大模型推理能力

Measuring Black-Box Confidence via Reasoning Trajectories: Geometry, Coverage, and Verbalization

通过推理轨迹测量黑盒置信度：几何、覆盖度与 verbalization

Marc Boubnovski Martell, Josefa Lia Stoisser, Kaspar Märtens, Jialin Yu, Robert Kitchen, Philip Torr, Jesper Ferkinghoff-Borg

机构 * Novo Nordisk（诺华北欧） ； University of Oxford（牛津大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.AI

AI总结 本文提出一种通过推理轨迹测量黑盒置信度的方法，结合几何、覆盖度和 verbalization 通道，在多个基准测试中提升了置信度估计的性能。

Direct Numerical Layout Generation for 3D Indoor Scene Synthesis via Spatial Reasoning

Xingjian Ran, Yixuan Li, Linning Xu, Mulin Yu, Bo Dai

机构 * The University of Hong Kong（香港大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；planning(abstract)

Comments Project Page: https://directlayout.github.io/

History-Guided Iterative Visual Reasoning with Self-Correction

基于历史的迭代视觉推理与自我校正

Xinglong Yang, Zhilin Peng, Zhanzhan Liu, Haochen Shi, Sheng-Jun Huang

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；self-correction(title)；分类 cs.CL、cs.AI

AI总结 H-GIVR框架通过迭代视觉推理与自我校正，显著提升多模态推理准确性并保持低计算成本。

Advantage-Guided Gate: Reshaping Open-Ended Reasoning for Vision-Based Spatial Intelligence

优势引导门：重塑基于视觉的空间智能的开放式推理

Ling Lin, Yang Bai, Congcong Zhu, Jiangming Shi, Meng Wang, Yang Long, Jingrun Chen, Ling Shao, Huazhu Fu

机构 * University of Science and Technology of China（中国科学技术大学） ； Suzhou Institute for Advanced Research, USTC（中国科学技术大学苏州高等研究院） ； Institute of Advanced Intelligence and Computing (IAIC), Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局高级智能与计算研究所） ； East China Normal University（华东师范大学） ； National University of Singapore（新加坡国立大学） ； Durham University（杜伦大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,summary_cn)

AI总结 本文针对MLLMs开放式推理易出错的问题，提出优势引导门框架，结合蒙特卡洛价值评估与两类优势门，构建Reasoning-Tree-160k数据集并经两阶段学习，有效提升了基准MLLMs的视觉空间推理性能。

LaST$_{0}$: Latent Spatio-Temporal Chain-of-Thought for Robotic Vision-Language-Action Model

LaST$_{0}$：面向机器人视觉-语言-动作模型的潜在时空思维链

Zhuoyang Liu, Jiaming Liu, Hao Chen, Jiale Yu, Ziyu Guo, Chengkai Hou, Chenyang Gu, Xiangju Mi, Renrui Zhang, Kun Wu, Zhengping Che, Jian Tang, Pheng-Ann Heng, Shanghang Zhang

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 视觉空间推理 ：chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；reasoning(abstract)

AI总结 提出LaST$_0$框架，通过潜在时空思维链在隐空间进行高效推理，避免显式推理的延迟和语言瓶颈，在10个真实世界任务中平均成功率提升13%-14%。

Comments Project page: https://vla-last0.github.io/

GaussTrace: Provenance Analysis of 3D Gaussian Splatting Models with Evidence-based LLM Reasoning

GaussTrace：基于证据的LLM推理的3D高斯泼溅模型溯源分析

Haoliang Han, Ziyuan Luo, Renjie Wan

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)

AI总结 提出GaussTrace框架，通过属性统计分析和假设驱动的编辑模拟，结合大语言模型链式推理，构建3D高斯泼溅模型的有向溯源图，无需训练或编辑历史。

Comments Accepted by ICML2026

DyCo-RL: Dynamic Cross-Modal Coordination for Visual Reasoning

DyCo-RL: 用于视觉推理的动态跨模态协调

Hangui Lin, Yan Shu, Zhengyang Liang, Chi Liu, Xiangrui Liu, Minghao Qin, Teng Long, Zheng Liu, Nicu Sebe

机构 * University of Trento（特伦托大学） ； BAAI（北京智源人工智能研究院） ； Singapore Management University（新加坡管理大学） ； IQuest Research 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)

AI总结 提出DyCo-RL，通过Fisher-Rao测地距离量化模态内注意力转移，实现动态跨模态协调，并利用对齐引导的优势重加权优化策略，提升多模态大模型在视觉推理中的表现。

