大模型推理能力

WebDesignIter: Co-Evolving Design Knowledge for Repository-Level Front-End Code Generation

WebDesignIter：用于仓库级前端代码生成的协同进化设计知识

Zheng Pei, Mingwei Liu, Zhenxi Chen, Zihao Wang, Yanlin Wang

专题命中 代码与定理证明 ：planning(abstract)

AI总结 研究针对前端开发仓库级代码生成问题，提出WebDesignIter框架，通过持久知识图谱融合设计知识与仓库结构，分两阶段工作，实验证明其相比基线和通用编码代理有优势，凸显设计知识对仓库级代码生成的重要性。

Collective Cognition in Hybrid Groups: A Network Science Synthesis

混合群体中的集体认知：网络科学综合研究

Babak Hemmatian, Razan Baltaji, Lav R. Varshney

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 研究人工智能代理融入人类团队后混合系统中集体智能的产生，综合网络科学等多学科，通过注意力等视角分析不同网络中集体结果的塑造因素及扩展到混合环境的情况，确定鲁棒效应与需修正之处，得出对相关方面的启示。

Comments Non-authoritative author's version of forthcoming chapter in the Springer Nature Handbook of Hybrid Intelligence

VLM-CASE: Vision-Language Model Enabled Context-Adaptive Safety Envelopes for Anticipatory Safe Autonomous Driving

VLM-CASE：面向前瞻安全自动驾驶的视觉语言模型赋能上下文自适应安全包络

Tianjia Yang, Ke Li, Ruwen Qin, Xianbiao Hu

机构 * Department of Civil and Environmental Engineering, The Pennsylvania State University（宾夕法尼亚州立大学土木与环境工程系） ； Department of Civil Engineering, Stony Brook University（石溪大学土木工程系） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 针对恶劣工况下自动驾驶感知与性能退化、仅能事后响应的问题，提出基于微调VLM的上下文自适应安全包络框架，实现前瞻安全控制，在多场景仿真中性能优于基线方法。

A Comprehensive Study of Implementation Bugs in Multi-modal Agents

多模态智能体中实现错误的综合研究

Suwan Li, Lei Bu, Shangqing Liu, Yile Wang, Guangdong Bai, Fuman Xie, Kai Chen, Chang Yue

专题命中 代码与定理证明 ：planning(abstract)

AI总结 针对多模态智能体实现错误缺乏系统研究的问题，收集34个智能体，从1268个问题报告中识别出158个错误，开发分类法，实现MATester工具，为多模态智能体错误分类、预防和修复提供参考。

CrypFormBench: Benchmarking Formal Analysis Capability of Large Language Models for Cryptographic Schemes

CrypFormBench：评估大型语言模型在密码方案形式化分析中的能力基准

Zhaoxuan Li, Qionglu Zhang, Hengyuan Liu, Xiaoyan Gu, Xianhui Lu, Hongbo Liu, Bingzheng Wang, Haihui Fan, Ziming Zhao, Rui Zhang, Li Zhou

专题命中 代码与定理证明 ：verifier(abstract)

AI总结 提出CrypFormBench基准，涵盖符号与计算安全，评估LLM在密码方案形式化分析中的五项核心能力，发现模型在生成、转换和修正方面表现有限。

Comments 23 pages, 17 figures, FSE 2026

Verifiable Auto-Formalization of Mathematics Using a Relaxed Natural Formal Language

使用宽松自然形式语言的可验证数学自动形式化

Zhicheng Hui, Lihan Xie, Xingzhi Qi, Zhehao Li, Yingjun Lan, Qinxiang Cao

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 提出一种宽松自然形式语言作为中间目标，通过分阶段精化实现可验证的数学自动形式化，结合规则转换与LLM启发式方法，并利用领域特定策略语言生成验证条件。

Formal-Method-Guided Vibe Coding: Closing the Verification Loop on AI-Generated Safety-Critical Software Through Model-Driven Engineering

形式化方法引导的Vibe编码：通过模型驱动工程关闭AI生成安全关键软件的验证循环

Ran Wei, Le Zhu, Haochi Wang, Jim Woodcock, Fang Yan, Simon Foster, Xiangyang Ji

专题命中 代码与定理证明 ：verifier(abstract)

AI总结 提出Forge管道，结合Vibe编码与模型驱动工程，通过多种形式化验证（Dafny、CSP、Isabelle）迭代修正LLM生成的Java代码，生成符合安全标准的验证证据。

Statistical Proof as a Window into Human-AI Collaboration: Practical Insights and a Community Agenda

统计证明作为人机协作的窗口：实践见解与社区议程

Xiaojing Sun, Huayu Tang, Buxin Su, Mateo Matijasevick, Chong Wu, Fei Xue, Bingxin Zhao

