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。
SignalReasoner：评估3B模型在信号数学推理任务中的上限
专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.AI
AI总结 本研究针对信号数学推理任务，以Qwen2.5-3B-Base为对象，对比两种训练范式与三种强化优化算法，其最佳模型准确率较基准提升超两倍。
为什么自蒸馏（有时）会降低大语言模型的推理能力？
机构 * Microsoft Research（微软研究院） ； KAIST（韩国成均馆大学） ； Seoul National University（首尔国立大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.LG
AI总结 本文研究了自蒸馏在数学推理中降低大语言模型推理能力的原因，发现其通过抑制模型在推理过程中的不确定性表达，导致在未见过的问题上表现下降，强调了适当表达不确定性对鲁棒推理的重要性。
Comments Accepted to COLM 2026. Code is available at this https URL (https://github.com/beanie00/self-distillation-analysis)
SOD：分步式在线蒸馏用于小型语言模型代理
机构 * Zhejiang University（浙江大学） ； Large Language Model Department, Tencent（腾讯大语言模型部门） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 针对小型语言模型中工具集成推理的稳定性问题，提出SOD分步式在线蒸馏框架，通过动态调整蒸馏强度缓解教师信号误导，提升推理性能。
问题本身才是问题：迈向可扩展的数学发现
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Anysphere Co.（Anysphere公司）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究提出人机协作的FAR流程，从文献中筛选数学问题并聚焦成果，在组合数学试点中筛选出77个待评审成果，验证了其数学发现的有效性。
Comments Code available at this https URL (https://github.com/zeyu-zheng/FAR)
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
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。
Comments Minor corrections to the previous version of the manuscript
实验室驱动的对齐签名的出现：一种心理测量框架，用于审计生成AI中的潜在偏见和叠加风险
机构 * AI Researcher（人工智能研究员）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出了一种心理测量框架，用于审计生成AI中的潜在偏见和叠加风险，通过分析九个领先模型的实验室信号，揭示了持续行为聚类的成因。
Comments v2: expanded from 9 to 18 behavioral dimensions and from 4 to 6 developer organizations; revised statistical methodology (rank-based inference with effect-size criterion, replacing variance-decomposition approach); model-level results now reported; references corrected throughout
结合领域专家心智模型的大语言模型增强：通过因果提示工程减少大语言模型幻觉
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出结合专家心智模型（EMM）的因果提示工程框架，通过形式化相关前置流程构建EMM，减少LLM幻觉，在三类任务中验证了方法有效性。
Comments 42 pages,4 figures, 4 tables
超越轨迹：将可解释推理状态读出与原生MoE路由耦合
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本研究提出将可解释推理状态读出J64与原生MoE路由耦合的两级机制，提升推理过程可解释性与性能，R64作为低开销代理可保留其核心增益，还能优化分支选择与投票策略、调整推理行为。
用于忠实知识图谱推理的结构内化规则语言模型
机构 * Key Laboratory of Knowledge Engineering with Big Data (Hefei University of Technology)（大数据知识工程重点实验室（合肥工业大学）） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息学院） ； Nanjing University of Science and Technology（南京理工大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 针对大语言模型在知识图谱推理中存在的推理证据感知漂移问题，提出结构内化规则语言模型SIRLM，通过结构规则生成协调知识与参数化知识，在36个数据集上优于17种现有方法
