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。
MolSight: 一种用于统一化学图像理解的图感知视觉语言模型
机构 * Renmin University of China（中国人民大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出MolSight框架，通过分子拓扑模块和分子接地模块增强视觉语言模型对分子图像的结构理解，在多项化学视觉理解任务中显著优于现有模型。
编译AI：基于LLM的工作流自动化确定性代码生成
机构 * XY.AI Labs, Palo Alto, CA（XY.AI实验室，帕洛阿尔托） ； Stanford University School of Medicine, Stanford, CA（斯坦福大学医学院，斯坦福） ； Cornell University, Department of Computer Science, Ithaca, NY（康奈尔大学计算机科学系，伊萨卡） ； Brigham and Women’s Hospital / Harvard Medical School, Boston, MA（布莱根妇女医院/哈佛医学院，波士顿）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 本文研究编译AI，一种大语言模型在编译阶段生成可执行代码，随后工作流确定性执行的范式。重点探讨其在高风险企业工作流中的应用，尤其在医疗领域，强调可靠性与可审计性。
Comments 14 pages, 2 figures, 3 tables
网络智能：用于人类-人工智能团队科学的主动共享上下文图
机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究旨在培养人类与AI系统间的网络智能。提出Mycelium主动共享工作区，能自动连接人员与智能体，捕获并路由重要信息。通过生物多组学活动测试，验证其可将局部发现转化为实验设计，还对网络智能进行了计算解释。
DAGForge：利用生物医学文献进行可审计的因果DAG创作
机构 * Massachusetts General Hospital（麻省总医院） ； Harvard University（哈佛大学） ； Northeastern University（东北大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究针对生物医学因果分析中构建因果DAG多为手动过程的问题，提出DAGForge系统。它能基于研究概念描述创作可审计的因果DAG，经评估在召回率等方面表现良好，减轻了DAG策划负担，支持生物医学研究相关工作。
Comments 10 pages, 2 figures
MARS：用于知识图谱问答的多跳自适应检索与SPARQL生成
机构 * Heinz Nixdorf Institute, Paderborn University（海因茨·尼克斯多夫研究所，帕德博恩大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究针对大型语言模型在知识密集型任务中可靠性受限的问题，提出MARS方法，通过结构化检索过程链接问题实体与知识图谱，迭代获取信息并决定检索深度或生成SPARQL查询，在多个基准测试中性能有竞争力且高效可扩展。
Comments EKAW 2026 (accepted-posters-and-demos" target="_blank" rel="noopener">https://ekaw2026.di.unito.it/accepted-posters-and-demos)
对齐量子算子与大型语言模型
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出将酉算子映射到LLM潜空间的方法，实现量子与语言输入的联合建模，在Clifford+T电路合成任务上取得与最先进方法竞争的结果，并支持语言条件合成。
Evo-DKD：用于大语言模型中自主本体进化的双知识解码
机构 * Radian Group Inc.（Radian集团） ； Sri Sivasubramaniya Nadar College Of Engineering（纳德工程学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对本体和知识图谱进化难题，提出Evo-DKD双解码器框架，结合结构化遍历与非结构化推理，通过动态注意力机制协调，经模拟在单流模式下近似双解码，实验证明其在多领域用例中优于基线，为知识库维护提供新范式。
Comments 6 pages, 6 figures, 2 tables. Accepted for publication at IEEE ICMLA 2026
AREX：迈向深度研究的递归自我改进智能体
机构 * Beijing Academy of Artificial Intelligence (BAAI)（北京通用人工智能研究院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究针对深度研究中发现与验证答案的不对称性，提出递归自我改进智能体AREX。它通过内部研究与外部自我改进循环交替工作，学习自主上下文更新工具，经训练后在多个基准测试中显著优于同等规模基线，与参数更多模型竞争。
突破学习符号计算的数据障碍：变量顺序建议的圆柱代数分解案例研究
机构 * School of Mathematical Sciences, Jiangsu University（江苏大学数学科学学院） ； Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences（中国科学院重庆绿色智能技术研究所） ； Chongqing School, University of Chinese Academy of Sciences（中国科学院大学重庆学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本研究通过预训练和微调Transformer模型，改进了圆柱代数分解中变量顺序建议的效率，提升了符号计算的性能。
分析八个大语言模型的伦理逻辑
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究分析OpenAI等八个大语言模型的伦理逻辑，通过让模型回答伦理原则问题和道德困境，用多种理论分析其回答，发现模型伦理判断趋同但在做决定意愿等方面有差异，还能增进对人工智能工作及增强人类伦理行为的理解。
DN-Hypo-Pipeline：一种基于大语言模型和科学解释的AI驱动假设生成工作流
