RECON: An LLM-Enhanced Backward Constraint Analysis Framework
RECON：一种增强LLM的逆向约束分析框架
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 提出RECON框架，结合LLM语义理解与静态分析，从Android字节码中提取精确执行约束，比传统符号执行快5.8倍且成功率达100%。
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 逻辑推理 259 篇
Evidence Markets
证据市场
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 提出证据市场，通过动态调整流动性的对数市场评分规则，激励提交证据和信念，支持内生解决，证明有界损失、证据按市场不确定性奖励，并实现ε-DSIC策略。
MedSIGHT: Towards Grounded Visual Comprehension in Medical Large Vision-Language Models
MedSIGHT：迈向医学大型视觉语言模型中的基础视觉理解
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)
AI总结 提出MedSIGHT框架，通过区域感知器、医学区域码本和渐进训练策略，统一医学视觉语言模型的语义理解和像素级分割，在72K数据上达到多模态理解与分割的SOTA。
Comments Accepted at ICML 2026
2. 规划推理 854 篇
IV-CoT: Implicit Visual Chain-of-Thought for Structure-Aware Text-to-Image Generation
IV-CoT: 面向结构感知文本到图像生成的隐式视觉思维链
机构 * NLPR, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； Ant Group（蚂蚁集团） ； The University of Hong Kong（香港大学）
专题命中 规划推理 ：CoT(title,title_cn)；chain-of-thought(title,abstract)；reasoning(abstract)；planning(abstract)
AI总结 提出隐式视觉思维链（IV-CoT）框架，通过结构到语义的级联分解和训练时草图监督，在不增加推理开销的情况下提升文本到图像生成的结构感知能力。
FactorDrive: Adaptive Multi-Step Reasoning Driven by Planning-Critical Factors for End-to-End Autonomous Driving
FactorDrive：面向端到端自动驾驶的、由规划关键因素驱动的自适应多步推理
机构 * Southeast University（东南大学） ； Universiti Malay（马来亚大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Peking University（北京大学）
专题命中 规划推理 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；planning(title,abstract)；chain-of-thought(abstract)
AI总结 该研究针对现有端到端自动驾驶方法在空间物理证据融合、推理适应及推理路径优化上的不足，提出FactorDrive框架，通过PCF-CoT数据集与QS-GRPO算法优化推理，在两类基准上取得最优规划性能。
Chain-of-Thought Shows the Path to a Tree: Realizing Branching Complexity
思维链（Chain-of-Thought, CoT）展现了通往树的路径：实现分支复杂性
机构 * Indian Statistical Institute（印度统计研究所） ； LTCI, Télécom Paris（法国电信巴黎高等学院 LTCI 实验室）
专题命中 规划推理 ：CoT(title_cn,summary_cn)；chain-of-thought(title,title_cn)；分类 cs.LG
AI总结 该研究针对分支复杂性，通过硬注意力解码器实现DFS与迪杰斯特拉算法的CoT构造，得到树的斯特拉勒数和宽度，为CoT层次线性步长机制提供非平凡见证。
CoT-Edit: Let CoT Guide Instruction Video Editing
CoT-Edit：让思维链（CoT）指导指令视频编辑
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学）
专题命中 规划推理 ：CoT(title,title_cn)；reasoning(abstract)；chain-of-thought(abstract)
AI总结 本文提出CoT-Edit的plan--guide--edit框架，以CoT增强的MLLM为规划器生成空间先验，结合扩散编辑器实现高保真指令视频编辑，性能优于多个基准方法
Cognitive Demand Steering for Adaptive Meta-Reasoning in Large Language Models
大语言模型自适应元推理的认知需求引导
机构 * Thomson Reuters Foundational Research（汤森路透基础研究部） ； Imperial College London（帝国理工学院）
专题命中 规划推理 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI
AI总结 该研究提出无需训练的元推理框架CDS，通过认知量表刻画需求，在三类大模型和六个基准上较直接调用、标准CoT分别提升21.9%、9%准确率，难数学编码任务增益显著。
Comments 21 pages, 3 figures
Tyler: Typed Latent Reasoning for Language Models -- When to Think, What to Compute, and How Much to Allocate
Tyler: 语言模型的类型化潜在推理——何时思考、计算什么以及分配多少
机构 * Shenzhen University（深圳大学） ； University of Alberta（阿尔伯塔大学）
专题命中 规划推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；planning(abstract)