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 通过统计证明任务，发现当前通用大语言模型在精确定义问题下可执行技术组件，但在开放或长链推理中不可靠，提出人机协作中人类专业知识应聚焦于问题构建与验证。

SHACR: A Graph-Augmented Semi-Autonomous Framework for Multi-Class Conflict Resolution in Smart Home IoT Automation

SHACR：一种用于智能家居物联网自动化中多类冲突解决的图增强半自主框架

Leena Marghalani, Walid Aljoby, Suayb S. Arslan

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 提出SHACR框架，通过有向知识图谱将冲突检测从文本推理转化为确定性多跳图遍历，统一逻辑、语义和物理冲突，结合LLM实现闭环工作流，在203条规则测试中F1从0.59提升至0.95。

From Production SIEM to Reusable Cybersecurity Artifacts

从生产SIEM到可复用的网络安全工件

Sidnei Barbieri, Leonardo Vaz de Meneses, Ágney Lopes Roth Ferraz, Wagner Comin Sonaglio, Lourenço Alves Pereira Júnior

专题命中 代码与定理证明 ：verifier(abstract)

AI总结 提出一种从生产金融安全运营中心提取、匿名化、结构化并验证SIEM数据的方法，生成可复用的研究工件，并通过训练和测量实验验证其隐私-效用边界。

ARENA: An Architecture for Measuring the Transferability of Autonomous Cyber Defense

ARENA: 一种衡量自主网络防御可迁移性的架构

Sidnei Barbieri, Ágney Lopes Roth Ferraz, Wagner Comin Sonaglio, Gioliano de Oliveira Braga, Henrique Curi de Miranda, Lourenço Alves Pereira Júnior

专题命中 代码与定理证明 ：verifier(abstract)

AI总结 针对生产环境安全运营中心数据难以公开的问题，提出一种从私有生产数据中提取、匿名化、结构化并验证SIEM数据的方法，在保护隐私的同时保留任务相关结构，并通过两个应用案例验证了隐私-效用边界。

The Hitchhiker's Guide to Program Analysis, Part III: Mostly Harmless LLMs

程序分析漫游指南，第三部分：基本无害的LLMs

Haonan Li, Tianyang Zhou, Manu Sridharan, Hang Zhang, Zhiyun Qian

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 提出Evident系统，将LLM用于构建分析框架，后端形式化验证错误状态不可达，在151个真实警告中正确分类，未漏报任何确认漏洞。

DIG: Oracle-Guided Directed Input Generation for One-Day Vulnerabilities

DIG：面向单日漏洞的Oracle引导定向输入生成

Andrew Bao, Haochen Zeng, Peng Chen, Stephen McCamant, Pen-Chung Yew

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 针对补丁延迟或未完全部署导致的单日漏洞风险，提出Oracle引导的定向输入生成方法DIG，利用补丁揭示触发条件，通过LLM合成Oracle并引导生成器进化与定向模糊测试，在138个真实CVE上触发80个漏洞，超过现有技术。

IDDMBSE: Integrating Data-Driven and Model-Based Systems Engineering for Trusted Autonomous Cyber-Physical Systems

IDDMBSE：集成数据驱动和基于模型的系统工程用于可信自主网络物理系统

John S. Baras, Sai Sandeep Damera, Ryan Matheu, Clinton Enwerem, Praveen M. S. Kumar

机构 * Institute for Systems Research, University of Maryland, College Park（系统研究所，马里兰大学，College Park） 纠错

专题命中 代码与定理证明 ：planning(abstract)

AI总结 提出IDDMBSE方法，将MBSE V流程与数据驱动循环结合，通过开源工具链PERFECT、TRADES-X和VERITAS实现，在自主地面机器人全生命周期验证其有效性。

Comments 9 pages, 11 figures. This work has been submitted to the IEEE for possible publication

Beyond Visual Cues: CoT-Enhanced Reasoning for Semi-supervised Medical Image Segmentation

超越视觉线索：CoT增强推理用于半监督医学图像分割

Yuming Chen, Yuxin Xie, Tao Zhou, Yi Zhou

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 New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications, Ministry of Education（教育部新一代人工智能技术及其跨学科应用重点实验室） ； Nanjing University of Science and Technology（南京理工大学） 纠错

专题命中 逻辑推理 ：CoT(title,title_cn)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.LG

AI总结 提出CERS框架，通过集成链式思维推理和语义参考选择策略，解决半监督医学图像分割中的视觉-语义不匹配问题，在边界模糊和语义不一致场景下优于现有方法。

Comments Accepted to MICCAI 2026

SymStep: Symbolic Step Verification for Logical Reasoning

SymStep：用于逻辑推理的符号步骤验证

Aida Usmanova, Rui Gao, Dilshod Azizov, Ricardo Usbeck, Zangir Iklassov

机构 * Leuphana University of Lüneburg（吕讷堡莱普芬纳大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)

