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。
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
机构 * Independent researcher（独立研究者）
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
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
机构 * IBM Research（IBM研究院）
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。
通过语言模型中几乎正交的特征实现孤立干预
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：将LoRA混合精度量化至超低比特
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）
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。
工具作为连续流用于演进代理推理
机构 * Central South University（中南大学） ； The Hong Kong University of Science and Technology（香港科技大学）
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。
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？
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。
增强本地大语言模型代理的Linux提权攻击能力
机构 * TU Wien（维也纳技术大学）
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/)
语言模型作为形式化工具在约束满足问题上的现实检验
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）
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。
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
机构 * Shenzhen University（深圳大学） ； Tencent Youtu Lab（腾讯优图实验室）
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。
不确定性作为规划信号：面向目标导向对话的多轮决策
机构 * The Ohio State University（俄亥俄州立大学）
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
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
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）
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
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
机构 * University of Udine（乌迪大学）
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
DORA Explorer: 无需训练提升大语言模型的探索能力
机构 * Kahlert School of Computing, University of Utah（犹他大学计算学院Kahlert学院）
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
深度活动模型：一种用于人类移动模式合成的生成式方法
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。
DREvo：提炼重校准的历史经验以实现工具链自主进化
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 针对现有工具链自主进化方法的两个局限，提出DREvo方法，通过整合三项技术提升进化稳定性，在五个基准上取得最优准确率，在两类任务上较基线实现显著性能提升。
Comments 9 pages
OpenAg：推动农业智能的平民化
机构 * Institute of Applied Artificial Intelligence and Robotics (IAAIR)（应用人工智能与机器人研究所）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本研究提出OpenAg框架，结合多类技术构建农业通用人工智能系统，以解决现有农业智能系统的不足，助力符合当地实际的农业决策。
Comments 10 pages, 1 figure
多智能体具身自动驾驶：从V2X信息交换到共享世界模型
机构 * Lingnan University, Hong Kong（岭南大学（香港））
专题命中 规划推理 ：planning(abstract)
AI总结 本文综述了从单车智能向多智能体具身系统转变的自动驾驶技术，通过共享世界模型实现感知共享、意图推断和协同规划，并指出了在仿真评估、实时安全保证等方面的研究空白。
SolarChain：连接物理定律、可验证信任与可持续市场的城市能源韧性
专题命中 规划推理 ：verifier(abstract)
AI总结 提出SolarChain平台，通过基于热力学极限的物理验证和点对点市场机制，解决城市太阳能数据篡改和投机问题，实现可信交易与可持续投资。
CausalSplat：面向3D高斯溅射的综合层级推理
机构 * Peking University（北京大学） ； North China Electric Power University（华北电力大学） ； Hunan University（湖南大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 针对3D高斯溅射推理局限，本文提出CausalSplat框架，结合视觉语言模型与3D场景图，构建两个推理基准，在相关任务上实现最优性能与强泛化性。
Comments Accepted to ACM MM 2026
视觉推理引导的光场遮挡去除
机构 * Johannes Kepler University（约翰·开普勒大学）
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 提出结合光场积分与视觉语言模型的框架，通过多视图融合和语义先验恢复被遮挡场景，在合成和真实数据上取得最优性能。
