大模型推理能力

Bridging Interleaved Multi-Modal Reasoning as a Unified Decision Process

将交错多模态推理作为统一决策过程进行衔接

Zican Hu, Xuyang Hu, Yiming Liu, Zuwei Long, Wei Liu, Yunzhuo Hao, Jiawei Gu, Linjie Li, Yu Cheng, Zhenhong Sun, Weibo Gu, Xing Sun, Zhi Wang

机构 * Nanjing University（南京大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Washington（华盛顿大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 研究统一多模态模型中强化学习优化多轮生成的问题，提出BRAID框架，将文本-图像-文本推理视为统一马尔可夫决策过程，通过单一强化学习目标联合优化文本和视觉生成，实验表明该框架性能优于基线。

Comments 22 pages, 8 figures

VideoSearcher: Empowering Video Deep Research with Multi-Tool Agentic Reasoning via Reinforcement Learning

VideoSearcher：通过强化学习利用多工具智能推理助力视频深度研究

Zhenkun Gao, Yicheng Bao, Jinlong Peng, Xueheng Li, Theo Huang, Bangwei Liu, Kunquan Li, Zhenye Gan, Tao Hu, Chengjun Xie, Mingqian Yang, Xuanhua He, Zhizhong Zhang, Xin Tan, Chengjie Wang, Yuan Xie

机构 * Stephengzk 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 针对视频理解局限，提出VideoSearcher框架，统一多任务于单推理轨迹，用强化学习算法BiSPO优化推理轨迹，构建新基准，实验表明其在多基准中显著优于开源基线。

Comments Technical report. Project page: https://stephen-gzk.github.io/VideoSearcher-website/ ; Code: https://github.com/Stephen-gzk/VideoSearcher ; Model & Data on HuggingFace

Atomic Task Graph: A Unified Framework for Agentic Planning and Execution

原子任务图：智能体规划与执行的统一框架

Yue Zhang, Sihan Chen, Ziwen Huang, Hanyun Cui, Kangye Ji, Zhi Wang

机构 * South China University of Technology（华南理工大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 提出原子任务图（ATG）框架，通过显式图结构暴露子任务依赖、支持并行执行和局部错误修复，在三个交互基准上使用7B-8B模型显著提升成功率和执行效率。

Comments 14 pages, 7 figures

FaithMed: Training LLMs For Faithful Evidence-Based Medical Reasoning

FaithMed: 训练大语言模型进行忠实于证据的医学推理

Zhiyun Zhang, Liwen Sun, Xiang Qian, Chenyan Xiong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Stanford University School of Medicine（斯坦福大学医学院） ； Xlue 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 提出FaithMed框架，通过过程级奖励和优势分组强化学习，监督LLM在医学推理中忠实评估和应用检索证据，在7个基准上平均提升9%。

Comments 15 pages, 5 figures

RareDxR1: Autonomous Medical Reasoning for Rare Disease Diagnosis Beyond Human Annotation

RareDxR1：超越人类标注的罕见病诊断自主医学推理

Deyang Jiang, Haoran Wu, Ziyi Wang, Yiming Rong, Yunlong Zhao, Ye Jin, Bo Xu

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出端到端推理大模型RareDxR1，通过知识内化与自主进化学习框架，结合反思增强推理采样和双级课程强化学习，直接从非结构化临床笔记诊断罕见病，无需依赖结构化表型或人类标注，在多个基准上达到最先进准确率。

Comments 7 pages, 3 figures. Accepted to IEEE International Conference on Multimedia and Expo (ICME) 2026

Evo-PI: Aligning Medical Reasoning via Evolving Principle-Guided Supervision

Evo-PI：通过演化原则引导的对齐医学推理

Xianda Zheng, Huan Gao, Meng-Fen Chiang, Michael Witbrock, Kaiqi Zhao, Shangyang Li

机构 * School of Computer Science, University of Auckland（奥克兰大学计算机科学学院） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Renyixun Health Technology Co., Ltd.（仁医讯健康科技有限公司） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出Evo-PI框架，将推理原则作为可演化的语言监督信号，通过协同进化循环动态调整模型推理，在医学视觉问答中提升准确率最高达24.6%。

Token-Sparse Medical Multimodal Reasoning via Dual-Stream Reinforcement Learning

通过双流强化学习实现令牌稀疏的医学多模态推理

Kaitao Chen, Weiqian Zhao, Jiamin Wu, Qihao Zheng, Shangquan Sun, Chunfeng Song, Xiaosong Wang, Mu Zhou, Mianxin Liu

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出双流强化学习框架ViToS，通过主动视觉令牌剪枝实现令牌稀疏的医学多模态推理，在七个医学基准上减少77%令牌并提升性能。

Comments ICML2026

MultiUAV-Plat: An LLM-Oriented Platform, Benchmark and Framework for Multi-UAV Collaborative Task Planning

