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。
在LLM代理中治理演化的记忆：风险、机制以及稳定性与安全性的治理记忆（SSGM）框架
机构 * College of Intelligent Science and Engineering（智能科学与工程学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文研究了LLM代理中记忆治理的问题，提出了一种新的SSGM框架，通过一致性验证、时间衰减建模和动态访问控制来缓解记忆腐蚀风险，提高记忆系统的稳定性与安全性。
可访问性能力边界：AI生成浏览器原生可访问性系统的操作极限与扩展潜力
机构 * NUST Business School, NUST（NUST商学院，NUST） ； Kiara Inc.（Kiara公司）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出可访问性能力边界（ACB）理论框架，探讨AI生成浏览器原生可访问性系统在操作极限和扩展潜力方面的核心问题，并通过实证原型分析，定义了可访问性能力空间中的可达区域和不可达区域，为自主可访问性计算的可扩展性提供了理论基础。
Comments 21 pages, 4 figures
形式技能：用于高效且准确LLM代理的可编程运行时技能
机构 * FairyClaw
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出形式技能，一种用于LLM代理的可编程运行时技能抽象，通过JSON元数据和动作模式、可靠的Python执行器、受钩子控制的控制逻辑、形式技能路由和本地运行时状态，提高代理的效率和准确性。
通过提示注入在黑盒聊天机器人环境中研究隐私泄露链的实证研究
机构 * Department of Information Security（信息安全系） ； Soongsil University（松山大学） ； AI Safety Center（人工智能安全中心） ； Department of AI Software（人工智能软件系）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文研究了通过间接提示注入在黑盒聊天机器人环境中存在的隐私泄露攻击链，分析了攻击者如何通过构造看似无害的外部内容来劫持代理任务，并评估了新的提示注入技术'exemplification'的攻击成功率，最终展示了使用虚构个人信息的证明概念数据外泄链。
Comments 9 pages, 2 figures
A-ProS：通过多模型反馈实现可靠的自主编程
机构 * Dept. of Computer Science and Engineering, University of Dhaka（达卡大学计算机科学与工程系） ； Dept. of Information Systems, University of Maryland, Baltimore County（马里兰大学巴尔的摩县信息学院） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出A-ProS，一种通过多模型反馈框架实现自主编程的AI代理，结合生成器和调试器，通过多轮反馈提升代码生成的准确性与效率，实验表明其在解决编程问题上具有显著优势。
Comments Accepted for Publication in ACM Transactions on Software Engineering and Methodology (TOSEM)
CAM-Bench: 一个用于Lean中的计算与应用数学的基准测试
机构 * Fudan University（复旦大学） ； Qingdao University（青岛大学） ； Peking University（北京大学） ； Huawei Technologies Ltd.（华为技术有限公司）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出CAM-Bench，一个包含1000个Lean证明目标的基准测试，涵盖优化、数值线性代数和数值分析等领域，旨在补充现有形式化数学基准测试，通过针对依赖教科书概念和基本定理的应用数学问题进行评估。
Comments Preprint. 44 pages, 7 figures
大语言模型与不可能的语言习得："虚假承诺"或对当前人工智能观点的颠覆
机构 * New Talent Academy（新人才学院） ； Institute of Software, University of Chinese Academy of Sciences（中国科学院软件研究所）
专题命中 代码与定理证明 ：self-correction(abstract)；分类 cs.CL
AI总结 本文通过实验探讨大语言模型学习可能与不可能语言的能力，发现GPT-2模型在自然语言任务上表现优于不可能语言任务，而LSTM模型则无显著差异，挑战了Chomsky对AI的理性主义基础观点。
在混合DeltaNet-注意力解码器中证明更短的scratchpad
机构 * Centre for Credible AI（可信人工智能中心） ； Warsaw University of Technology（华沙理工大学）
专题命中 代码与定理证明 ：chain-of-thought(abstract)；分类 cs.LG
AI总结 研究混合递归-注意力解码器的表达能力，证明混合架构在模型表达性和效率上有优势，使用常数精度假设，Qwen风格的混合模型能以常数scratchpad解决parity-conditioned检索任务，而纯DeltaNet或纯注意力模型需多项式scratchpad。
Comments Under review at a ML conference
从LLM生成的猜想到Lean形式化：通过求和平方证书实现自动多项式不等式证明
机构 * School of Software Engineering, East China Normal University, Shanghai, China（东华大学软件工程学院） ； College of Computer Science and Technology, National University of Defense Technology, Changsha, China（国防科技大学计算机科学与技术学院） ； School of Computer and Information Engineering, Henan University, Kaifeng, China（河南大学计算机与信息工程学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出NSPI框架，结合LLM和符号计算，通过求和平方证书实现多项式不等式证明，展示其在10变量多项式上的有效性与可扩展性。
Comments Accepted to ICML 2026. Preprint version
Solvita：通过代理进化增强大型语言模型以应对编程竞赛