AI总结 提出Tyler框架，通过类型化潜在推理模块和预算感知策略，在自回归解码中动态选择文本生成或潜在计算，显著提升推理准确率并降低遗忘。
Comments website: https://typed-latent-reasoning.github.io
Parse, Search, and Confirmation: Training-Free Aerial Vision-and-Dialog Navigation with Chain-of-Thought Reasoning and Structured Spatial Memory
解析、搜索与确认：基于思维链推理和结构化空间记忆的免训练空中视觉与对话导航
机构 * School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息工程学院） ； Jianghuai Advance Technology Center（江淮先进技术中心） ； Anhui Provincial Key Laboratory of Humanoid Robots（安徽省人形机器人重点实验室） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； University of Macau（澳门大学）
专题命中 规划推理 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)
AI总结 研究免训练环境下的空中视觉与对话导航任务，提出PSC - AVDN框架，结合解析 - 搜索 - 确认推理管道与结构化空间记忆，整合多种空间线索，在免训练设置中取得新的最优性能。
Comments 10 pages, 4 figures. Accepted to CVPR 2026
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 23859-23868
TsuGO: Probing Search Efficiency in LLM Reasoning via Go Life-and-Death Problems
TsuGO：通过围棋死活问题探究大语言模型推理中的搜索效率
专题命中 规划推理 ：reasoning(title,abstract)；chain-of-thought(abstract,abstract_cn)；CoT(abstract,abstract_cn)；分类 cs.AI
AI总结 本研究提出围棋死活问题基准TsuGO，发现现有LLM的推理搜索组织能力远逊于神经引导的KataGo，指出搜索组织是LLM推理评估的缺失维度。
Comments 23 pages, 12 figures, 20 tables, 2 algorithms
EVL-MCoT: Enhanced Vision-Language Multi-CoT for Harmful Meme Detection
EVL-MCoT：用于有害模因检测的增强视觉语言多思维链
机构 * School of Information Science and Engineering, Yunnan University（云南大学信息科学与工程学院）
专题命中 规划推理 ：CoT(title,summary_cn)；chain-of-thought(abstract)；分类 cs.AI
AI总结 针对有害模因检测，提出增强视觉语言多CoT（EVL-MCoT）方法，通过促进多CoT及设计解码框架，解决现有方法局限，在相关数据集上获良好结果，且公开了源代码。
ThinkingVLA: Interleaved Vision and Language Reasoning for Robotic Manipulation
ThinkingVLA：用于机器人操作的交叉视觉与语言推理
机构 * Fudan University（复旦大学）
专题命中 规划推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；planning(abstract)
AI总结 提出ThinkingVLA，通过统一的多Transformer架构实现前向与逆向推理交织，显著提升长时域操作任务性能。
SBCO: Self-Supervised, Verifier-Grounded Harness Optimization For Planning Agents
SBCO：面向规划智能体的自监督、验证器驱动的工具链优化器
专题命中 规划推理 ：planning(title,abstract)；verifier(title,abstract)；分类 cs.AI
AI总结 本研究针对规划任务提出SBCO，一种自监督的验证器驱动工具链优化器，其性能优于或相当的定制基线，且计算成本仅为其1/4至1/5.5。
Beyond the Leaderboard: A Synthesis of Tool-Use, Planning, and Reasoning Failures in Large Language Model Agents
超越排行榜：大语言模型智能体中工具使用、规划和推理失败的综合分析
机构 * University of Oxford（牛津大学）
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.AI
AI总结 本文综合多篇论文形成大语言模型智能体局限性交叉分类法，识别出六个失败集群，通过迭代分组得出分类法，发现失败与任务长度非线性相关，单个子任务性能不能保证端到端成功，额外脚手架效果不佳，同时在部分任务上有进展。
Comments 16 pages, 3 tables, 1 figure
GRASP: Graph-Reasoning Aided Survey Planning for High-Fidelity Related Work Generation
GRASP：用于高保真相关工作生成的图推理辅助综述规划
机构 * Department of Computer Science（计算机科学系）
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.CL
AI总结 研究如何写文献综述，核心方法是结合大语言模型规划与图算法，主要贡献是提出GRASP框架，其两层图结构及拓扑感知剪枝能生成与人工撰写匹配的相关工作部分。
Comments 23 pages, 3 figures. Published in Findings of the Association for Computational Linguistics: ACL 2026
Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pages 36427-36449, San Diego, California, United States. Association for Computational Linguistics
