大模型推理能力

Discoverable Agent Knowledge -- A Formal Framework for Agentic KG Affordances (Extended Version)

可发现的智能体知识——智能体知识图谱能力的形式化框架（扩展版）

Terry R. Payne, Valentina Tamma, Enrico Daga

机构 * School of Computer Science and Informatics, University of Liverpool, UK（利物浦大学计算机科学与信息学学院） ； Open University（开放大学） 纠错

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

AI总结 本文提出一个四维形式化框架（语义表达性、智能体可发现性、任务相对基础性和认知信任范围），并从中推导出智能体能力概况（AAP），作为VoID和DCAT之上的语义层，支持智能体在规划时进行原则性的知识图谱选择、组合和故障诊断。

PathMem: Toward Cognition-Aligned Memory Transformation for Pathology MLLMs

PathMem: 面向病理学多模态大模型的认知对齐记忆转换

Jinyue Li, Yuci Liang, Qiankun Li, Xinheng Lyu, Jiayu Qian, Huabao Chen, Kun Wang, Zhigang Zeng, Anil Anthony Bharath, Yang Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； Shenzhen University（深圳大学） ； Nanyang Technological University（南洋理工大学） ； Imperial College London（伦敦帝国学院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 提出PathMem框架，通过长期记忆与工作记忆的动态转换机制，实现结构化病理知识整合与可解释记忆控制，在WSI报告生成和开放诊断任务上达到SOTA。

From Next Token Prediction to (STRIPS) World Models

从下一个词预测到（STRIPS）世界模型

Carlos Núñez-Molina, Vicenç Gómez, Hector Geffner

机构 * RWTH Aachen University, Germany（亚琛工业大学，德国） ； Universitat Pompeu Fabra, Spain（庞培法华大学，西班牙） 纠错

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

AI总结 研究下一个词预测能否产生支持规划的世界模型，提出STRIPS Transformer和标准Transformer两种架构，在五个经典规划领域评估训练准确率、泛化能力和规划性能。

Discovering High Level Patterns from Simulation Traces

从仿真轨迹中发现高层次模式

Sean Memery, Kartic Subr

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文提出了一种通过程序合成进行无监督学习的方法，将仿真轨迹转换为稀疏的高层次模式表示，以提升大语言模型对物理系统的推理能力。

Domain-Adaptable Reinforcement Learning for Code Generation with Dense Rewards

用于密集奖励的领域可适应强化学习代码生成

Erfan Aghadavoodi Jolfaei, Daniel Maninger, Abhinav Anand, Mert Tiftikci, Mira Mezini

机构 * Hessian Center for Artificial Intelligence (hessian.AI)（海斯曼人工智能中心） ； National Research Center for Applied Cybersecurity ATHENE（应用网络安全国家研究中心ATHENE） 纠错

专题命中 代码与定理证明 ：planning(abstract)；分类 cs.LG

AI总结 本研究提出了一种领域可适应的强化学习框架，用于改进代码生成的正确性、质量和安全性，通过定制化的执行感知奖励公式和令牌级奖励映射机制，提高了代码生成在不同领域中的适应性和执行效率。

Comments 10 pages, 2 figures, under review

Governing Evolving Memory in LLM Agents: Risks, Mechanisms, and the Stability and Safety Governed Memory (SSGM) Framework

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

Chingkwun Lam, Jiaxin Li, Lingfei Zhang, Kuo Zhao

机构 * College of Intelligent Science and Engineering（智能科学与工程学院） 纠错

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。

The Accessibility Capability Boundary: Operational Limits and Expansion Potential of AI-Generated Browser-Native Accessibility Systems

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

Rizwan Jahangir, Daisuke Ishii

机构 * NUST Business School, NUST（NUST商学院，NUST） ； Kiara Inc.（Kiara公司） 纠错

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

Formal Skill: Programmable Runtime Skills for Efficient and Accurate LLM Agents

形式技能：用于高效且准确LLM代理的可编程运行时技能

Xi Zhang, Meijun Gao, Yuntian Zhao, Xinyu Tan, Yilun Yao, Feiyu Wang, Yanshu Wang, Dingsiyi, Tong Yang

机构 * FairyClaw 纠错

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。

An Empirical Study of Privacy Leakage Chains via Prompt Injection in Black-Box Chatbot Environments

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

Hongjang Yang, Hyunsik Na, Daeseon Choi

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） 纠错

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: Towards Reliable Autonomous Programming Through Multi-Model Feedback

A-ProS：通过多模型反馈实现可靠的自主编程

Anika Tabassum, Md Sifat Hossain, Md. Fahim Arefin, Tariqul Islam, Tarannum Shaila Zaman

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） 纠错

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: A Benchmark for Computational and Applied Mathematics in Lean

CAM-Bench: 一个用于Lean中的计算与应用数学的基准测试

Wentao Long, Yunfei Zhang, Chenyi Li, Li Zhou, Chumin Sun, Zaiwen Wen

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） 纠错

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

Large Language Models and Impossible Language Acquisition: "False Promise" or an Overturn of our Current Perspective towards AI

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

Ziyan Wang, Longlong Ma

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） 纠错

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。

Provably Shorter Scratchpads in Hybrid DeltaNet-Attention Decoders

在混合DeltaNet-注意力解码器中证明更短的scratchpad

Tomasz Steifer

机构 * Centre for Credible AI（可信人工智能中心） ； Warsaw University of Technology（华沙理工大学） 纠错