机构 * Nanjing University（南京大学） ； Tsinghua University（清华大学） ； Independent Researcher（独立研究者）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 Solvita通过闭环系统和可训练知识网络，使代理动态学习，提升编程竞赛任务的准确性和经验积累。
基于生成式人工智能的RISC-V供应链探索方法
机构 * Chair of Robotics, Artificial Intelligence and Real-Time Systems（机器人、人工智能与实时系统教授会） ； Technical University of Munich（慕尼黑技术大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出利用LLM和VLM的供应链分析流程，结合MDE技术提升对异构数据的分析能力，通过知识图谱揭示供应链组件间的依赖关系，支持供应链韧性评估。
提示分割与标注优化：通过优化段级标注控制大语言模型行为
机构 * Commonwealth Bank of Australia（澳大利亚全国银行）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出PSAO框架，通过段级标注提升提示优化的可控性和效率，实验证明标注能提高LLM推理准确性和自一致性。
（如何）大型语言模型理解高层次消息序列图？
机构 * Department of Informatics, King's College London（伦敦国王学院信息学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 研究探讨大型语言模型对高层次消息序列图（HMSC）语义的理解程度，通过129个语义任务测试三个模型，发现其在基本概念上准确率较高，但在抽象、组合及轨迹计算等任务上表现较差。
BRIDGE: 在领域引导的程序合成中构建表示
机构 * California Institute of Technology（加州理工学院） ； Amazon（亚马逊）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.LG
AI总结 BRIDGE通过多艺术ifacts程序合成框架提升Lean验证正确性，结合代码、规范和定理证明领域，提高生成效率和正确率。
Comments 41 pages, 10 figures, 3 tables. Preprint
ClassInvGen：利用大语言模型进行类不变式合成
机构 * Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） ； Purdue University（普渡大学）
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI
AI总结 本文提出ClassInvGen，利用大语言模型生成C++等主流语言的可执行类不变式及测试输入，优于纯LLM方法和Daikon等传统技术，提供基准测试和案例研究验证其有效性。
形式猜想：一个开放且不断演进的数学验证发现基准
机构 * Google DeepMind（谷歌DeepMind） ； Imperial College London（帝国理工学院伦敦分校） ； Stockholms universitet（斯德哥尔摩大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 Formal Conjectures提供2615个形式化的数学问题，包含1029个开放猜想和836个已解决问题，用于评估自动化推理系统的能力，并通过协作项目确保正确性，推动数学证明发现的进展。
Comments 21 pages, 4 figures, 5 tables
代理解释：基于格结构的证据用于基于LLM的程序分析
机构 * University of Southern California, Los Angeles, California, USA（美国南加州大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出代理解释框架，结合格结构静态分析与LLM程序推理，通过分解分析目标为局部断言并跟踪LLM判断，改进程序分析的灵活性和准确性。
Comments 27 pages, 6 figures
d-TreeRPO：迈向更可靠的扩散语言模型策略优化
机构 * Tsinghua University（清华大学） ； Tongyi Lab（通义实验室） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） ； Peking University（北京大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出d-TreeRPO框架，通过树状回滚和可验证奖励提升扩散语言模型策略优化的可靠性，理论证明预测信心提升可减少预测概率偏差，并在多个推理基准上取得显著提升。
Comments ACL 2026 Main
利用工程作为范畴架构
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI
AI总结 本文提出利用范畴架构三元组（G, Know, Phi）作为LLM代理的正式化框架，通过映射四个支柱到三元组组件，提供结构保证并验证了编译器在不同框架中的表现。
BoolXLLM: 基于大语言模型的布尔模型可解释性
机构 * AI Center of Excellence, Fidelity Investments（富达投资人工智能卓越中心） ； Department of Computer Science, Brown University（布朗大学计算机科学系）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出BoolXLLM框架，结合大语言模型提升布尔模型的可解释性，通过特征选择、阈值推荐和规则压缩三个阶段增强解释性，实现理论与人类可理解的结合。
医学模型合成架构：一种案例研究
机构 * MIT（麻省理工学院） ； University of Cambridge（剑桥大学） ； Princeton University（普林斯顿大学） ； Duke University（杜克大学） ； The Alan Turing Institute（艾伦·图灵研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一种框架，使AI系统能在不确定性下进行实用且形式透明的临床预测。通过语言模型检索知识并构建概率模型，实现校准和可验证的推理，用于鉴别诊断并讨论未来应用方向。
Comments Working paper
面向现实代理系统的正式政策执行
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Cornell University（康奈尔大学） ； Langroid