MultiUAV-Plat：面向多无人机协同任务规划的LLM平台、基准测试与框架

Sheng Zhang, Qinglin Li, Yuechao Zang, Xueqin Huang, Yijia Fu, Cheng Zhu

机构 * National Key Laboratory of Information Systems Engineering, National University of Defense Technology（国防科技大学信息系统工程国家重点实验室） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 提出MultiUAV-Plat平台与基准测试，以及Agent4Drone框架，通过LLM驱动的工具交互实现多无人机协同任务规划，在任务通过率等指标上显著优于基线方法。

DSIP: A Dynamic Coordination Planner for Signal-Free Intersections using Diffusion-Model-Based Multi-Agent Motion Planning

DSIP: 基于扩散模型的多智能体运动规划的无信号交叉口动态协调规划器

Qian Hu, Haoyang Peng, Songan Zhang, Ming Yang, Hongtei Eric Tseng

机构 * Global Institute of Future Technology, Shanghai Jiao Tong University（上海交通大学全球未来技术学院） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Department of Electrical Engineering, The University of Texas at Arlington（德克萨斯大学阿灵顿分校电气工程系） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 提出DSIP框架，利用扩散模型生成多车连续轨迹优化，替代传统信号相位控制，在SUMO仿真中显著降低平均延误并提高平均速度。

Reasoning Beyond Prediction: From Data-Driven to Causal Software Engineering

超越预测的推理：从数据驱动到因果软件工程

Roberto Pietrantuono, Luca Giamattei, Stefano Russo

机构 * University of Naples Federico II（那不勒斯费德里科二世大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 本文提出因果软件工程新范式，通过因果推理增强工程师的决策能力，超越传统数据驱动方法，以应对日益复杂的软件系统开发挑战。

Comments Accepted for publication in Communications of the ACM

Finding the Time to Think: Learning Planning Budgets in Real-Time RL

寻找思考时间：在实时强化学习中学习规划预算

Aneesh Muppidi, Firas Darwish, Dylan Cope, João F. Henriques, Jakob Nicolaus Foerster

机构 * British Open-ended Learning and Discovery Lab (BOLD)（英国开放性学习与探索实验室（BOLD）） ； University of Oxford（牛津大学） ； VGG（视觉信息小组） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.LG

AI总结 针对环境在决策期间持续运行的实时强化学习，提出一种轻量级门控策略，根据状态选择规划预算，在多个实时游戏中优于固定预算和启发式基线。

Do vision-language models search like humans? Reasoning tokens as a reaction-time analog in classic visual-search paradigms

视觉-语言模型的搜索方式与人类相似吗？经典视觉搜索范式中推理标记作为反应时间类似物

Farahnaz Wick

机构 * Independent Researcher（独立研究者） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 研究视觉-语言模型（VLM）在经典视觉搜索任务中是否表现出类似人类的行为模式，通过推理标记数量作为搜索努力度的指标，发现模型复现了部分人类特征但也存在关键差异。

From Recognition to Understanding: Unlocking Cognitive Time Series Reasoning with LLMs

从识别到理解：利用LLM解锁认知时间序列推理

Xin Qiu, Junlong Tong, Yao Zhang, Yunpu Ma, Wei Zhang, Xiaoyu Shen

机构 * Institute of Digital Twin, Eastern Institute of Technology（东方理工数字孪生研究所） ； Zhejiang University（浙江大学） ； Munich Center for Machine Learning, LMU（慕尼黑机器学习中心，慕尼黑大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 针对现有时间序列任务与LLM能力不匹配的问题，提出多模态基准TSCognition和统一框架TSAlign，通过认知推理任务和语义对齐提升LLM的时间序列推理性能。

AgentDSE: Reasoning-Augmented Architectural Design Space Exploration

AgentDSE：推理增强的架构设计空间探索

Chenyu Wang, Jiahe Caroline Shi, David Kong, Duane S. Boning, Zishen Wan, Yilun Du, Vijay Janapa Reddi

机构 * Harvard University（哈佛大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Columbia University（哥伦比亚大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出AgentDSE，利用大语言模型编码代理自动进行架构推理，在DNN加速器映射、软硬件协同设计和CPU缓存层次优化中，以少两个数量级的评估次数达到竞争或更优的设计质量。

Comments Accepted to the Machine Learning for Architecture and Systems Workshop (MLArchSys), co-located with ISCA 2026

Trip+: Benchmarking Agents in Personalized Interactive Travel Planning

Trip+: 个性化交互式旅行规划中的智能体基准测试

Junle Chen, Wei Chen, Yehong Xu, Zhengjun Huang, Yuqian Wu, Zhoujin Tian, Kai Wang, Lei Wang, Xiaofang Zhou