BLADE：通过对话和解释提升语言答案
机构 * University of Florida（佛罗里达大学）
专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL
AI总结 BLADE通过引导学习者接触相关教学资源而非直接提供答案，提升学生对课程资源的导航能力和概念理解。
Comments Contains 7 figures
UniGround: 通过无训练场景解析实现通用三维视觉接地
机构 * The Hong Kong University of Science and Technology(Guangzhou)（香港科学与技术大学（广州）） ； Shanghai Normal University（上海师范大学）
专题命中 视觉空间推理 ：reasoning(abstract)
AI总结 UniGround通过无训练的视觉和几何推理实现通用三维视觉接地，超越训练数据限制，在ScanRefer和EmbodiedScan上取得新突破。
Comments 30 pages,9 figures,11 tables
提示驱动的探索
机构 * Massachusetts Institute of Technology（麻省理工学院） ； MIT-IBM Computing Research Lab（麻省理工学院-IBM计算研究实验室） ； Improbable AI Lab（英普罗巴布尔人工智能实验室）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 研究针对强化学习中探索难的问题，提出提示驱动的探索策略（PDE），利用视觉-语言模型对轨迹视频推理，从弱策略轨迹中优化提示，实现后验采样，能让强化学习从零奖励起步学习成功策略并提升样本效率。
自我进化临床系统之路：将医疗智能体从辅助扩展到自主
机构 * Hunan University（湖南大学） ； ByteDance（字节跳动） ； Duke University（杜克大学） ； Westlake University（西湖大学） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Macau（澳门大学） ； The Ohio State University（俄亥俄州立大学）
专题命中 测试时计算 ：test-time compute(abstract)；分类 cs.AI
AI总结 研究探讨大语言模型等对医疗智能体的重塑，从临床部署出发，将其形式化为决策系统并给出自主性分类。沿统一框架扩展，强调临床环境扩展为关键方向，定位临床自我进化为前沿，还研究了多领域应用及挑战，提供医学成像系统路线图。
Comments Project page: https://github.com/zhcz328/Awesome-Medical-Agents
从推理深度到推理广度：评估大型语言模型中的多点关联推理
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； Kuaishou Technology（快手科技）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 该研究构建了中英双语多点关联推理基准MPAR-Bench，发现大型语言模型的推理深度未自动带来稳健的推理广度，当前基准未充分覆盖推理广度。
LDI：面向文本丰富表的局部数据填补
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 本文提出LDI框架，通过局部推理利用LLM填补文本丰富表中的缺失值，提升准确性和可解释性，实验证明其优于现有方法。
多语言OCR感知微调和提示引导的链式思维推理用于多模态大语言模型
机构 * Meta AI ； UT Austin（德克萨斯大学奥斯汀分校）
专题命中 推理评测 ：chain-of-thought(title,abstract)；reasoning(title)；CoT(abstract_cn)；分类 cs.CL、cs.LG
AI总结 提出一种多语言OCR感知的多模态训练框架，通过合成数据生成、OCR感知微调和结构化视觉链式思维提示，提升多模态大语言模型在复杂视觉条件下的OCR完整性和多语言翻译准确性。
用于评估和加固LLM系统指令对抗编码攻击的自动化框架
机构 * Keysight Technologies
专题命中 推理评测 ：chain-of-thought(summary_cn,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 本文提出自动化框架评估LLM系统指令在对抗编码攻击时的保密性，通过四个模型和46条指令测试发现结构化序列化攻击成功率高，提出基于Chain-of-Thought的缓解策略。
Comments An earlier version of this manuscript will appear in the proceedings of IEEE Cyber-AI 2026 Conference. Project source code is available at https://github.com/Keysight/LLM-EncodeGuard
TEMPER：量化推理中的情感扰动测试
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文通过构建TEMPER基准，研究情感框架对量化推理准确性的影响，发现情感扰动降低准确率2-10个百分点，但通过中性化可恢复性能，揭示情感风格影响而非内容腐败。
Comments Published as a conference paper at COLM 2026. 30 pages, 4 figures, 29 tables. Dataset: https://huggingface.co/datasets/atahandokme/temper-5400 Code: https://github.com/atahandokme/temper-colm2026
LiteOdyssey: 一种用于可解释罕见病诊断的轻量级推理AI智能体
机构 * Vanderbilt University（范德堡大学） ； Vanderbilt University Medical Center（范德堡大学医学中心） ； University of South Florida（南佛罗里达大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出轻量级框架LiteOdyssey，通过人类-AI协作的诊断策略和公共生物医学工具增强单个推理语言模型，在罕见病诊断基准上达到最先进性能，无需微调或多智能体集成。
Comments 69 pages, submission version
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