Self-Consistent Latent Reasoning: Long Latent Sequence Reasoning for Vision-Language Model

自洽潜在推理：面向视觉语言模型的长潜在序列推理

Chenfeng Wang, Wei He, Xuhan Zhu, Chunpeng Zhou, Qizhen Li, Song Yan, Yufei Zheng, Chengjun Yu, Fan Lu, Wei Zhai, Yang Cao, Pengfei Yu, Zheng-Jun Zha

机构 * University of Science and Technology of China（中国科学技术大学） ； Li Auto Inc.（利亚自动化公司） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)

AI总结 本文提出SCOLAR模型，通过轻量级detransformer生成辅助视觉token，结合三阶段SFT和ALPO强化学习，显著提升视觉语言模型的长序列推理能力，达到开源模型在现实任务中的最佳性能。

Comments 17 pages, 6 figures

VLingNav: Embodied Navigation with Adaptive Reasoning and Visual-Assisted Linguistic Memory

VLingNav：基于适应性推理和视觉辅助语言记忆的具身导航

Shaoan Wang, Yuanfei Luo, Xingyu Chen, Aocheng Luo, Dongyue Li, Chang Liu, Sheng Chen, Yangang Zhang, Junzhi Yu

机构 * Peking University（北京大学） ； Zhongguancun Academy（中关村学院） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；planning(abstract)

AI总结 VLingNav通过引入适应性推理和视觉辅助语言记忆，实现了复杂具身导航任务中的高效导航与泛化能力。

Comments Project page: https://wsakobe.github.io/VLingNav-web/

D3D-VLP: Dynamic 3D Vision-Language-Planning Model for Embodied Grounding and Navigation

D3D-VLP：动态3D视觉-语言-规划模型用于具身接地与导航

Zihan Wang, Seungjun Lee, Guangzhao Dai, Gim Hee Lee

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Nanjing University of Science and Technology（南京理工大学） 纠错

专题命中 视觉空间推理 ：planning(title,abstract)；reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)

AI总结 D3D-VLP通过动态3D链式思维和协同学习策略，实现具身接地与导航的高效统一，提升多任务导航性能。

ENIGMA: The Geometry of Reasoning and Alignment in Large-Language Models

Gareth Seneque, Lap-Hang Ho, Nafise Erfanian Saeedi, Jeffrey Molendijk, Ariel Kuperman, Tim Elson

机构 * Australian Broadcasting Corporation（澳大利亚广播公司） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments 52 pages, 10 figures, author typo corrected, abstract typo corrected

A Neurosymbolic Agent System for Compositional Visual Reasoning

Yichang Xu, Gaowen Liu, Ramana Rao Kompella, Sihao Hu, Fatih Ilhan, Selim Furkan Tekin, Zachary Yahn, Ling Liu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Cisco Systems（思科系统） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；planning(abstract)；verifier(abstract)

MiCo: Multi-image Contrast for Reinforcement Visual Reasoning

Xi Chen, Mingkang Zhu, Shaoteng Liu, Xiaoyang Wu, Xiaogang Xu, Yu Liu, Xiang Bai, Hengshuang Zhao

机构 * HKU（香港大学） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） ； CUHK（香港中文大学） ； HUST（华中科技大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；logical reasoning(abstract)

Zero-Shot Visual Reasoning by Vision-Language Models: Benchmarking and Analysis

Aishik Nagar, Shantanu Jaiswal, Cheston Tan

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments 21 pages

3D-Grounded Vision-Language Framework for Robotic Task Planning: Automated Prompt Synthesis and Supervised Reasoning

面向机器人任务规划的3D grounded视觉-语言框架：自动化提示合成与监督推理

Guoqin Tang, Qingxuan Jia, Zeyuan Huang, Gang Chen, Ning Ji, Zhipeng Yao

机构 * Tsinghua University（清华大学） 纠错

专题命中 视觉空间推理 ：planning(title,abstract)；reasoning(title)；分类 cs.AI

AI总结 本文提出融合2D提示合成模块和小语言模型的框架，提升机器人3D场景理解与任务执行能力，实验显示任务成功率高达96.0%。

Journal ref Engineering Applications of Artificial Intelligence, vol. 164, p. 113268, 2026

Concise Geometric Description as a Bridge: Unleashing the Potential of LLM for Plane Geometry Problem Solving