机构 * Computer Network Information Center, Chinese Academy of Sciences, China（中国科学院计算机网络信息中心）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出DN-Hypo-Pipeline，利用大语言模型和科学解释作为先验知识，从现有文献中推导新假设，在数据科学建模中通过统计推断和专家评估证明优于直接生成方法，并验证了生成假设对应的算法性能。
基于贝尔纳普类型内涵一阶逻辑的神经符号通用人工智能机器人的概率扩展
机构 * ISRST（未知（可能是某个特定名称的机构））
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究基于$IFOL_B$的神经符号人工智能，通过概率计算扩展其认知能力，引入全局和局部对称变换，利用神经网络基于香农最大信息熵计算概率密度函数$KI$，实现对未知句子概率计算及相关实时决策。
Comments 37 pages
MafiaScope：社交推理游戏中对大语言模型智能体的非侵入性、时间分辨信念探测
机构 * HSE University（俄罗斯高等经济研究大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究社交推理游戏中LLM智能体信念探测问题，提出MafiaScope测试平台，通过结构化问题让智能体私下作答并自动评分，可视化呈现信念轨迹，以DeepSeek为例进行研究，得出相关校准误差等结果并开源相关内容。
基于最大可满足性的反馈在数独中引导视觉语言模型
机构 * Artificial Intelligence Research Institute (IIIA), Consejo Superior de Investigaciones Científicas (CSIC)（人工智能研究所（IIIA），西班牙科学研究高级理事会（CSIC）） ； Institut de Robòtica i Informàtica Industrial (IRI-CSIC-UPC)（工业机器人与信息学研究所（IRI-CSIC-UPC））
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究在数独中引导视觉语言模型的问题，提出通过MaxSAT预言机将形式约束推理集成到VLM求解过程的神经符号方法，经实验验证该方法能提高逻辑一致性和解决实例数量，增强视觉语言推理可靠性。
Comments Accepted at the 25th EPIA Conference on Artificial Intelligence, EPIA 2026. 16 pages, 1 figure, and 1 table
具有闭合知识假设的神经符号强人工智能机器人：学习与推理
机构 * ISRST
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一种基于四值Belnap双石子的神经符号强人工智能机器人框架，通过闭合知识假设和逻辑推理实现知识扩展与矛盾处理。
Comments 37 pages
多智能体辩论何时以及为何失败，它真的表现不佳吗？
机构 * The Chinese University of Hong Kong（香港中文大学） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究院高级智能项目中心） ； Hong Kong Baptist University（香港 Baptist大学） ； The University of Tokyo（东京大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 研究多智能体辩论（MAD）失败原因及表现，分析竞争型和寻求共识型MAD范式问题，提出协作协议ColMAD，经实验验证其在错误检测等任务上比之前协议高出10个百分点，且优于单智能体方法，凸显协议设计对MAD潜力实现的关键作用。
Comments Preprint, ongoing work
强化学习会遗忘！迈向持续策略优化
机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education（教育部计算机网络和信息集成重点实验室（东南大学）） ； Zhongguancun Academy（中关村科学城公司） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 研究持续训练中强化学习易遗忘问题，引入MRCL基准测试，提出持续策略优化框架CPO，通过参数移动正则化减少遗忘，多模型规模实验验证了其有效性。
通过LLM驱动的代码基于进化进行认知Alpha挖掘
机构 * Jiutian Research, China Mobile（九天研究，中国移动） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出CogAlpha框架，结合代码级Alpha表示与LLM驱动的推理和进化搜索，以实现更广泛、结构化且人似的探索，提升Alpha发现的预测准确性与经济解释性。
揭示视觉语言模型中的视觉计数瓶颈
机构 * Department of Computer Science, ETH Zürich（苏黎世联邦理工学院计算机科学系）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 通过分解视觉计数为三个认知阶段，发现视觉语言模型在符号映射阶段失败，提出断裂数量假说：模型学习到分离的模态特定统计流形，无法实现跨模态对齐。
Comments ICML 2026
RIMRULE：通过MDL引导的规则学习改进使用工具的语言智能体
机构 * Intuit AI Research（Intuit AI研究）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究针对大型语言模型在特定领域使用工具的难题，提出RIMRULE神经符号方法，通过从失败轨迹提炼规则并用MDL目标巩固，以动态注入规则提升性能，实验证明该方法能提高工具使用准确性，且规则具有跨架构可移植性。
Comments Published as a long paper in the main conference of ACL 2026
BLAgent: 一种面向文件级Bug定位的代理RAG
机构 * University of Calgary（卡尔加里大学） ； York University（约克大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出BLAgent，一种新型代理RAG框架，用于文件级Bug定位，通过结合代码结构感知的仓库编码、双视角查询转换和两阶段代理重排序，提高了Bug定位的准确性和效率。
