大模型推理能力

Moxia: A Trust-First Neuro-Symbolic Execution Architecture for Self-Explaining Mathematical Reasoning

AXIOM: 一种用于可验证数学推理的信任优先神经符号执行架构

Alessio Bruno

机构 * Independent researcher（独立研究者） 纠错

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

AI总结 提出AXIOM架构，将语言模型限制为规范化器，通过确定性计算机代数系统管道实现可验证的数学推理，在4个MATH类别上达到94.36%的正确率和100%的信任度。

Comments Preprint. 16 pages, 2 figures. Live interactive demo: https://huggingface.co/spaces/Squagghy/moxia. Paper artifact and dataset on Zenodo (concept-DOI): 10.5281/zenodo.21906509

Optimize Cheap, Deploy Strong: Cost-Aware Cross-Tier Transfer for Evolutionary Optimization

优化低成本部署强模型：面向进化优化的成本感知跨层迁移

Tal Oved, Roi Pony, Oshri Naparstek, Udi barzelay

机构 * IBM Research（IBM研究院） 纠错

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

AI总结 该研究提出成本感知跨层迁移方法，解耦LLM角色，在低成本层级完成大部分搜索，跨层部署提示词，在多任务多模型上实现成本大幅降低且性能不劣于同层级优化。

Superposition Without Interference? Towards Isolated Interventions via Almost Orthogonal Features in Language Models

通过语言模型中几乎正交的特征实现孤立干预

Moritz Miller, Florent Draye, Bernhard Schölkopf

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

AI总结 该研究基于机械可解释性前提，针对语言模型特征纠缠问题，受“独立因果机制”启发，提出将内部特征约束为几乎正交，通过形式化问题、界定干扰传播并关联正则化，实现对数学推理概念更孤立的干预且保留模型性能。

Comments Published as a conference paper at the Conference on Language Modeling (COLM) 2026

LoRAQuant: Mixed-Precision Quantization of LoRA to Ultra-Low Bits

LoRAQuant：将LoRA混合精度量化至超低比特

Amir Reza Mirzaei, Yuqiao Wen, Yanshuai Cao, Lili Mou

机构 * Dept. Computing Science & Alberta Machine Intelligence Institute (Amii), University of Alberta（计算科学系及阿尔伯塔人工智能研究所（Amii），阿尔伯塔大学） ； RBC Borealis ； Canada CIFAR AI Chair（加拿大CIFAR人工智能 chair） 纠错

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

AI总结 针对多LoRA适配器规模化部署的高存储成本问题，提出专为LoRA定制的混合精度后训练量化方法LoRAQuant，在LLaMA 2、Mistral模型的多任务上，以更低比特实现了相当或更优性能。

Tools as Continuous Flow for Evolving Agentic Reasoning

工具作为连续流用于演进代理推理

Tairan Huang, Siyu Shang, Qiang Chen, Xiu Su, Yi Chen

机构 * Central South University（中南大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出FlowAgent，通过连续轨迹生成改进代理推理，引入计划级闭环基准，理论证明其鲁棒性和泛化能力，实验证明在长周期推理任务中表现优异。

The Human-AI Substitution Principle: When will you be replaced by AI in your organization?

人类-人工智能替代原则：在你的组织中，你何时会被人工智能取代？

Bonny Banerjee, Shreya Singh

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

AI总结 研究人类员工何时被人工智能取代，提出HAT分析模型，编码人类技能与人工智能能力的经济不对称，推导多因素对人机替代的影响，得出替代原则，揭示其引发的组织变化及中层管理与高技能工人的脆弱性，统一相关理论。

GraphAlignCoder: Aligning Program and Proof Graphs for Code Generation

GraphAlignCoder：对齐程序与证明图的代码生成框架

Yueke Zhang, Zihan Fang, Kevin Leach, Yu Huang

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 GraphAlignCoder是将显式正确性结构迁移至代码生成的训练框架，通过对齐程序与证明图提升性能，在多个基准测试中优于现有方法，验证图注入与验证到代码的整合是关键。

Comments 9 pages, 3 figures

Reproducing and Stress-Testing Two Approaches to LLM Reasoning Reliability: Test-Time Probability Aggregation and Logic-Representation Editing

复现与压力测试两种提升大语言模型（LLM）推理可靠性的方法：测试时概率聚合与逻辑表示编辑

Minhan Cho, Jimin Kweon

机构 * Sungkyunkwan University（成均馆大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本研究复现了RPC与LCF两种提升LLM推理可靠性的方法，在多任务域与多模型上压力测试，发现RPC优势未达显著且样本量增大后效果逆转，LCF效果弱且无统计显著性。

Comments 16 pages, 3 figures, 9 tables. Code, data, and experiment logs: https://github.com/rabqatab/llm-reasoning-reliability-reproduction