形式分析几何：一种基于神经符号的多模态解析几何问题生成框架
机构 * Xi’an Jiaotong-Liverpool University（西交利物浦大学）
专题命中 逻辑推理 ：reasoning(abstract)；math reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 研究解析几何问题生成，提出基于神经符号的FormalAnalyticGeo框架，利用CDL及四个大语言模型组件，无需人工注释自动生成问题，形成闭环，生成的AnalyticGeo7K数据集问题误差小，框架和数据集将公开。
DiffusionGemma 的透明度如何？
机构 * Google（谷歌）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 研究DiffusionGemma在连续潜空间中的推理透明度，通过变量透明度和算法透明度分解，发现可解释的令牌瓶颈将不透明串行深度降至Gemma 4的1.1倍，并揭示扩散特有现象。
Comments 20 main text pages and 6 pages of references and appendices
说服悖论：当LLM解释未能提升人机团队表现时
机构 * Bar-Ilan University（巴伊兰大学） ； University of Virginia（弗吉尼亚大学） ； Department of Psychology, Ariel University（阿里尔大学心理学系）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 研究揭示LLM解释在提升人机团队表现上的矛盾效果，通过三组实验发现解释增加信心但未必提升准确性，且可能抑制错误恢复能力，强调需转向校准依赖与有效错误恢复的设计。
仅使用大语言模型的PDDL领域修复：基于开放权重模型
专题命中 逻辑推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 本文评估开放权重大语言模型仅用LLM方法修复PDDL模型错误的能力，发现其F1分数优于符号基线，但测试通过率仍不足，无法保证满足修复所需的测试约束。
PDDL-ART：基于演示的自主符号抽象方法，用于使用视觉语言模型的长时程机器人操纵
机构 * University of Michigan（密歇根大学）
专题命中 逻辑推理 ：reasoning(abstract)；planning(abstract)
AI总结 PDDL-ART是一种基于VLM的框架，可自主从演示生成PDDL描述，经多阶段校正确保语义对齐，在发动机维护和家庭操纵任务上平均成功率达93.3%，优于基线规划器。
已编码但不可执行：审计冻结大语言模型中几何约束的解码-生成-引导差距
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 该研究以参数化CAD约束为测试平台，审计6个冻结LLMs的解码-生成-引导差距，发现几何关系可解码性与生成、引导能力存在差异，区分了编码与表达控制失败。
Comments 13 pages, 7 figures, 8 tables, including appendices
盲选策展人：有偏见的评判者如何在自我进化的智能体中悄然阻碍技能淘汰
机构 * AWS Generative AI Innovation Center（亚马逊云科技生成式人工智能创新中心） ； HSBC Holdings Plc., HSBC Technology Center, China（汇丰控股有限公司，汇丰科技中心，中国）
专题命中 逻辑推理 ：verifier(abstract)；分类 cs.CL、cs.AI
AI总结 研究自我进化智能体中，有偏见的评判者对技能淘汰的影响。通过损坏奖励分析等方法发现，“误判通过”偏差会导致技能淘汰机制失效，此为行为安全结果。还提出廉价审计可判断评判者是否越过阈值影响智能体。
Comments Published at COLM 2026 Workshop on Agent Behavior
倒排索引遍历的$\mathbf{P}$-完备性：关于布尔查询DAG评估的复杂性
机构 * Apple Inc.（苹果公司）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文证明基于DAG的布尔查询评估问题是$\mathbf{P}$-完备的，并提出一种稀疏感知算法ComputePN，通过正负对偶表示和DAG记忆化，将评估时间严格限制在$O(|Q| \cdot |U_{\mathit{active}}|)$，避免指数爆炸和全量扫描。
用智能体人工智能实现遗传编程中父代选择配置的自动化
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 该研究提出智能体AI框架，结合LLM推理与RAG实现遗传编程父代选择配置自动化，经符号回归测试，5 mini--AR配置表现优于锦标赛选择，为进化系统自动化设计提供了新路径。
天体生物学与科学认识论的变革
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 该研究探讨天体生物学因“n=1问题”成为缺乏基础确定性的“暂态科学”，其与AI等新兴领域共同推动科学知识构建方式的变革。
