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。
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。
从非结构化文本自动生成本体：一种多智能体LLM方法
机构 * Rensselaer Polytechnic Institute（拉特格斯理工学院）
专题命中 代码与定理证明 ：planning(abstract)；分类 cs.AI
AI总结 本文提出一种多智能体LLM方法，通过领域特定保险合同实验，验证了在本体生成中规划优先、任务驱动的架构能提升结构质量和查询性。
从自然语言到验证代码：迈向借助Dafny基于形式验证的AI辅助问题到代码生成
机构 * Department of Computer Science, The University of Alabama（阿拉巴马大学计算机科学系） ； The University of Alabama（阿拉巴马大学） ； Alabama Water Institute, The University of Alabama（阿拉巴马水研究院，阿拉巴马大学）
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI
AI总结 本文提出NL2VC-60数据集，通过分层提示策略评估不同LLM在形式验证中的表现，发现结构化提示和迭代反馈能显著提升验证成功率，证明开放权重LLM可用于高可靠软件开发。
Comments 16 pages
知即建构：基于模式约束的代理记忆生成
机构 * UnionPay（中国银联）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出SCG-MEM架构，通过模式约束生成实现记忆检索，避免结构幻觉并提升多跳推理能力，实验显示其在LoCoMo基准上表现优异。
从模糊到正式：利用AI扩展医院质量改进
机构 * University of California, San Francisco（加州大学旧金山分校） ； Zuckerberg San Francisco General Hospital（扎克伯格旧金山总医院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出通过AI框架优化医院质量改进过程，通过学习LLM提示和自然语言规范，提升质量因素发现的效率与可追溯性，实现人类与AI协同优化。
Comments 34 pages, 8 figures, 6 tables
Yanasse：从深度视觉类比中寻找新证明，第一部分
机构 * Getulio Vargas Foundation and ARGO LABS（格尔维拉斯基金会和ARGO实验室）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 Yanasse通过将证明策略模式从结构上遥远的数学领域转移到另一个领域，发现新证明。该方法在概率与表示论之间应用，生成4个Lean验证的新证明，证明编译无错误。
迈向去中心化应用中的自适应、基于学习的安全性
机构 * Department of Computer Science and Technology, University of Cambridge, Cambridge, United Kingdom（计算机科学与技术系，剑桥大学，剑桥，英国）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文探讨了Web3系统中传统安全机制的局限性，提出基于学习的安全原语，通过AI驱动的智能证书实现持续推理与适应，以应对动态演变的攻击策略。
在LLM代理网络中的联盟形成：稳定性分析与收敛保证
机构 * Department of Compute Science, The University of Hong Kong（香港大学计算机科学系） ； Brain Investing Limited（Brain Investing有限公司） ； Stellaris AI Limited（Stellaris AI有限公司）
专题命中 代码与定理证明 ：chain-of-thought(abstract)；分类 cs.AI
AI总结 本文提出首个基于享乐博弈理论的LLM联盟形成框架，分析了LLM代理的有限理性特性，并通过实验验证了CoalT协议在联盟稳定性上的优越性。
Comments 15 pages including supplementary material, 2 figures, 5 tables
ChatSVA: 通过任务特定的LLM桥接SVA生成用于硬件验证
机构 * National ASIC Center, School of Integrated Circuits, Southeast University, China（国家集成电路中心，东南大学集成电路学院，中国） ； National Center of Technology Innovation for Electronic Design Automation, China（电子设计自动化技术创新国家中心，中国） ； Department of Computer Science, City University of Hong Kong, Hong Kong, China（计算机科学系，香港城市大学，香港，中国）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 ChatSVA利用多智能体框架生成SVA，实现98.66%的语法正确率和96.12%的功能通过率，功能覆盖率提升33.3个百分点，建立了一个在少样本、领域特定场景中解决长链推理问题的稳健框架。
Comments Accepted by DAC 2026
将外部知识转化为三元组以增强LLM中RAG的检索
机构 * School of Computing, Kyung Hee University（韩国庆熙大学计算机学院） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； School of Robotics and Advanced Manufacture, Harbin Institute of Technology（哈尔滨工业大学机器人与先进制造学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL
AI总结 Tri-RAG通过结构化三元组构建提升检索效率，减少冗余信息，提高生成质量与资源利用率。
Comments 12 pages, 5 figures
DuET：通过生成代码和伪代码的双执行进行测试输出预测
机构 * ETRI（韩国电子通信研究院） ； Seoul National University（首尔大学） ； SNU-LG AI Research Center（首尔大学-LG人工智能研究中心） ； LG AI Research（LG人工智能研究院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出DuET框架，结合生成代码和伪代码执行，通过功能多数投票提升测试输出预测的准确性，实验表明其在LiveCodeBench上达到最优性能，Pass@1提升13.6个百分点。
Comments Findings of ACL 2026
从代理循环到结构化图：一个用于LLM代理执行的调度理论框架
专题命中 代码与定理证明 ：planning(abstract)；分类 cs.AI
AI总结 本文提出SGH框架，通过将控制流显式化为静态DAG，解决代理循环的隐式依赖、无限恢复循环和调试困难问题，同时分析可控性、表达性和可实现性之间的权衡。
Comments 51 pages, 4 figures
MAFIG：多智能体驱动的正式指令生成框架