Policy-as-logic for robust reasoning over rules

作为逻辑的策略：针对规则的鲁棒推理

Rahul Nair, Bastian Lipka, Elizabeth Daly

机构 * IBM Research（IBM研究院） ； IBM（国际商业机器公司） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG

AI总结 该研究提出混合符号方法，将策略表示为形式逻辑，结合语言模型事实提取与答案集求解器推理，性能优于策略作为提示、策略作为代码方法，令牌用量减少约10倍，助力生成式AI系统做出鲁棒决策。

Comments RobustifAI Workshop at IJCAI-ECAI '26

Constructing Dynamic Master Logic Models as Knowledge Graphs for Complex System Diagnostics Using Retrieval-Augmented Large Language Models

构建动态主逻辑模型作为知识图谱，用于使用检索增强大语言模型的复杂系统诊断

Saman Marandi, Yu-Shu Hu, Mohammad Modarres

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究提出基于检索增强大语言模型的KG-DML框架，实现了复杂系统动态主逻辑模型的自动化构建，经低压冷却剂注入系统验证，可转化技术文档为可执行功能模型用于诊断分析。

Comments 36 Pages, 8 Figures

Self-evolving network verifiers

自演进网络验证器

Ioannis Protogeros, Tibor Schneider, Laurent Vanbever

专题命中 逻辑推理 ：verifier(abstract)；分类 cs.AI

AI总结 该研究提出一种自动演进的网络验证器，通过编码智能体与可信预言机的反例引导循环，让基于SMT的验证器自主学习新网络功能，解决手动维护模型的难题。

Comments 8 pages, 5 figures

Enhancing Linux Privilege Escalation Attack Capabilities of Local LLM Agents

增强本地大语言模型代理的Linux提权攻击能力

Benjamin Probst, Andreas Happe, Jürgen Cito

机构 * TU Wien（维也纳技术大学） 纠错

专题命中 逻辑推理 ：chain-of-thought(abstract)；分类 cs.AI

AI总结 本文研究通过系统性实验验证针对性干预能否提升本地开源模型在Linux提权中的性能，发现开源模型可匹配甚至超越云模型，且反思类干预效果最佳，但漏洞发现仍是本地模型的瓶颈。

Comments Accepted at RAISE workshop (https://raise-workshop.github.io/)

A Reality Check of Language Models as Formalizers on Constraint Satisfaction Problems

语言模型作为形式化工具在约束满足问题上的现实检验

Rikhil Amonkar, Ceyhun Efe Kayan, Qimei Lai, Ronan Le Bras, Li Zhang

机构 * Drexel University（德雷塞尔大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Allen Institute for AI（艾伦人工智能研究所） 纠错

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

AI总结 研究评估了语言模型作为形式化工具在约束满足问题中的表现，发现其在15种模型-数据集组合中表现劣于作为求解器，尽管形式化更具可验证性和可解释性。

Chain-of-Thought Shows the Path to a Tree: Realizing Branching Complexity

思维链（Chain-of-Thought, CoT）展现了通往树的路径：实现分支复杂性

Debanjan Dutta, Anish Chakrabarty, Swagatam Das

机构 * Indian Statistical Institute（印度统计研究所） ； LTCI, Télécom Paris（法国电信巴黎高等学院 LTCI 实验室） 纠错

专题命中 规划推理 ：CoT(title_cn,summary_cn)；chain-of-thought(title,title_cn)；分类 cs.LG

AI总结 该研究针对分支复杂性，通过硬注意力解码器实现DFS与迪杰斯特拉算法的CoT构造，得到树的斯特拉勒数和宽度，为CoT层次线性步长机制提供非平凡见证。

ForgeryVCR: Visual-Centric Reasoning via Efficient Forensic Tools in MLLMs for Image Forgery Detection and Localization

ForgeryVCR: 通过高效的取证工具在MLLMs中实现视觉中心推理用于图像伪造检测与定位

Youqi Wang, Shen Chen, Haowei Wang, Rongxuan Peng, Taiping Yao, Shunquan Tan, Changsheng Chen, Bin Li, Shouhong Ding

机构 * Shenzhen University（深圳大学） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)

AI总结 ForgeryVCR通过高效的取证工具实现视觉中心推理，提升图像伪造检测与定位的性能。

Uncertainty as a Planning Signal: Multi-Turn Decision Making for Goal-Oriented Conversation

不确定性作为规划信号：面向目标导向对话的多轮决策

Xinyi Ling, Ye Liu, Reza Averly, Xia Ning

机构 * The Ohio State University（俄亥俄州立大学） 纠错

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

AI总结 本文提出CUP框架，通过结合语言模型与结构化规划，解决目标导向对话中不确定性与信息获取之间的平衡问题，提升对话成功率并减少交互轮次。

Comments COLM 2026

DreamFly: Causal Memory and Receding-Horizon Diffusion Planning for Aerial Vision-Language Navigation