SAGP: Semantic Affordance-Guided Grasp Planning via Coarse-Zone VLM Reasoning
SAGP：基于粗区域VLM推理的语义 affordance 引导抓取规划
机构 * Khalifa University（哈利法大学） ； KU Center for Autonomous Robotic Systems (KUCARS)（KU自主机器人系统中心（KUCARS））
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)
AI总结 SAGP是一种无训练的抓取规划框架，通过粗区域抽象层结合VLM推理与几何规划，在保持纯几何抓取高成功率的同时，提升了抓取的功能适用性，尤其适用于非对称带把手物体。
Comments Accepted in ICAME2026
When RAG Meets Query Planning: Logical Query Trees for Resolving Exploratory Reasoning Problems
当RAG遇见查询规划：用于解决探索性推理问题的逻辑查询树
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)
AI总结 针对检索增强生成在探索性推理问题中的检索噪声和错误累积问题，提出PlanRAG框架，将自然语言建模为逻辑查询树，通过动态规划和代价模型优化查询树，实现高效并行处理，在WikiWeb-ERP数据集上优于现有方法。
Comments Accepted by SIGMOD 2027
MEMORA: Embodied Action Memory from Egocentric Videos for Reasoning and Planning
MEMORA：基于自我中心视频的具身动作记忆用于推理与规划
专题命中 规划推理 ：planning(title,abstract)；reasoning(title)；分类 cs.CL、cs.AI
AI总结 研究针对长期机器人规划中对具身经验记忆的需求，提出MEMORA方法，通过形成-巩固-检索生命周期及四种类型存储实现具身动作记忆，经实验评估取得良好结果，能为机器人规划提供记忆上下文。
Comments 43 pages, 9 figures. Oral presentation at the Robotics: Science and Systems 2026 Workshop on Foundation Models for Robot Planning (FM4RoboPlan)
CARE: Confidence-Aware Reasoning for Reliable Medical VQA
CARE：用于可靠医学视觉问答的置信感知推理
机构 * Ant Group（蚂蚁集团） ； University of Michigan（密歇根大学） ； City University of Hong Kong（香港城市大学）
专题命中 规划推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.AI
AI总结 该研究针对医学多模态大语言模型的置信度校准问题，提出CARE框架，通过双阶段流程优化准确率与校准度，在三个医学VQA基准上取得最优性能，为临床决策支持提供可信基础。
Comments Accepted by MICCAI 2026
Towards Long-Horizon Vessel Trajectory and Destination Forecasting with Reasoning Large Language Models
面向长时域船舶轨迹与目的地预测的推理型大语言模型
机构 * Institute of High Performance Computing (IHPC), A*STAR, Singapore（新加坡科技研究局高性能计算研究所） ； The Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University（同济大学道路与交通工程教育部重点实验室） ； Meituan Inc., Shenzhen, China（美团（深圳）） ； Centre for Frontier AI Research (CFAR), A*STAR, Singapore（新加坡科技研究局前沿人工智能研究中心） ； Nankai University（南开大学） ； School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；verifier(abstract)；分类 cs.AI、cs.LG
AI总结 提出基于可验证奖励强化学习（RLVR）的Maritime LLM后训练框架，将轨迹转化为语义文本，通过物理有效性约束和层次匹配提升长时域（30天）预测精度，4B模型表现最优。
Comments The IEEE International Conference on Intelligent Transportation Systems (ITSC) 2026, Naples, Italy
KGCache: Amortized Subgraph Retrieval for KG Reasoning with LLMs
KGCache：基于大型语言模型的知识图谱推理的摊销子图检索
机构 * Texas A&M University（得克萨斯农工大学）
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 本研究针对KGQA中重复检索知识图谱邻域的问题，提出兼容ToG与RoG范式的KGCache，经在WebQSP和CWQ上评估，可显著加速知识图谱检索。
Comments 11 pages, 5 figures
PACE: Adaptive Budget Allocation for Time-Efficient Embodied Planning
PACE：面向时间高效具身规划的自适应预算分配
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 PACE框架通过交错式思考-执行架构和动态预算分配器，在Robotouille基准测试中较ReAct+Think基线提升规划成功率，同时大幅减少推理时间，实现具身规划的时间效率与质量同步提升。
A Multi-Agent Framework for Zero-Dimensional Reduced-Order Model Planning
用于零维降阶模型规划的多智能体框架
