuyu Luo, Nan Tang

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

AI总结 针对表格到多模态报告生成的现有方法缺陷，本文提出基于MCTS的MCTS-Report框架，通过分解原子动作与多维奖励函数优化，在自建的MMRBench基准上取得优于基线的77.9总体得分。

Visualizing Graph-to-Answer Mechanism Recovery in Materials-Science Hypothesis Generation

材料科学假说生成中从图到答案的机制恢复可视化

Shashwat Sourav, Subhadeep Pal, Markus J. Buehler, Sanjay Das, Fiona Y. Wang, Dominik Soos, Tirthankar Ghosal

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； UniverseTBD ； Massachusetts Institute of Technology（麻省理工学院） ； Old Dominion University（奥多明尼昂大学） 纠错

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

AI总结 本研究针对适配的 Qwen3-8B 模型 Graph-PRefLexOR-8B，构建可视化诊断工作流以追踪材料科学假说生成的图到答案机制，发现机制恢复集中于后期合成及答案起始层，可助力相关人员识别假说的机制支持变化。

Reconstructing Persistent Worlds from Narratives for Narrative-Grounded Interactive Experiences

从叙事中重建持久世界以实现基于叙事的交互体验

Yi-Chun Chen

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

AI总结 该研究提出从叙事中重建显式持久世界的核心方法，开发原型实现可游玩环境，为AI辅助游戏创作等提供语义基础，验证了其可行性与应用价值。

Improving Auto-Design of Neural PDE Solvers with a Domain-Specific Language

用领域特定语言改进神经偏微分方程求解器的自动设计

Shengxin Kong, Liwen Xu, Jingwen Fu

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

AI总结 该研究提出ADSL-PDE领域特定语言，通过结构化搜索空间提升神经PDE求解器自动设计的搜索效率与优化稳定性，前十次迭代性能提升超52%。

Interoceptive Attention as Dynamic Homeostatic Prioritization in a Foraging Agent

觅食智能体中作为动态稳态优先级的内感受注意力

St John Grimbly, Nicolas Kuske, Evert A. Boonstra, Bruce A. Bassett, Charel van Hoof, Rowan Hodson, Benjamin Rosman, Ryan Smith, Mark Solms, Jonathan P. Shock

机构 * Univ. of Cape Town（开普敦大学） ； Neuroscience Institute, Univ. of Cape Town（开普敦大学神经科学研究所） ； Laureate Institute for Brain Research（劳雷尔脑研究所） ； University of the Witwatersrand（金山大学） ； INRS（国家科学研究中心（加拿大）） ； Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 该研究针对有限感知带宽下的需求分配问题，构建主动推理觅食智能体，提出动态稳态优先级的内感受注意力机制，在AffectWorld实验中显著提升存活率，且收益同时作用于感知与规划，学习速度也更快。

Comments Accepted at SAB 2026 (From Animals to Animats 18), forthcoming in the Springer Lecture Notes in Artificial Intelligence proceedings. 20 pages, 11 numbered figures (12 graphics), 5 tables. The 12-page camera-ready paper is reproduced without alteration and followed by supplementary analyses that were not part of the proceedings paper. Code: https://github.com/sgrimbly/attention-aif-sab2026-snapshot

AgentForge: An Immersive Role-Playing Platform for Learning Agentic Software Engineering

AgentForge：用于学习智能体软件工程的沉浸式角色扮演平台

Zihan Fang, Yueke Zhang, Yu Huang

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

AI总结 本研究提出沉浸式角色扮演平台AgentForge，让新手在多智能体代码修复工作流中担任软件工程角色，经37名新手开发者测试，该平台可提升新手的软件工程技能与智能体协作理解。

Comments 7 pages, 2 figures

SurgNarrator: A Generative Retrieval Framework for Surgical Video Understanding

SurgNarrator：面向手术视频理解的生成式检索框架

Yuqing Feng, Jiawei Ma, Kevin Qinghong Lin, Kun Yuan, Nicolas Padoy, Daniel S. Elson, Anh Nguyen, Stamatia Giannarou, Baoru Huang

机构 * University of Liverpool（利物浦大学） ； City University of Hong Kong（香港城市大学） ； University of Oxford（牛津大学） ； University of Strasbourg（斯特拉斯堡大学） ； IHU Strasbourg（斯特拉斯堡大学医院研究所） ； Imperial College London（帝国理工学院） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 SurgNarrator是专为手术视频理解设计的生成式检索框架，通过构建手术词汇表、适配Qwen3-VL-Embedding-8B并采用分层检索策略，在零样本设置下于12个基准上实现性能提升且延迟大幅降低。