DreamFly：面向空中视觉语言导航的因果记忆与后退时域扩散规划

Yan Deng, Fei Xu

机构 * School of Electronic Information Engineering, Xi’an Technological University（西安工业大学电子信息工程学院） ； School of Computer Science and Engineering, Xi’an Technological University（西安工业大学计算机科学与工程学院） 纠错

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

AI总结 DreamFly是基于Dream-VLA的扩散式空中VLN框架，通过因果记忆、后退时域扩散规划和LiteStop解耦终止，在OpenFly基准上显著优于对比方法。

Comments 24 pages, 6 figures, 3 tables

G0.5: One Autoregressive Stream for Robot Reasoning and Action

G0.5：用于机器人推理与动作的单自回归流

Yicheng Liu, Zibin Dong, Baijun Ye, Tianyuan Yuan, Tao Jiang, Anqi Yang, Shicheng Cao, Haonan Liu, Yue Sun, Zihan Guo, Xiao Liu, Dong Ke, Changxun Pan, Chenru Wu, Tailai Cheng, Xiaoshu Ren, Xinlei Zhang, Jianning Cui, Zijie Zhao, Haoyu Zhang, Kaiming Xu, Haodong Yang, Bowen Zhang, Jiahui Niu, Shaoting Zhu, Shiduo Zhang, Hang Zhao

机构 * Galaxea（星系科技（Galaxea）） 纠错

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

AI总结 本文提出G0.5，一种单自回归流的VLA模型，通过三个关键组件实现推理与动作统一，在7项基准中超越现有最优模型，展现出良好的泛化与指令跟随能力。

HUGIN: Enhancing Vision-Language Planning for Autonomous Logistics Sorting

HUGIN：增强自主物流分拣的视觉-语言规划能力

Xikai Sun, Cangtian Zhou, Kebin Liu, Ke Ma, Xu Wang, Zaishu Chen, Haotian Wang, Li Liu, Yunhao Liu

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

AI总结 针对自主物流分拣的联合多场景理解挑战，提出HUGIN训练框架，构建SortingBench基准，在多VLMs上性能提升，验证了方法有效性与实际可行性。

Personalization as Inverse Planning: Learning Latent Design Intents for Agentic Slide Generation via Structural Denoising

个性化作为逆向规划：通过结构去噪学习智能幻灯片生成的潜在设计意图

Tianci Liu, Zihan Dong, Linjun Zhang, Haoyu Wang, Jing Gao, Emre Kiciman, Ranveer Chandra, Wei-Ting Chen

机构 * Purdue University（普渡大学） ； Rutgers University（罗格斯大学） ； University at Albany（奥尔巴尼大学） ； Microsoft（微软） 纠错

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

AI总结 提出SPIRE框架，将页面级幻灯片个性化视为逆向规划问题，通过结构去噪和强化学习协作学习潜在设计意图，无需预设模板或用户详细指令。

Comments ECCV 2026

Do LLMs Take Care of Their Own? Similarity Signals Can Induce Cooperation

大语言模型会照顾同类吗？相似性信号可诱导合作

Akash Kundu, Emanuel Tewolde, Ratip Emin Berker, Samuel F. Brown, Vincent Conitzer

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

AI总结 该研究提出首个带分级相似性信号的LLM决策评估框架，发现不同LLM应对相似性信号差异大、数据集对诱导合作影响小等，构建的LLM-行为博弈论模型可在高相似性下支持合作均衡。

Comments 41 pages, 18 Figures, 4 Tables, 16 Listings

Behavior and Representation in Open-Weight Large Language Models for Combinatorial Optimization: From Feature Extraction to Algorithm Selection

大语言模型在组合优化中的行为与表示：从特征提取到算法选择

Francesca Da Ros, Luca Di Gaspero, Kevin Roitero

机构 * University of Udine（乌迪大学） 纠错

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

AI总结 本研究探讨了大语言模型在组合优化中的内部表示能力，通过直接查询和探测分析，评估其提取特征和预测最佳求解器的效果。

Comments Accepted for publication in Computers & Operations Research. Code and data are available on Zenodo: https://doi.org/10.5281/zenodo.21891840

Preference Tree Optimization: Enhancing Goal-Oriented Dialogue with Look-Ahead Simulations

偏好树优化：通过前瞻模拟增强面向目标的对话

Lior Baruch, Moshe Butman, Kfir Bar, Doron Friedman

机构 * Reichman University（赖希曼大学） ； School of Computer Science（计算机科学学院） ； School of Communications（传播学院） 纠错