机构 * Institute of Engineering Thermophysics, Chinese Academy of Sciences（中国科学院工程热物理研究所） ； National Key Laboratory of Science and Technology on Advanced Light-duty Gas-turbine（先进轻型燃气轮机技术重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Qingdao Institute of Aeronautical Technology（青岛航空技术研究院） ； Nanjing Future Energy System Research Institute（南京未来能源系统研究院）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；CoT(abstract)；分类 cs.LG
AI总结 本文针对复杂零维降阶模型规划中依赖人工、传统方法局限等问题，提出多智能体架构Z-COPA，其核心是专用图表示法，将规划转化为图结构优化问题，经多基准测试验证，该框架性能卓越且打破传统范式，提供新规划技术方法。
AdaptAgent: A Multi-agent, Domain-Guided Reasoning Framework for Code Adaptation
AdaptAgent：一种用于代码适配的多智能体、领域引导推理框架
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；verifier(abstract)
AI总结 本研究提出AdaptAgent框架，通过分工的多智能体实现代码适配，在真实数据集上的语义正确性优于强基线，各智能体对适配效果均有重要作用。
The Physics of Multi-Turn Long-Horizon Planning: From Pre-training to Post-training via Single- and Multi-Teacher On-Policy Agentic Distillation
多轮长期规划的物理学：通过单教师和多教师策略蒸馏从预训练到训练后
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 规划推理 ：planning(title,abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究多轮长期规划问题，通过引入统一可控环境，利用预训练、GRPO、OPD及MOPD等方法，研究规划能力在不同阶段的获取、塑造与整合，展示了多教师策略蒸馏对跨环境能力整合的作用。
Detecting Vulnerability-Inducing Commits via Multi-Stage Reasoning with LLM-Based Agents
通过基于大语言模型的智能体进行多阶段推理来检测导致漏洞的提交
专题命中 规划推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)
AI总结 研究旨在检测导致漏洞的提交，提出基于大语言模型的多智能体框架VIC - RAGENT，利用多个专业智能体提供互补视角，通过多阶段推理过程完善候选漏洞，实验表明其性能优于基线，为VIC检测提供实用方案。
MedRLM: Recursive Multimodal Health Intelligence for Long-Context Clinical Reasoning, Sensor-Guided Screening, Evidence-Grounded Decision Support, and Community-to-Tertiary Referral Optimization
MedRLM：用于长上下文临床推理、传感器引导筛查、证据支持决策及社区到三级转诊优化的递归多模态健康智能
机构 * School of Information, Computer ； Communication Technology Sirindhorn International Institute of Technology, Thammasat University Pathum Thani, Thailand 1
专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出MedRLM递归多模态健康智能框架，通过递归检查、分解、检索、验证和合成患者信息，协调多个专业代理并引入临床证据图记忆，实现长上下文临床推理和传感器引导筛查。
Comments 9 pages, 3 figures, 3 tables, 1 Algorithm, 29 equations
What We Talk About When We Talk About LLM Planning: Evidence for Two Distinct Planning Abilities
当我们谈论大语言模型规划时我们在谈论什么：两种不同规划能力的证据
机构 * Faculty of Information Technology, Monash University（莫纳什大学信息技术学院）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract,comments)；分类 cs.AI
AI总结 研究大语言模型规划任务性能差异原因，通过在ACPBench-Hard上评估多个模型家族，应用多维项目反应理论模型，发现操作推理和结构枚举两个塑造规划性能的维度，推动大语言模型规划的能力层面评估。
Comments 19 pages. Keywords: Reasoning, Automated Planning, Item Responses Theory, LLMs as Planner Research Area: NLP and Symbolic Reasoning Research Area Keywords: neurosymbolic, planning in agents, symbolic reasoning Contribution Types: Model analysis & interpretability
APIVOT: Adaptive Planning with Interleaved Vision-Language Thoughts
APIVOT：具有交错视觉语言思维的自适应规划
机构 * Stanford University（斯坦福大学）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 研究长期机器人规划问题，提出基于VLM的APIVOT规划器，通过自适应交错语言和视觉思维，利用语言语义推理、视觉思维验证几何可行性，在长期厨房任务中表现出色，提升了规划成功率和推理效率。
Comments Project Page: https://emilyzjin.github.io/projects/apivot.html