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

From LLM-Generated Conjectures to Lean Formalizations: Automated Polynomial Inequality Proving via Sum-of-Squares Certificates

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

Ruobing Zuo, Hanrui Zhao, Gaolei He, Zhengfeng Yang, Jianlin Wang

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） 纠错

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: Enhancing Large Language Models for Competitive Programming via Agentic Evolution

Solvita：通过代理进化增强大型语言模型以应对编程竞赛

Han Li, Jinyu Tian, Rili Feng, Yuqiao Du, Chong Zheng, Chenyu Wang, Chenchen Liu, Shihao Li, Xinping Lei, Yifan Yao, Weihao Xie, Letian Zhu, Jiaheng Liu

机构 * Nanjing University（南京大学） ； Tsinghua University（清华大学） ； Independent Researcher（独立研究者） 纠错

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。

GenAI-Driven Approach to RISC-V Supply Chain Exploration

基于生成式人工智能的RISC-V供应链探索方法

Nenad Petrovic, Andre Schamschurko, Yingjie Xu, Alois Knoll

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） 纠错

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。

Prompt Segmentation and Annotation Optimisation: Controlling LLM Behaviour via Optimised Segment-Level Annotations

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

Devika Prasad, Luke Gerschwitz, Tong Li, Henry Xiao, Anjin Liu, Coco Wu, Anna Leontjeva, Luiz Pizzato

机构 * Commonwealth Bank of Australia（澳大利亚全国银行） 纠错

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。

(How) Do Large Language Models Understand High-Level Message Sequence Charts?

（如何）大型语言模型理解高层次消息序列图？

Mohammad Reza Mousavi

机构 * Department of Informatics, King's College London（伦敦国王学院信息学院） 纠错

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: Building Representations In Domain Guided Program Synthesis

BRIDGE: 在领域引导的程序合成中构建表示

Robert Joseph George, Carson Eisenach, Udaya Ghai, Dominique Perrault-Joncas, Anima Anandkumar, Dean Foster

机构 * California Institute of Technology（加州理工学院） ； Amazon（亚马逊） 纠错

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: Class Invariant Synthesis using Large Language Models

ClassInvGen：利用大语言模型进行类不变式合成

Chuyue Sun, Viraj Agashe, Saikat Chakraborty, Jubi Taneja, Clark Barrett, David Dill, Xiaokang Qiu, Shuvendu K. Lahiri

机构 * Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） ； Purdue University（普渡大学） 纠错

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。

Formal Conjectures: An Open and Evolving Benchmark for Verified Discovery in Mathematics

形式猜想：一个开放且不断演进的数学验证发现基准

Moritz Firsching, Paul Lezeau, Salvatore Mercuri, Miklós Z. Horváth, Yaël Dillies, Calle Sönne, Eric Wieser, Fred Zhang, Thomas Hubert, Blaise Agüera y Arcas, Pushmeet Kohli

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） 纠错

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

Agentic Interpretation: Lattice-Structured Evidence for LLM-Based Program Analysis

代理解释：基于格结构的证据用于基于LLM的程序分析

Jacqueline L. Mitchell, Chao Wang

机构 * University of Southern California, Los Angeles, California, USA（美国南加州大学） 纠错

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: Towards More Reliable Policy Optimization for Diffusion Language Models

d-TreeRPO：迈向更可靠的扩散语言模型策略优化

Leyi Pan, Shuchang Tao, Yunpeng Zhai, Zheyu Fu, Liancheng Fang, Minghua He, Lingzhe Zhang, Zhaoyang Liu, Bolin Ding, Aiwei Liu, Lijie Wen

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） 纠错

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

Harness Engineering as Categorical Architecture

利用工程作为范畴架构

Bogdan Banu

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: LLM-Assisted Explainability for Boolean Models

BoolXLLM: 基于大语言模型的布尔模型可解释性

Du Cheng, Serdar Kadioglu, Xin Wang

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） 纠错

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。

Medical Model Synthesis Architectures: A Case Study

医学模型合成架构：一种案例研究

Katherine M. Collins, Marlene Berke, Ilia Sucholutsky, Ayman Ali, Adrian Weller, Timothy J. O'Donnell, Tyler Brooke-Wilson, Lionel Wong, Joshua B. Tenenbaum

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） 纠错

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

Formal Policy Enforcement for Real-World Agentic Systems

面向现实代理系统的正式政策执行

Nils Palumbo, Sarthak Choudhary, Jihye Choi, Guy Amir, Prasad Chalasani, Somesh Jha

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 纠错

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: A Hierarchical Multi-Agent Framework for Automated Educational Game Generation

GamED.AI：一种用于自动教育游戏生成的分层多智能体框架

Shiven Agarwal, Yash Shah, Ashish Raj Shekhar, Priyanuj Bordoloi, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） 纠错

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: Agentic Reconstruction of Vulnerabilities from Linux Distribution Binary Patches

Patch2Vuln: 基于Linux发行版二进制补丁的漏洞重构

Isaac David, Arthur Gervais

机构 * University College London（伦敦大学学院） 纠错

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。

Knowledge Graphs, the Missing Link in Agentic AI-based Formal Verification

知识图谱：代理AI形式验证中的缺失链接

Vaisakh Naduvodi Viswambharan, Keerthan Kopparam Radhakrishna, Deepak Narayan Gadde, Aman Kumar

机构 * 1 Infineon Technologies Dresden AG \& Co. KG, Germany 2 Infineon Technologies Semiconductor India Private Limited, India 纠错

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