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

AI总结 本研究提出偏好树优化（PTO）框架，结合带前瞻的偏好树与直接偏好优化（DPO），在动机访谈领域通过虚拟患者等模拟对话生成偏好数据，训练的对话智能体在关键指标上优于基线。

Comments 13 pages, 4 figures. Accepted at an ICLR 2025 workshop

Lifecycle-Optimal Tokenization: Vocabulary Size as a Deployment-Regime-Dependent Infrastructure Parameter

生命周期最优分词：词汇表大小作为与部署 regime 相关的基础设施参数

Rima Mittal, Ankit Gubrani, Satyanarayana Kakollu

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

AI总结 该研究发现 LLM 分词器的最优词汇表大小随部署 regime 变化，提出生命周期部署成本模型，经实验证实其与训练最优值差异最高达 16 倍，且最优范围内质量损失极小，为 LLM 部署提供词汇表容量规划指导。

Comments 6 pages, 3 figures, 6 tables

DORA Explorer: Improving the Exploration Ability of LLMs Without Training

DORA Explorer: 无需训练提升大语言模型的探索能力

Priya Gurjar, Md Farhan Ishmam, Kenneth Marino

机构 * Kahlert School of Computing, University of Utah（犹他大学计算学院Kahlert学院） 纠错

专题命中 规划推理 ：chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出DORA Explorer框架，通过生成多样化动作候选并利用token log-probabilities评分，提升LLM在序列决策任务中的探索能力，实验显示在MAB和TALES环境中性能显著提升。

Comments 17 pages, 6 Figures, 13 tables

Deep Activity Model: A Generative Approach for Human Mobility Pattern Synthesis

深度活动模型：一种用于人类移动模式合成的生成式方法

Xishun Liao, Qinhua Jiang, Brian Yueshuai He, Yifan Liu, Chenchen Kuai, Jiaqi Ma

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

AI总结 针对现有人类移动模型的局限，提出生成式Transformer模型，结合社会人口统计与家庭属性合成活动链，经数据训练微调后，在多区域模拟中表现良好，为城市规划提供实用工具。

Convergent Detour Hijacking: Task-Preserving Resource Amplification in Skill-Based LLM Agents

收敛式绕路劫持：基于技能的大语言模型智能体中的任务保留型资源放大

Junliang Liu, Ruoyu Li, Wenxin Tang, Jingyu Xiao, Zhenyu Liu, Jingheng Xu, Laizhong Cui

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

AI总结 该研究提出收敛式绕路劫持攻击，耦合LLM智能体技能选择与规划阶段，可放大任务资源消耗，在DeepSeek-V4-Pro上80.02%的任务会被选中攻击者控制的协调器，任务完成率不变但成本显著提升。

Spark-to-Paper: End-to-End Research Paper Generation as a Composable Skill

Spark-to-Paper：作为可组合技能的端到端研究论文生成系统

Zhuoyang Qian, Biao Wu, Yiran Wang, Chris D Yan, Desan Dai, Liangwei Zheng, Jin Jiang, Junsheng Zhang, Wenhao Wang

机构 * Vast Intelligence Lab（星智实验室） ； University of Technology Sydney（悉尼科技大学） 纠错

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

AI总结 Spark-to-Paper是在现有编码助手中实现的端到端研究论文生成系统，含13项可组合技能，在8个研究主题中实现高引用与图表有效性，提升伪造检测率，成本与耗时较低。

Comments 24 pages, 10 figures

Agent Skills Can Be Harmful: An Empirical Study of Skill-Induced Failures in LLM Agents

智能体技能可能有害：LLM智能体中技能诱导故障的实证研究

Gen Dong, Yanjie Gao, Liqun Li, Tianyin Xu, Yu Hua, Fan Yang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Microsoft Research（微软研究院） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文通过提出差异分析框架，在SkillsBench等数据集上发现LLM智能体的技能会引发功能故障与效率回归，并构建SkillTriage工具，为安全复用技能提供研究方向。

Ripple-Pivot Search: Active Parallel Decoding for Diffusion Large Language Models

波纹枢轴搜索：扩散大语言模型的主动并行解码

Yushi Ye, Xu Chen, Haoyun Jiang, Jinsong Lan, Haihong Tang, Bo Han, Ivor Tsang, Yanfeng Wang, Bo Zheng, Jiangchao Yao

机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学合作中位数网络创新中心） ； Alibaba Group TMLR Group（阿里巴巴集团TMLR团队） ； Hong Kong Baptist University（香港浸会大学） ； A*STAR CFAR and Nanyang Technological University（新加坡科研局计算科学中心和南洋理工大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

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

AI总结 提出RPS方法，利用dLLM解码的波纹效应，在保持生成质量的同时，大幅提升解码速度与准确率，适用于推理及代码生成任务。