AI总结 研究针对约束密集型逻辑推理任务中思维链提示的不足，提出SymStep方法，通过语言模型分步声明、约束传播器检查一致性等进行推理，在多个逻辑推理任务上表现优异，最小剩余值指导和一致性检查起关键作用。

VeryTrace: Verifying Reasoning Traces through Compilable Formalism and Structured Verification

VeryTrace: 通过可编译形式化与结构化验证验证推理轨迹

Ninghan Zhong, Ahmet Ege Tanriverdi, Kaan Kale, Sriram Vishwanath

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, USA（佐治亚理工学院电子与计算机工程学院） ； Department of Electrical and Computer Engineering, Bogazici University, Turkey（博亚奇大学电子与计算机工程系） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；planning(abstract)

AI总结 提出VeryTrace框架，将自然语言推理轨迹形式化为可编译的领域特定语言（DSL），结合确定性检查与LLM审计进行混合验证，实现步骤级错误定位与修复，在数学、机器人规划、亲属推理任务上提升准确率。

Comments Accepted at LM4Plan Workshop @ ICML 2026

Reason Popper-ly: Patching In-Context Reasoning with Inductive Logic Programming

合理地运用波普尔方法：用归纳逻辑编程修补上下文推理

Zirong Chen, Meiyi Ma

机构 * Vanderbilt University（范德堡大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；verifier(abstract)

AI总结 研究针对思维链提示中间步骤逻辑不合理问题，提出Reason Popper-ly框架，用归纳逻辑编程学习规则作在线验证器校正步骤，在CLUTRR基准测试中提升了模型准确率，还产生细粒度错误分类法，优于完全外部符号管道。

Comments Accepted at the 20th Conference on Neurosymbolic Learning and Reasoning

Thinking vs. NoThinking: Towards Interpreting Reasoning Mechanisms of Large Language Models via Sparse Autoencoders

思考与非思考：基于稀疏自编码器的大语言模型推理机制可解释性研究

Bo Cheng, Qiaolin Lu, Yi Chang, Yuan Wu

专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract,abstract_cn)；CoT(abstract,abstract_cn)；分类 cs.CL

AI总结 本研究基于稀疏自编码器分析DeepSeek-R1-Distill-Qwen-7B的推理机制，揭示思考与非思考模式的神经差异，为大语言模型推理可解释性提供新见解。

Quantifying Consistency in LLM Logical Reasoning via Structural Uncertainty

通过结构不确定性量化LLM逻辑推理中的一致性

Baishali Chaudhury, Mengdie Flora Wang, Hyunji Hayley Park, Rahul Ghosh, Sungmin Hong, Jae Oh Woo

机构 * AWS Generative AI Innovation Center（AWS生成式AI创新中心） 纠错

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

AI总结 提出结构不确定性框架，通过自偏好排序的稳定性评估LLM推理一致性，在逻辑和数学任务中与答案分散度互补，提升不可靠实例识别。

Comments Published at ICLR 2026 Workshop on Logical Reasoning of Large Language Models. Accepted as best paper

ADAGE: A Language-Agnostic Pipeline for Analogical Reasoning Evaluation

ADAGE：一种用于类比推理评估的语言无关管道

Ahmed Haj Ahmed, Alvin Grissom

机构 * Haverford College（哈弗福德学院） 纠错

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

AI总结 研究针对多语言推理评估依赖翻译基准的问题，提出ADAGE语言无关管道，结合母语者策划与大语言模型辅助生成构建基准，通过为多种语言构建基准并评估模型，发现文化推理差距，还发布了相关内容。

Coherence Under Commitment: Probing Generalization and Vacuous Memorization in LLM Logical Reasoning

承诺下的一致性：探究LLM逻辑推理中的泛化与空洞记忆

Noor Islam S. Mohammad, Mahmudul Hasan

机构 * Department of Computer Science, Informatics Institute, Istanbul Technical University（伊斯坦布尔技术大学信息学研究所计算机科学系） ； School of Information Technology, Deakin University（迪肯大学信息技术学院） 纠错

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

AI总结 提出双查询评估范式CUC，联合测量一致性与决断力，揭示LLM通过系统性弃权实现空洞一致性的失败模式。

A False Average: Chain-of-Thought Monitors Collapse Where They Are the Only Defense

虚假的平均值：思维链监控在其作为唯一防御的地方失效

Shikhar Shiromani, Leo Richter

专题命中 逻辑推理 ：chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 该研究指出思维链监控在作为唯一防御时会失效，攻击者通过重写智能体推理可大幅降低监控捕获率，攻击可跨模型迁移，仅轨迹防御难恢复，需外部信息辅助。

