大模型推理能力

Stopping and Routing LLM Judge Panels

停止与路由大语言模型（LLM）评审小组

Bin Zhu, Yi Xie, Yanghui Rao

机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 该研究将LLM评审小组设计建模为角色条件分配问题，提出策略优化评审调用，经多类审计对比，生成可复用的评审调用计划。

Comments 21 pages, 2 figures, 20 tables. Accepted at WISE 2026

MidTool: Mid-training Data Synthesis for Agentic Tool Use

MidTool：面向智能体工具使用的训练中期数据合成

Fengqing Jiang, Yite Wang, Boyi Liu, Zhaoyang Wang, Canwen Xu, Zhewei Yao, Radha Poovendran, Yuxiong He

机构 * University of Washington（华盛顿大学） ； Snowflake（雪花公司） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 本研究提出MidTool流水线，构建面向智能体工具使用的训练中期数据，在MidTool-Mix上微调Qwen3模型，可显著提升工具使用相关下游任务性能，证明通用工具使用需专门训练中期调整。

Comments Data & Model: this https URL (https://hf.co/collections/MidTool/midtool-release)

PrefixAgent: An LLM-Powered Design Framework for Efficient Prefix Adder Optimization

PrefixAgent：一种基于大语言模型的高效前缀加法器优化设计框架

Dongsheng Zuo, Jiadong Zhu, Yang Luo, Yuzhe Ma

机构 * HKUST(GZ)（香港科技大学（广州）） 纠错

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

AI总结 本研究针对前缀加法器设计空间随位宽指数增长的优化难题，提出基于LLM的PrefixAgent框架，通过将任务拆分为两个子任务并利用等价图构建训练数据，在几乎所有配置下实现了更小的加法器面积，且在位宽更大时优势更显著。

GridCodex: A RAG-Driven AI Framework for Power Grid Code Reasoning and Compliance

GridCodex：一种用于电网规则推理与合规性的RAG驱动AI框架

Jinquan Shi, Yingying Cheng, Fan Zhang, Miao Jiang, Jun Lin, Yanbai Shen

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

AI总结 针对电网规则缺乏自动化解读的问题，提出结合大语言模型、RAG及RAPTOR的GridCodex框架，经验证其答案质量提升26.4%、召回率超10倍，可助力电网合规性提升。

Auditing and Decomposing Feedback-Driven Evolution in LLM Test Generation under the Oracle Problem

在神谕问题下对LLM测试生成中反馈驱动演化的审计与分解

Yunhao Liang, Chengguang Gan, Ruixuan Ying, Hanjun Wei, Zhe Cui, Shiwen Ni

专题命中 代码与定理证明 ：verifier(abstract)

AI总结 该研究针对LLM测试生成中反馈驱动演化的神谕问题，通过多任务实验发现单一神谕会膨胀演化增益，提出审计-安慰剂协议以分离验证器人工制品等，为相关评估提供改进方案。

A Nonmonotone Real-Rootedness Set for Symmetric Imaginary Shifts

Vasily Stodolsky

专题命中 代码与定理证明 ：verifier(abstract)

Comments 7 pages, 1 table. AI Research Artifact with material AI use and author accountability disclosed in the paper. Corresponds to Zenodo v0.1.3, DOI: https://doi.org/10.5281/zenodo.21922629

Transformer See, Transformer Do: Copying as an Intermediate Step in Learning Analogical Reasoning

Transformer 见，Transformer 作：复制作为学习类比推理的中间步骤

Philipp Hellwig, Willem Zuidema, Claire E. Stevenson, Martha Lewis

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文研究了通过Meta-Learning for Compositionality训练的Transformer在类比推理任务中的表现，发现引入复制任务可提升模型对字母字符串类比的学习能力，并通过异质数据集训练提高了对新字母集的泛化能力。

Comments Accepted to COLM 2026

Towards general embodied intelligence: integrating large language models, knowledge bases, and reasoning capabilities to build the next generation of AI agents

迈向通用具身智能：整合大语言模型、知识库与推理能力以构建下一代AI智能体

Fujiang Yuan, Xia Huang, Lusheng Wang, Jun Ding, Zhen Tian, Yuxin Wang, Shaojie Gu, Yuki Funabora, Yanhong Peng, Zebing Mao

机构 * College of Mechanical Engineering, Chongqing University of Technology（重庆理工大学机械工程学院） ； James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） ； School of Energy and Power, Jiangsu University of Science and Technology（江苏科技大学能源与动力学院） ； Magnesium Research Center, Kumamoto University（熊本大学镁研究中心） ； Department of Information and Communication Engineering, Nagoya University（名古屋大学信息与通信工程系） ； State Key Laboratory of Fluid Power and Mechatronic Systems, Zhejiang University（浙江大学流体动力与机电系统国家重点实验室） 纠错