机构 * School of Computer and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） ； Engineering Research Center of Intelligent Swarm Systems, Ministry of Education（教育部智能集群系统工程研究中心） ； National Supercomputing Center in Zhengzhou（国家超级计算郑州中心） ； Henan Research Center for Large Model Technology and New Quality Software Engineering（河南省大模型技术与新质软件工程研究中心）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出MAFIG框架，通过多智能体生成局部正式指令以应对调度系统紧急情况，采用span-focused loss-driven local distillation机制提升决策效率，实验结果显示在港口、仓储和甲板调度数据集上成功率高且处理速度快。
通过临床世界模型和技能混合框架在人类认知中奠定临床AI能力
机构 * Department of Cardiology, Inselspital, Bern University Hospital, University of Bern（伯尔尼大学医院心脏病学系，伯尔尼大学） ； Department of Digital Medicine, Bern University Hospital, University of Bern（伯尔尼大学医院数字医学系，伯尔尼大学） ； Division of Data-Driven and Digital Medicine (D3M), Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院数据驱动与数字医学部） ； Clinical Research Development Center, Amir Oncology Teaching Hospital, Shiraz University of Medical Sciences（设拉子医科大学阿米尔肿瘤教学医院临床研究发展中心） ； Graduate School for Cellular and Biomedical Sciences, University of Bern（伯尔尼大学细胞与生物医学研究生院） ； Faculty of Business and Information Technology, Ontario Tech University（安大略理工大学商业与信息技术学院） ； Department of Radiation Oncology, Inselspital, Bern University Hospital and University of Bern（伯尔尼大学医院放射肿瘤学系，伯尔尼大学） ； ARTORG Center for Biomedical Engineering Research, University of Bern（伯尔尼大学ARTORG生物医学工程研究中心） ； The Charles Bronfman Institute of Personalised Medicine, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院查尔斯·布朗夫曼个性化医学研究所） ； University Institute of Diagnostic and Interventional Neuroradiology, Inselspital, Bern University Hospital, University of Bern（伯尔尼大学医院诊断与介入神经放射学大学研究所，伯尔尼大学） ； Translational Imaging Center (TIC), Swiss Institute for Translational and Entrepreneurial Medicine（瑞士转化与创业医学研究所转化影像中心） ； Henry D. Janowitz Division of Gastroenterology, Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院亨利·D·雅诺维茨消化内科）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出临床世界模型和技能混合框架，通过八维定义临床能力空间，为AI在医疗场景中的能力评估和验证提供结构化方法。
Comments Code, data (Clinical AI Skill-Mix dimension specifications), and an exploratory dashboard are available at https://github.com/Sdamirsa/Clinical-World-Model
M-ArtAgent：基于证据的多模态代理用于隐式艺术影响发现
机构 * China Electronics Technology Group Co., Ltd.（中国电子科技集团有限公司） ； School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院） ； Department of Chemical and Biological Engineering, Hong Kong University of Science and Technology（香港科技大学化学与生物工程系） ； University of California San Diego（加州大学圣迭戈分校） ； Northeastern University（东北大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出M-ArtAgent，通过概率裁决框架解决隐式艺术影响发现问题，结合多模态感知与领域约束的反驳机制，实现83.7%的F1分数和0.910的ROC-AUC。
Comments 13 pages, 5 figures, submitted to IEEE Access
通过形式验证高效PRM训练数据合成
机构 * Penn State University（宾夕法尼亚州立大学） ； Columbia University（哥伦比亚大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出FoVer框架，利用形式验证工具生成PRM训练数据，提升LLM推理能力，实验显示其在数学逻辑和自然语言推理任务中均有效。
Comments ACL 2026 Findings. Datasets, models, and code are provided at https://github.com/psunlpgroup/FoVer. Please also refer to our project website at https://fover-prm.github.io/
CODE-GEN：一种基于检索增强生成的多选题生成人机协作人工智能系统
机构 * University of Notre Dame（圣母大学）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 CODE-GEN通过生成与课程目标一致的多选题提升学生代码推理能力，采用生成器和验证器代理，结合专用工具提高准确性，评估结果显示系统在七个教学维度上表现优异，但人类专家仍需参与设计教学性干扰项和反馈质量。
Comments Full version of the paper accepted as a short paper at the 27th International Conference on Artificial Intelligence in Education (AIED 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