Comments Accepted for publication in ACM Transactions on Software Engineering and Methodology (TOSEM)
Flow-Opt: 用于多机器人轨迹优化的可扩展集中式方法，结合流匹配与可微优化
机构 * University of Tartu（塔尔图大学）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.LG
AI总结 本文提出Flow-Opt，通过生成模型与可微优化提升集中式多机器人轨迹优化的计算效率，实现快速生成数十机器人在复杂环境中的平滑轨迹，并支持批量处理与多样化路径生成。
用自然语言提示机器人团队
机构 * Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系） ； Department of Mechanical and Process Engineering, ETH Zurich（苏黎世联邦理工学院机械与过程工程系）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出利用语言模型将高层任务分解为子任务，并蒸馏为循环神经网络（RNN）以支持多机器人团队的去中心化实时执行，通过图神经网络控制策略实现协作。
Comments This paper has been accepted for publication at IEEE Robotics and Automation Letters. Please, when citing the paper, refer to the official version
从LLM中蒸馏答案集编程规则用于神经符号视觉问答
机构 * Vienna University of Technology ( TU Wien )（维也纳技术大学） ； Jönköping University（约克灵厄普大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出从大语言模型中蒸馏答案集编程规则的方法，以可解释的方式扩展视觉问答系统的推理能力，仅需少量示例即可生成正确规则。
Comments Under consideration in Theory and Practice of Logic Programming (TPLP)
HiMu: 面向长视频问答的分层多模态帧选择
机构 * INSIGHT Lab, Ben-Gurion University of the Negev, Israel（本-古里安内盖夫大学INSIGHT实验室，以色列） ； Ben-Gurion University of the Negev, Israel（本-古里安内盖夫大学，以色列）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出HiMu框架，通过文本LLM将查询分解为层次逻辑树，由视觉和音频专家处理原子谓词，经模糊逻辑算子组合生成连续帧满意度曲线，在16帧预算下达到帧选择方法的最优精度，并作为即插即用模块提升多种MLLM性能。
训练语言模型以使用Prolog作为工具
机构 * University of Southern Denmark（南丹麦大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文探讨通过强化学习训练语言模型使用Prolog进行符号推理，发现正确性与可审计性之间存在权衡，影响模型性能与可解释性。
Comments ACL 2026 Findings (change from last version: corrected year in this comment)
大型语言模型代理中行为智能的结构化认知循环（扩展修订：从行为架构到认知问责）
机构 * JEI University（JEI大学）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 提出结构化认知循环（SCL）架构，通过分离认知、记忆、控制和行动模块，实现LLM代理的可问责行为，在360个任务中成功率86.3%，优于基线方法。
Comments This revised version extends the original SCL framework from a behavioral architecture for reliable LLM agents into a broader architecture of epistemic accountability, integrating context-aware Human-in-the-Loop control, Pool-Gated Retrieval, and the Horizon-Warrant-Commitment structure
蓝图优先，模型其次：确定性LLM工作流框架
机构 * Alibaba（阿里巴巴）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 提出“蓝图优先，模型其次”框架，通过将工作流逻辑解耦为源代码蓝图并由确定性引擎执行，LLM仅处理子任务，在TravelPlanner上最终通过率提升97.6%，约束违反减少96.0%。
Comments 12 pages, 7 figures, 6 tables
Tangram: 解锁非均匀KV缓存以实现高效的多轮LLM服务
机构 * Hanyang University（翰林大学） ； Rebellions Republic of Korea（Rebellions）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.LG
AI总结 针对多轮LLM服务中KV缓存线性增长导致的GPU内存和带宽压力，提出Tangram系统，通过确定性预算分配、头组页面和提前负载均衡三项技术实现非均匀KV缓存的高效管理，吞吐量提升达2.6倍。
Comments 13 pages. 15 figures
从错误中学习：面向安全代码LLM的树状自博弈
专题命中 逻辑推理 ：self-correction(abstract)；分类 cs.AI
AI总结 提出树状自博弈（TSP）框架，将安全代码生成建模为细粒度序列决策过程，通过构建决策树探索安全与脆弱路径，使模型在关键决策节点自我纠正，显著提升代码安全性并实现跨语言泛化。
Comments 18 pages, 3 figures, Accepted by ICML 2026
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