Comments In: Steven J. Dick, Astronomy and Philosophy: Conceptual and Methodological Foundations and Challenges, 2026. Cambridge: Cambridge University Press
基于李雅普诺夫监督的物理信息神经网络校正层的欠驱动航天器MPC控制
机构 * Politecnico di Torino（托斯纳理工学院） ； Argotec S.R.L.（Argotec公司）
专题命中 逻辑推理 ：planning(abstract)
AI总结 针对欠驱动航天器姿态控制，提出一种分层架构，结合非线性模型预测控制、物理信息神经网络和李雅普诺夫监督机制，在不确定性下降低稳态误差并保持鲁棒性。
Comments Accepted at SPAICE (AI in and for Space) 2026
集体反事实规划：表征约束下的协调、同意与验证
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 该研究提出集体反事实规划（CCP）形式化模型，分析表征约束下群体规划的可行性，揭示正负二元性，给出四步可解性方案，解释群体协作的几何机制。
Comments The code is available at this https URL (https://github.com/DarkEyes/Coll-Counterfactual-Plan)
PlanPO：面向多轮智能体大语言模型的组规划感知策略优化
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 针对现有组相对策略优化无法区分成功轨迹效率差异的问题，提出 PlanPO 方法，引入由粗到细的优势信号，在三类多轮基准上较 GRPO 平均提升 27.2%，且训练成本可忽略。
基于区域级组织推理与非平衡最优传输的淋巴细胞模拟修正
机构 * Duke University（杜克大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 针对细胞模拟导致的病理细胞分类歧义问题，提出Loki-OT方法，结合区域级组织推理与非平衡最优传输，在TCGA-BRCA队列上取得更优性能。
Comments 13 pages, 3 figures. Accepted to the MICCAI 2026 COMPAYL Workshop
VISOR: 通过迭代搜索和超视距推理实现基于视觉检索的增强生成
机构 * Soochow University（苏州大学） ； Baidu Inc.（百度公司）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 VISOR通过结构化证据空间和动态轨迹机制解决多步推理中的视觉证据稀疏和搜索漂移问题，实现高效长视距视觉推理。
Comments Accepted by ACM Multimedia 2026 (MM '26). 8 pages, 3 figures. Code: this https URL (https://github.com/syc1336/VISOR)
在秩-1博弈中针对学习的规划
专题命中 规划推理 ：planning(title,abstract)
AI总结 该研究针对满足$\text{rank}(A+B)=1$的双矩阵博弈，证明其纳什均衡可多项式时间计算，但针对学习动态的最优规划是NP困难的，区分了高效均衡计算与策略规划。
MMDynOpt-Agent：基于强化学习的多模态大语言模型推理动态优化方法
专题命中 规划推理 ：reasoning(title,abstract)
AI总结 该研究针对多模态大语言模型推理效率不足的问题，提出MMDynOpt-Agent，通过强化学习将多模态推理动态优化建模为马尔可夫决策过程，结合多轮优化提示与多维度奖励机制，在15个公开数据集上性能优于基线方法。
抖音多模态嵌入模型技术报告
专题命中 规划推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL
AI总结 针对现有多模态嵌入模型难以兼顾效率与细粒度区分的问题，提出分两阶段训练的DME模型，在MMEB-v2数据集及抖音生产场景中均取得优异效果。
Comments Technical Report
基于组分散规划的并行终身MAPF理论框架
专题命中 规划推理 ：planning(title)；分类 cs.AI
AI总结 针对L-MAPF问题，本文证明RHCR的近最优性，提出并行规划的GD-RHCR框架，其在扩展智能体规模时仍能保持高吞吐量和低单规划成本。
多模态大语言模型中的不确定性感知决策
机构 * Khalifa University of Science and Technology（哈利法科技大学）
专题命中 规划推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL
AI总结 本调查围绕决策中心框架，综述多模态大语言模型（MLLMs）的不确定性感知决策相关研究，对比同类调查并指出源感知分解等开放问题，核心是不确定性需改善多模态证据下的系统行为。
何去何从？人工智能时代的科学发现
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)
AI总结 本文梳理AI在科学发现中的作用，提出AI系统类型学，概述多学科近期成果，指出其存在的限制与风险，引发人机认知劳动分工的思考。
Comments To be published in Theory of Science
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