Semiotic logical hexagon theory for LLM logical reasoning

用于大语言模型逻辑推理的符号逻辑六边形理论

Yunyao Zhang, Xinglang Zhang, Zeliang Chen, Junqing Yu, Zikai Song

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 研究大语言模型逻辑推理中语义组织的影响，提出HexLogicAgent框架，先组织自然语言含义再结构化验证推理。发现不完整语义表示是推理失败主因，建模语义对立结构可延迟性能下降，实验证明该框架能提高推理可靠性。

How Post-Training Shapes Biological Reasoning Models

后训练如何塑造生物学推理模型

Lukas Fesser, Hanlin Zhang, Michelle M. Li, Eric Wang, Bryan Perozzi, Shekoofeh Azizi, Sham M. Kakade, Marinka Zitnik

机构 * Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究院） 纠错

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

AI总结 研究后训练各阶段（CPT、SFT、RL）对生物学推理模型领域内和领域外性能的影响，发现SFT提升领域内性能但损害泛化，RL可部分恢复泛化，最佳策略是短SFT加长RL。

HOLMES: Evaluating Higher-Order Logical Reasoning in LLMs

HOLMES: 评估大语言模型中的高阶逻辑推理

Yucheng Wu, Jundong Xu, Mingzhen Ju, Yue Yu, Chenpeng Wang, Haoxuan Li, Liangming Pan

机构 * State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； YiXin-AILab, YIXIN（YiXin-AILab，YIXIN） 纠错

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

AI总结 提出HOLMES基准，基于高阶逻辑评估LLM在规则、谓词和约束上的推理能力，发现当前模型平均准确率仅50.64%，揭示高阶符号推理是关键瓶颈。

ChLogic: Evaluating Robustness of Logical Reasoning in Chinese Expressions

ChLogic: 评估中文表达中逻辑推理的鲁棒性

Peixian Zhou, Yuxu Chen, Chaorui Zhang, Wei Han, Bo Bai, Xueyan Niu

机构 * College of Mathematics, Sichuan University（四川大学数学学院） ； Theory Lab, 2012 Labs, Huawei Technologies Co., Ltd（华为技术有限公司2012实验室理论实验室） 纠错

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

AI总结 提出英中对照基准ChLogic，通过形式逻辑模板构建数据集，测试模型在英文和多种中文表达下逻辑推理的鲁棒性，发现英中性能差距，回译效果因数据集和模型而异。

Neuro-Symbolic Drive: Rule-Grounded Faithful Reasoning for Driving VLAs

神经符号驱动：基于规则忠实推理的驾驶VLA

Xiangbo Gao, Xiukun Huang, Boyu Lu, Junge Zhang, Mengjie Mao, Jiachen Li, Wei Xiong, Zhengzhong Tu

机构 * Texas A&M University（德克萨斯农工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Maryland（马里兰大学） ； University of California, Riverside（加利福尼亚大学河滨分校） ； University of Pittsburgh（匹兹堡大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；planning(abstract)

AI总结 提出神经符号驱动框架，利用规则规划器的决策轨迹监督驾驶VLA，实现推理与运动生成的因果耦合，显著降低轨迹误差和碰撞率。

Robust Dual-Signal Fusion: Hybrid Neuro-Symbolic Gating with Compressed Chain-of-Thought Refinement for Irony Detection in Social Media Texts

鲁棒双信号融合：混合神经符号门控与压缩链式思维精炼用于社交媒体文本讽刺检测

Ankit Bhattacharjee, Krityapriya Bhaumik

机构 * Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校） 纠错

专题命中 逻辑推理 ：chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 提出RDS融合框架，结合神经符号架构与压缩链式思维推理，在TweetEval和iSarcasm数据集上达到与微调BERTweet相当的性能，并显著优于监督方法。

Comments 11 pages total, 10 figures

Video-MME-Logical: A Controlled Diagnostic Benchmark for Video Temporal-Logical Reasoning

Video-MME-Logical: 面向视频时序逻辑推理的受控诊断基准

Hohin Kwan, Hongyu Li, Ray Zhang, Manyuan Zhang, Xianghao Kong, Anyi Rao, Jiahao Xie, Si Liu

机构 * HKUST（香港科技大学） ； Colab, Beihang University（北京航空航天大学合作实验室） ； CUHK（香港中文大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title,abstract)

AI总结 为隔离评估多模态大模型在视频中的时序逻辑推理能力，提出包含五种时序逻辑操作和25个细粒度任务类别的受控基准，通过控制时间跨度和推理复杂度进行难度可控评估，并支持中间状态诊断。