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

AI总结 本文综述以LLM为核心的智能系统演进，提出整合LLMs、KBs、RA与具身性的概念框架，明确高效LLM部署等五大挑战，为开发复杂动态环境下的自适应多模态智能体提供路线图。

Grounded verification of chemical and materials reasoning: detection is the bottleneck

化学与材料推理的有根据验证：检测是瓶颈

Can Polat, Mustafa Kurban, Erchin Serpedin, Hasan Kurban

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

AI总结 研究针对大语言模型在化学推理中虚构对象的问题，提出分层验证器，通过与数据库核对及门控校正减少公式错误，检索次数大幅减少，修复成功率高，但检测召回率是瓶颈，基于事实验证可提高答案质量，长尾错误处提升明显。

Video Evidence to Reasoning Efficient Video Understanding via Explicit Evidence Grounding

视频证据推理：通过显式证据接地实现高效的视频理解

Yanxiang Huang, Guohua Gao, Zhaoyang Wei

机构 * Department of Applied Mathematics, The Hong Kong Polytechnic University（应用数学系，香港理工大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)

AI总结 本文提出CoE框架，通过显式证据接地模块和强化学习优化的锚定协议，提升视频推理的准确性和可靠性。

Comments 6 pages

Beyond Memory Majority: Latent-Source Reasoning for Multi-Agent Memory Arbitration

超越记忆多数：面向多智能体记忆仲裁的潜在源推理

Chenchen Lin, Wenhao Yuan, Xuehe Wang, Edith Cheuk Han Ngai

专题命中 逻辑推理 ：reasoning(title)；分类 cs.AI

AI总结 该研究针对多智能体记忆仲裁中的记忆关联偏差问题，提出CAMA框架，通过解耦记忆、估计独立证据源数量及主动恢复缺失证据，有效抑制虚假多数，性能优于现有基线方法。

EnvHarness: Awakening Static Worlds for Agent Learning

EnvHarness：为智能体学习唤醒静态环境

Chengsong Huang, Zifeng Wang, Rujun Han, Jun Yan, Yanfei Chen, Zoey CuiZhu, Ke Jiang, Peng Xia, Han Yu, Yufan Zhuang, Yifei Ming, Jiaqi Pan, Bhavana Dalvi Mishra, Jiaxin Huang, Burak Gokturk, Tomas Pfister, Chen-Yu Lee

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

AI总结 EnvHarness是包裹静态环境的可编程插件层，结合EnvRigger自动合成组件，在多领域基准测试中提升智能体学习性能，减少执行步骤并支持策略与环境协同进化。

The Third Restructuring of Software Form: From the Three-Tier Architecture to Storage, Models, and Agents

软件形态的第三次重构：从三层架构到存储、模型与智能体

Wei Lin, Tao Zhou, Zhaofei Xie, Changgui Hong

机构 * Nanjing Liancheng Intelligent Technology Group（南京连城智能科技集团） 纠错

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

AI总结 本文提出软件形态正经历第三次范式转变Software 3.0，其核心为存储、大模型与智能体的架构，将重塑开发者、数据库行业及软件工程的角色。

Multi-Tier Mentorship with AI-Assisted Development: Authentic Engineering for K-12 and Undergraduates

结合AI辅助开发的多层级指导模式：面向K-12学生与本科生的真实工程实践

Kelly Yuan, Ronald Liu, Daniel Crawford, Weihao Qu

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出结合AI辅助开发的多层级指导框架，让K-12学生与本科生协作开发LuckyTag系统，试点显示该模式可降低技术障碍、提升架构理解，为跨群体计算协作提供了新方案。

Comments 8 pages, 8 figures, 2 tables. Accepted to IEEE ISEC 2026

TrustMee: Self-Verifying Remote Attestation Evidence

TrustMee: 自验证远程证明证据

Parsa Sadri Sinaki, Zainab Ahmad, Wentao Xie, Merlijn Sebrechts, Jimmy Kjällman, Lachlan J. Gunn

专题命中 逻辑推理 ：verifier(abstract)

AI总结 TrustMee通过自验证远程证明证据机制，实现跨平台的证明验证，无需特定平台代码，利用WebAssembly组件实现验证逻辑的通用性。

Comments 16 pages, 7 figures

QRS: A Rule-Synthesizing Neuro-Symbolic Triad for Autonomous Vulnerability Discovery