机构 * HKUST（香港科技大学） ； Tencent Hy（腾讯Hy） ； HKUST(GZ)（香港科技大学（广州）） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 提出Trip+基准，通过多轮交互和分钟级行程生成与修订，评估智能体在个性化旅行规划中的可行性、偏好匹配及主观体验（如疲劳度），发现现有模型倾向于技术可行但耗时的行程。

JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems

JPPD：具有可微安全引导的联合预测-规划扩散框架用于智能交通系统中的动态障碍物规避

Jiahao Wu, Shengwen Yu

机构 * The University of Hong Kong（香港大学） ； Guangzhou College of Commerce（广州商学院） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 提出联合预测-规划扩散框架，将参与者预测与机器人规划视为条件轨迹生成问题，通过可微安全势引导和条件流匹配提升共享空间中的安全性与效率。

Comments 12 pages, 4 figures

GraphPO: Graph-based Policy Optimization for Reasoning Models

GraphPO：基于图的推理模型策略优化

Yuliang Zhan, Xinyu Tang, Jian Li, Dandan Zheng, Weilong Chai, Jingdong Chen, Jun Zhou, Ge Wu, Wenyue Tang, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Ant Group（蚂蚁集团） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 提出GraphPO框架，将推理轨迹建模为有向无环图，通过合并语义等价路径减少冗余探索，并利用边级优势函数提高推理效率，在多个基准上优于链式和树式方法。

OmniPlan: An Adaptive Framework for Timely and Near-Optimal Network Planning Optimization

OmniPlan：一种用于及时且近乎最优的网络规划优化的自适应框架

Longlong Zhu, Jiashuo Yu, Zedi Chen, Yuhan Wu, Zhifan Jiang, Yuchen Xian, Yimeng Liu, Jiajie Su, Shaopeng Zhou, Xingyuan Li, Hongyan Liu, Xuan Liu, Dong Zhang, Chunming Wu, Xiang Chen

机构 * Zhejiang University（浙江大学） ； Fuzhou University（福州市大学） ； Yangzhou University（扬州大学） ； The State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； College of Computer Science and Technology（计算机科学与技术学院） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.LG

AI总结 提出OmniPlan自适应框架，利用大语言模型解析用户意图，通过混合专家架构动态选择MIP求解器、启发式算法或深度强化学习模型，实现网络规划优化的及时性与近乎最优性，在分布式机器学习推理卸载任务中延迟降低97.8%，资源消耗降低11.5%。

Comments Accepted by ACM KDD 2026

Tensor-Coord: Algebraic Decomposition of Joint Plan Tensors for Conflict-Free Multi-Agent LLM Planning

Tensor-Coord：用于无冲突多智能体LLM规划的联合计划张量代数分解

Mudit Rastogi

机构 * University of Michigan（密歇根大学） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 提出Tensor-Coord框架，将多智能体联合计划表示为三阶张量，通过CP和Tucker分解识别协调结构，计算协调复杂度并定位冲突，实现无冲突规划。

PO-PDDL: Learning Symbolic POMDPs from Visual Demonstrations for Robot Planning Under Uncertainty

PO-PDDL: 从视觉演示中学习符号化POMDP以实现不确定性下的机器人规划

Wenjing Tang, Xuanjin Jin, Yuan Liu, Renming Huang, Cewu Lu, Panpan Cai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 提出PO-PDDL符号化POMDP框架，通过从机器人执行视频中重建潜在状态轨迹、识别部分可观测性并学习随机转移与观测模型，实现不确定性下的鲁棒任务规划。

Visual-Seeker: Towards Visual-Native Multimodal Agentic Search via Active Visual Reasoning

Visual-Seeker：通过主动视觉推理实现视觉原生多模态智能搜索

Zhengbo Zhang, Changtao Miao, Jinbo Su, Zhaowen Zhou, Chunxia Zhang, Xukai Wang, Ruiqi Liu, Kaiyuan Zheng, Jiansheng Cai, Bo Zhang, Zhe Li, Shiming Xiang, Ying Yan

机构 * School of Artificial Intelligence UCAS（中国科学院大学人工智能学院） ； Institute of Automation CAS（中国科学院自动化研究所） ； Ant Digital Technologies Ant Group（蚂蚁数字科技蚂蚁集团） ； RUC（中国人民大学） ； BIT（北京理工大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出Visual-Seeker，一种通过主动视觉推理进行视觉原生多模态深度搜索的智能体，在五个基准上达到最先进性能，甚至超越专有模型。

Mental-R1: Aligning LLM Reasoning for Mental Health Assessment

Mental-R1：面向心理健康评估的对齐LLM推理

Xin Wang, Boyan Gao, Yibo Yang, David A. Clifton

机构 * University of Oxford（牛津大学） ； Oxford Suzhou Centre for Advanced Research（牛津大学苏州高等研究院） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出认知相对策略优化（CRPO）框架，通过阶段依赖不确定性建模和熵正则化机制，使LLM推理对齐人类认知过程，在8个心理健康数据集上加权F1平均提升10.4个百分点。