Comments This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

Overcoming Statistical Bias in Action-Controllable World Models

克服动作可控世界模型中的统计偏差

Yuhong Shi, Zhenhao Chu, Jie Wei, Jun Hao, Jianyi Liu, Jingwen Fu

专题命中 规划推理 ：planning(abstract)

AI总结 该研究针对动作可控世界模型的统计偏差问题，提出CoCo反事实一致性框架，结合ARC、DE评估指标及Mini-SSMB数据集，在多项任务上提升了动作可控性与视频预测性能。

HELENA:Hierarchical Sparse Coordination over a Union of Complementary Topologies for MAS

HELENA：面向多智能体系统的互补拓扑联合上的分层稀疏协调框架

Zhifang Mao, Linyao Zheng, Xuhang Shi, Xiuquan Hou

专题命中 规划推理 ：reasoning(abstract)

AI总结 HELENA 是一种 MAS 框架，通过互补拓扑联合与分层稀疏协调抑制冗余噪声，在八个基准测试上实现最优结果，平均提升 3.47%，MMLU-Pro 最高提升 10.34%，难基准提升更显著且附加成本合理。

Preference-Driven Online Adaptation for Personalized Interaction Initiation in Proactive AI Assistants

主动式AI助手中个性化交互发起的偏好驱动在线适应

Yufeng Wang, Wei Zhang, Zhiquan Wen, Jinwu Hu, Linhui Xiao, Tianlu Pan, Qingfang Zheng, Mingkui Tan

专题命中 规划推理 ：reasoning(abstract)

AI总结 本文针对主动式AI助手个性化交互时机难确定的问题，提出EOPA方法，在ProPerSim基准上较最强基线提升F1分数19.80个百分点，降低推理延迟与平均每日适应时间。

PhysMind: From Video to Executable Worlds for Training-Free Physical Reasoning

PhysMind：从视频到可执行世界的无训练物理推理框架

Chen Yang, Shenxiang Zeng, Haoyang Zhao, Zhouyuan Xu, Youquan He, Haoyu Li, Mingyi Deng, Jiansheng Fan, Chen Wang

专题命中 视觉空间推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.AI

AI总结 PhysMind是无训练的智能体框架，为每个视频构建可执行世界，在CLEVRER、Physion++数据集及反事实问题上的物理推理准确率显著优于现有视觉语言模型。

Comments 27 pages, 18 figures. Project page: https://physmind.github.io/

Trace, Verify, and Correct: A Training-Free Framework for Spatial Reasoning in Multimodal LLMs

追踪、验证与修正：一种用于多模态大语言模型空间推理的无训练框架

Yang Yang, Jiawei Chen, Tairan Chen, Zhaoxia Yin

机构 * East China Normal University（华东师范大学） ； Zhongguancun Academy（中关村学院） ； Stevens Institute of Technology（史蒂文斯理工学院） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract,abstract_cn)；分类 cs.CL

AI总结 针对多模态大语言模型空间推理的错误传播问题，提出无训练的追踪-验证-修正框架，构建空间证据图并评估证据可靠性，在15种模型-数据集设置下平均准确率达68.94%，优于基线。

Comments 19 pages, 7 figures

Radar4D-VLM: Proposal-Grounded Temporal 4D Radar Reasoning Across Frozen Language Models

Radar4D-VLM：基于提议的跨冻结语言模型的时序4D雷达推理

Jiaju Han, Xuemeng Sun, Qike Zhang, Xiang Chen, Luwei Yang, Jiahuan Long, Yiwei Wei, Jiujiang Guo, Chengyin Hu

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

AI总结 本文提出仅用雷达的时序视觉-语言模型Radar4D-VLM，结合提议的时序目标标记等，在K-Radar验证集上表现优异，且雷达标记接口兼容多款冻结语言骨干，为雷达多模态推理奠定基础。

Reference-Based Manipulation: A Framework and Pipeline for Multimodal Spatial Reasoning

基于参考的操作：多模态空间推理的框架与流程

Yangyang He, Zhuangze Hou, Yonglin Chen, Can Liu

专题命中 视觉空间推理 ：reasoning(title)

AI总结 本研究针对沉浸式平台中多模态空间交互问题，提出基于参考的操作框架，分解空间参考为源、锚点、框架组件，实现LLM驱动的流程并验证其效用，为空间交互设计提供关键经验。

Comments 16 pages, 10 figures. Accepted to the 39th Annual ACM Symposium on User Interface Software and Technology (UIST 2026)