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出基于面向切面编程的框架，通过Datalog语言实现跨代理系统的政策执行，解决传统方法无法保证正式执行的问题。
GamED.AI：一种用于自动教育游戏生成的分层多智能体框架
机构 * Arizona State University（亚利桑那州立大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出GamEDAI框架，通过分层多智能体方法将教师提供的问题转化为可玩的教育游戏，验证通过形式化机制合同。系统在200个问题上实现90%验证通过率和98.3%的模式合规性。
Patch2Vuln: 基于Linux发行版二进制补丁的漏洞重构
机构 * University College London（伦敦大学学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文探讨利用语言模型代理从Linux发行版二进制补丁中重构漏洞，提出Patch2Vuln流程，通过提取ELF对、差异分析和代理审计，验证了二进制补丁中漏洞重构的可行性。
知识图谱：代理AI形式验证中的缺失链接
机构 * 1 Infineon Technologies Dresden AG \& Co. KG, Germany 2 Infineon Technologies Semiconductor India Private Limited, India
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出基于知识图谱的验证方法，通过结构化中间表示提取规范、RTL和工具反馈，提升形式验证中规范到RTL的关联性，并通过多代理工作流生成SVAs及三种修正循环。
Comments To appear at the IEEE International Conference on IC Design and Technology 2026 (ICICDT), June 22 - 24, 2026, Dresden, Germany
神经符号证明生成用于系统软件验证的扩展
机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； School of Computer Science, Nanjing University, China（南京大学计算机科学学院） ； Department of Computer Science, ETH Zurich, Switzerland（苏黎世联邦理工学院计算机科学系） ； School of Computing and Mathematical Sciences, Birkbeck, University of London, UK（伦敦大学伯克贝克学院计算与数学科学学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一种神经符号证明生成框架，通过结合大语言模型和交互式定理证明工具，实现系统级验证的自动化证明搜索，有效提升软件验证的可扩展性。
Comments Published as a conference paper at OSDI'2026, and code is available at \url{https://github.com/SoaringE/seL4-proof-search}
GDPR自动形式化与AI代理和人类验证
机构 * Center for Juris-Informatics, ROIS-DS（法律信息中心，ROIS-DS） ； Ruhr-University Bochum, RC-Trust（波恩鲁尔大学，RC-Trust） ； Alberta Machine Intelligence Institute, University of Alberta（阿尔伯塔机器智能研究所，阿尔伯塔大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文研究利用大语言模型在人类在环验证框架下实现GDPR条款自动形式化的整体过程，通过角色专业化工作流结合人类审查，构建高质量数据集并分析成功与问题案例，证明结构化验证和针对性人类监督对可靠法律形式化至关重要。
Comments Accepted at ICAIL 2026
基于大语言模型的6G智能协商：解决不确定性忽视和尾事件风险
机构 * i2CAT Foundation（i2CAT基金会） ； Technical University of Catalonia（技术大学巴塞罗那） ； University of Oulu（奥卢大学） ； Research Institute for Digital Future（数字未来研究院） ； Khalifa University（卡利法大学） ； ISI/ATH and University of Patras（ISI/ATH和帕特拉斯大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一个无偏、风险意识的智能协商框架，通过数字孪生和极值理论中的条件风险价值（CVaR）预测尾部风险，提升6G网络切片的资源分配鲁棒性，验证了无偏方法在消除SLA违规和降低延迟方面的有效性。
GeoCert: 用于可靠预测的几何AI
机构 * Department of Biomedical Informatics & Data Science, Yale University（耶鲁大学生物医学信息学与数据科学系） ； Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； School of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.LG
AI总结 GeoCert通过统一预测、物理推理和形式验证，提升预测系统的准确性与可靠性，实现97.5%的计算成本降低和更高效的认证。
Comments 15 pages, 4 figures
ArgRE：基于形式论证的多智能体需求协商中的冲突解决
机构 * Department of Computer Science and Communications Engineering, Waseda University（早稻田大学计算机科学与通信工程系） ； College of Architecture and Urban Planning, Tongji University（同济大学建筑与城市规划学院） ； Advanced Institute of So-Go-Chi (Convergence Knowledge) Informatics, Tohoku University（东北大学So-Go-Chi（融合知识）信息学高级研究所） ； Aisin Corporation（日产公司）
专题命中 代码与定理证明 ：planning(abstract)；分类 cs.AI
AI总结 ArgRE通过嵌入Dung风格的抽象论证，提供多智能体需求协商中的冲突解决，提升可审计性与合规性。
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