WISE: A Long-Horizon Agent in Minecraft with Why-Which Reasoning

WISE：具有Why-Which推理的Minecraft长时域智能体

Renmin Cheng, Changhao Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出WISE框架，通过因果事件图增强情景记忆并解耦what-where-when与which-why推理，结合机会主义任务调度和多尺度探索，显著提升长时域稀疏任务的成功率和效率。

ActiveMem: Distributed Active Memory for Long-Horizon LLM Reasoning

ActiveMem: 用于长程LLM推理的分布式主动记忆

Yunhan Jiang, Wenbin Duan, Shasha Guo, Liang Pang, Xiaoqian Sun, Huawei Shen

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出ActiveMem框架，将记忆从核心推理中解耦，通过分布式主动记忆系统积累语义要点，在长程推理任务中实现高精度和低开销。

Self-EmoQ: Plutchik-Guided Value-based Planning to Drive Streaming Emotional TTS

Self-EmoQ: 基于Plutchik引导的价值规划驱动流式情感TTS

Yue Zhao, Hongyan Li, Yong Chen, Luo Ji

机构 * Geely AI Lab（地平线人工智能实验室） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 提出一种情感规划框架，通过强化学习训练LLM模块，在文本生成前确定情感，以驱动流式TTS，结合Plutchik情感理论进行混合奖励，实验表明在情感确定和响应质量上优于基线。

Comments Accepted to ACL 2026 Findings

TruthSplit: Operationalizing Conditional Validity in Arguments Through Multi-Perspective Reasoning

TruthSplit：通过多视角推理实现论证中的条件有效性操作化

Benjamin Stieger, Maximilian Terberger, Thomas Huber, Christina Niklaus

机构 * University of St. Gallen（圣加仑大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 提出TruthSplit系统，通过三层自然语言推理和结构化世界观档案，实现基于不同视角的论证条件有效性分析，识别价值冲突与假设差异。

Comments Demo paper. To appear at ACL 2026

Distilling LLM Reasoning into an Interpretable Policy Tree for Human-AI Collaboration

将LLM推理蒸馏为可解释的策略树用于人机协作

Beiwen Zhang, Yongheng Liang, Guowei Zou, Haitao Wang, Hejun Wu

机构 * Sun Yat-sen University（中山大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 提出Co-pi-tree方法，通过将大语言模型推理蒸馏为可执行策略树，在Overcooked-AI中平均奖励提升35.4%，同时减少77.7%的LLM查询和97.1%的测试延迟。

To Nuke or Not to Nuke: LLMs' (Missing) Ethical Reasoning and Actions in a High-Stakes Decision-Making Simulation

核弹还是和平：大语言模型在高风险决策模拟中的（缺失的）伦理推理与行动

John Chen, Sihan Cheng, Can Gurkan, H M Abdul Fattah

机构 * University of Arizona（亚利桑那大学） ； Northwestern University（西北大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 研究LLM在复杂游戏《文明V》中自发升级核授权的现象，通过三种提示干预发现伦理推理未能可靠消除升级，识别出三种失败路径，强调需在复杂决策上下文中测试伦理推理的自发性和行为有效性。

Transformers Struggle to Use Their Emergent World Models: Revisiting the Tower of Hanoi, and the Illusion of Thinking

Transformer难以利用其涌现的世界模型：重新审视汉诺塔与思维的错觉

Devin Pereira, Willem Zuidema

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 本文研究发现，Qwen3.6-27B等大型推理模型虽能编码汉诺塔的谢尔宾斯基世界模型，但因表示衰减导致圆环数超3时失败，注入提示词时间表示可部分恢复性能。

Benchmarking Fine-tuning and Retrieval Strategies for a Multimodal Language Model on the NRC Reactor Operator Licensing Examination

基于美国核管理委员会反应堆操作员执照考试的多模态语言模型微调与检索策略基准测试

Isak Hwang, Yoon Pyo Lee

机构 * organization= Department of Nuclear Engineering, Hanyang University , addressline= 222 Wangsimni-ro , postcode= 04763 , state= Seongdong-gu , city= Seoul , country= South Korea ； organization= The Grainger College of Engineering, Nuclear, Plasma \& Radiological Engineering, University of Illinois Urbana-Champaign , city= Urbana , state= IL , country= USA 纠错

专题命中 规划推理 ：CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 该研究针对美国核管理委员会反应堆操作员执照考试，评估310亿参数多模态模型应用核知识的能力，通过对比基础模型与多种微调及检索配置，发现固定大小分块RAG的SFT配置表现最佳，并揭示了分块策略规律及RAFT与SFT的性能差异。