QRS：一种用于自主漏洞发现的神经符号三元组规则生成器

George Tsigkourakos, Constantinos Patsakis

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 QRS通过神经符号方法生成代码查询，发现超出预定义模式的漏洞，显著降低假阳性，并在低开销下发现高严重性漏洞。

Rule-Compliant Visual Spatial Planning for Multimodal Large Language Models

面向多模态大语言模型的符合规则的视觉空间规划

Yu Chen, Ting Lei, Yaoyi Li, Jia Cai, Zhecen Wu, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； Yinwang Intelligent Technology Co., Ltd（银湾智能科技有限公司） 纠错

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

AI总结 该研究针对多模态大语言模型的规则遵循空间规划问题，构建了RuleMaze基准，提出语言-逻辑-函数混合方法和解耦多模态规划（DMP），提升了规则遵循度与规划成功率。

Evidence-Gated Task and Motion Planning with Vision-Language Models

基于视觉语言模型的证据门控任务与运动规划

Tsunehiko Tanaka, Matthew Stephenson, Alistair Macvicar, Edgar Simo-Serra

机构 * Waseda University（早稻田大学） ； Flinders University（弗林德斯大学） 纠错

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

AI总结 针对机器人执行自然语言指令长时操纵任务时的部分可观测问题，提出 EAFG 框架，通过视觉证据获取与可行性门控提升食谱完成率并减少无效操纵尝试。

G-MARK: Grounded Multi-Agent Reasoning for Cooperative Driving via Knowledge Graphs

G-MARK：基于知识图谱的协同驾驶接地多智能体推理

Bhavya Gupta, Onat Gungor, Tajana Rosing

机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； West Virginia University（西弗吉尼亚大学） 纠错

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

AI总结 提出 G-MARK 框架，通过知识图谱实现协同驾驶多智能体推理，提升遮挡推理与控制选择性能，减小通信负载，效果优于现有基线。

Comments Accepted for oral presentation at the 25th IEEE International Conference on Machine Learning and Applications (ICMLA'26)

Toward Greater Autonomy in Materials Discovery Agents: Unifying Planning, Physics, and Scientists

迈向材料发现智能体的更高自主性：统一规划、物理与科学家

Lianhao Zhou, Hongyi Ling, Keqiang Yan, Kaiji Zhao, Xiaoning Qian, Raymundo Arróyave, Xiaofeng Qian, Shuiwang Ji

机构 * Department of Computer Science and Engineering, Texas A&M University（计算机科学与工程系，德克萨斯A&M大学） ； Department of Materials Science and Engineering, Texas A&M University（材料科学与工程系，德克萨斯A&M大学） ； Department of Electrical and Computer Engineering, Texas A&M University（电气与计算机工程系，德克萨斯A&M大学） ； Computing and Data Sciences, Brookhaven National Laboratory（布鲁赫斯国家实验室计算与数据科学部） ； Department of Physics and Astronomy, Texas A&M University（物理与天文学系，德克萨斯A&M大学） 纠错

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

AI总结 该研究提出MAPPS智能体框架，通过统一规划、物理与科学家实现更高自主性，在MP-20数据集上使材料发现相关指标提升5倍，是自主材料发现的潜力框架。

TS-Reasoner: Aligning Time Series Foundation Models with LLM Reasoning

TS-Reasoner：将时间序列基础模型与大语言模型推理能力对齐

Fangxu Yu, Hongyu Zhao, Tianyi Zhou

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

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

AI总结 TS-Reasoner通过两阶段训练将时间序列基础模型与大语言模型对齐，在多个基准上性能优于同类模型且数据效率更高，解决了时间序列模型推理能力不足的问题。

Comments Accepted to Transactions on Machine Learning Research, 2026

DARS: Dual-Level Credit Assignment RL with Structured Reasoning for Instruction-Based Image Editing

DARS：用于基于指令的图像编辑的带结构化推理的双层级信用分配强化学习

Haoxiang Cao, Jiajiong Cao, Xuanpu Zhang, Changqian Yu, Chaoqun Wang

机构 * South China Normal University（华南师范大学） ； KlingAI Research（可灵AI研究院） 纠错

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

AI总结 提出DARS框架，解决基于指令的图像编辑系统仅用最终奖励训练效率低的问题，通过双层级信用分配实现更好性能，在推理密集型编辑上增益显著。

Multi-Agent Orchestration with the Common-Sense Reasoning Capabilities of LLMs for Autonomous Driving

结合大语言模型常识推理能力的多智能体协同框架用于自动驾驶

Mehdi Azarafza, Faezeh Pasandideh, Ali Ehteshami Bejnordi, Stefan Henkler, Achim Rettberg

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

AI总结 该研究针对自动驾驶中强化学习等方法的上下文推理缺陷，提出结合LLM常识推理的混合多智能体协同框架，经CARLA场景验证可保留结构化控制与安全机制，具备应用潜力。

Comments 17 pages, 7 figures

PO-PDDL: Learning Symbolic POMDPs from Visual Demonstrations for Robot Planning Under Uncertainty

PO-PDDL: 从视觉演示中学习符号化POMDP以实现不确定性下的机器人规划

Wenjing Tang, Xuanjin Jin, Yuan Liu, Renming Huang, Cewu Lu, Panpan Cai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 提出PO-PDDL符号化POMDP框架，通过从机器人执行视频中重建潜在状态轨迹、识别部分可观测性并学习随机转移与观测模型，实现不确定性下的鲁棒任务规划。

WithEveryone: Unified Planning and Identity Grounding for Group Image Generation

WithEveryone：面向群体图像生成的统一规划与身份定位

Hengyuan Xu, Qixun Wang, Yiji Cheng, Miles Yang, Zhao Zhong, Wei Cheng, Xingjun Ma, Yu-gang Jiang

机构 * Fudan University（复旦大学） ； Hunyuan, Tencent（腾讯混元） ； The University of Hong Kong（香港大学） 纠错

专题命中 规划推理 ：planning(title)

AI总结 针对多人物群体图像生成的身份保留难题，提出WithEveryone框架，通过布局定位身份损失等技术，提升了人脸相似度并降低伪影，实现高身份覆盖率与低重复率。

Comments Project Page: this http URL (http://doby-xu.github.io/WithEveryone/);Code will be released: this http URL (http://github.com/Doby-Xu/WithEveryone/)

Pandora's AI Model Routing Box: Efficient Allocation with Costly Value Estimation

潘多拉的AI模型路由盒：带代价价值估计的高效分配

Adam Fisch, Shubhendu Trivedi, Fantine Huot, William W. Cohen, Michael Kaisers, Mirella Lapata, Kate Larson, Jacob Eisenstein

机构 * Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 该研究针对异构AI系统的查询路由问题，提出带代价价值估计的Pandora's Router集中式策略及Pandora's Bidder去中心化策略，可在保证路由质量的同时减少高成本估计器的使用，还能在不同场景优化分配效率。

From Street View Imagery to Street Quality Indicators: Vision Language Inference for the Suburban 15-minute City

从街景图像到街道质量指标：面向郊区15分钟城市的视觉语言推理

Joan Perez, Giovanni Fusco

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

AI总结 本文以法国尼斯东北部郊区为研究对象，采用开源的SAGAI工作流，利用视觉语言模型从街景图像评估街景质量，发现理想街景仅存在于部分郊区区域，证明了VLM可支持郊区城市诊断，助力循证规划。

Comments 16 pages, 4 figures

Repo0: Design-Driven Zero-to-All Code Generation

Repo0：面向从零到全代码生成的设计驱动框架

Silin Chen, Haoyi Teng, Xiaodong Gu, Yuling Shi, Jiale Huang, Yongpan Wang, Hongyu Zhang, Haibing Guan

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

AI总结 Repo0是面向从零到全代码生成的连续结构演化框架，通过Dual-DAG架构等技术，在RepoCraft数据集上相较RPG大幅提升了代码生成的功能覆盖率与通过率。

Comments Our code and data are available at this https URL (https://github.com/cslsolow/Repo0)

ChronoAgentic: A Code-based Multi-Agent World Simulator for Physically Grounded Simulation Construction

编码智能体作为世界模拟器

Hongyu Wang, Jingquan Wang, Ashvin Anilkumar, Bocheng Zou, Radu Serban, Dan Negrut

机构 * Department of Mechanical & Aerospace Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校机械与航空航天工程系） ； School of Computer, Data, and Information Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机、数据与信息科学学院） 纠错

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

AI总结 提出一个通过可执行模拟代码构建基于物理的世界模型的智能体框架，协调规划、代码生成、视觉审查和物理分析智能体，迭代修正代码以满足物理约束，在物理准确性、指令忠实度和视觉质量上超越视频模型。

Projecting BrowseComp-Plus onto ClimbMix: Toward More Realistic Corpora for Agentic Search

将BrowseComp-Plus映射到ClimbMix：构建更符合智能体搜索需求的真实语料库

Sahel Sharifymoghaddam, Lingwei Gu, Yijun Ge, Jimmy Lin

专题命中 规划推理 ：reasoning(abstract)

AI总结 该研究将BrowseComp-Plus的查询映射到NVIDIA的ClimbMix语料库，构建了与基准无关的映射流水线，生成57个有效查询，使智能体搜索难度向检索环节转移，发布了相关资源。