简洁几何描述作为桥梁：释放LLM在平面几何问题求解中的潜力

Jingyun Wang, Dian Li, Xiaohan Wang, Gang Liu, Jiahong Yan, Guoliang Kang

机构 * Beihang University（北航大学） 纠错

专题命中 视觉空间推理 ：CoT(summary_cn,abstract)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 本文提出通过训练多模态大语言模型解释器生成几何描述，再利用通用LLM进行推理，以解决平面几何问题。通过设计CDL匹配奖励机制，提升生成几何描述的效率，并在新构建的Formalgeo7k-Rec-CoT数据集上验证了方法的有效性。

Comments CVPR 2026 Findings

LEMUR: Latent Entropy-aware Multimodal Unlearning via Visual-anchored Reasoning Redirection

LEMUR：基于视觉锚定推理重定向的潜在熵感知多模态遗忘

Xinhao Zhong, Yuxia Qiao, Junhao Li, Hao Fang, Yi Sun, Bin Chen

专题命中 视觉空间推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.CL、cs.LG

AI总结 针对原生RL训练多模态模型的隐私泄漏问题，提出基于熵动态的无训练推理时遗忘框架LEMUR，可更有效地抑制敏感信息在推理轨迹和答案中的泄漏，同时保留模型非敏感效用。

Geo-Strat-RL: Learning Geological Event Reasoning from Verifiable Tasks

Geo-Strat-RL：从可验证任务中学习地质事件推理

Lukas Mosser

专题命中 视觉空间推理 ：reasoning(title,abstract)；logical reasoning(abstract)；verifier(abstract)；分类 cs.AI、cs.LG

AI总结 提出Geo-Strat-RL合成环境，通过可验证奖励的强化学习（RLVR）训练视觉语言模型进行地质事件重建，并证明从地层图学到的推理可迁移至合成地震数据。

Comments 21 pages, 8 figures

SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks

SpatialWorld: 在多模态智能体真实世界任务中基准测试交互式空间推理

Hongcheng Gao, Hailong Qu, Jingyi Tang, Jiahao Wang, Zihao Huang, Hengkang Qiao, Shihong Huang, Junming Yang, Yi Li, Hongyixuan Yuan, Wenjie Li, Bohan Zeng, Wenbo Li, Bo Wang, Jianhui Liu, Olive Huang, Haoyang Huang, Wentao Zhang, Guoqing Huang, Nan Duan, Yinpeng Dong

机构 * Tsinghua University（清华大学） ； Chongqing University（重庆大学） ； Peking University（北京大学） ； ZenoMind AI ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学） ； Southeast University（东南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Joy Future Academy（京东探索研究院） ； The University of Hong Kong（香港大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；planning(abstract)；verifier(abstract)；分类 cs.CL、cs.AI

AI总结 提出SpatialWorld基准，集成8种异构模拟后端，通过760个人工标注任务评估多模态智能体在视觉部分可观测环境中的交互式空间理解，发现最强模型GPT-5任务成功率仅17.4%。

Scaling-Aware Adapter for Structure-Grounded LLM Reasoning

Scaling-Aware Adapter for Structure-Grounded LLM Reasoning

Zihao Jing, Qiuhao Zeng, Ruiyi Fang, Yan Yi Li, Yan Sun, Boyu Wang, Pingzhao Hu

机构 * Department of Computer Science, Western University, London, Canada（加拿大伦敦西方大学计算机科学系） ； Department of Biochemistry, Western University, London, Canada（加拿大伦敦西方大学生物化学系） 纠错

专题命中 视觉空间推理 ：reasoning(title,title_cn)；分类 cs.AI、cs.LG

AI总结 提出Cuttlefish，一种统一多模态大语言模型，通过缩放感知适配器和几何基础适配器，自适应调整结构令牌数量并注入几何线索，以提升异构结构推理性能。

Comments Accepted by ICML 2026

Mind the Gap Between Spatial Reasoning and Acting! Step-by-Step Evaluation of Agents With Spatial-Gym

注意空间推理与行动之间的差距！通过Spatial-Gym进行分步评估代理

Lars Benedikt Kaesberg, Tianyu Yang, Niklas Bauer, Terry Ruas, Jan Philip Wahle, Bela Gipp

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；planning(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出Spatial-Gym环境，通过2D网格谜题的分步决策任务评估模型在空间推理中的能力，发现分步格式对弱模型有益但对强模型有负面影响，且视觉模型在空间环境中的表现较差。

GeoThought: A Dataset for Enhancing Mathematical Geometry Reasoning in Vision-Language Models

Nannan Shi, Chuanyu Qin, Shipeng Song, Man Luo

机构 * Baidu Inc.（百度公司） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Intel Lab, Intel（英特尔实验室） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI

EvolveNav: Empowering LLM-Based Vision-Language Navigation via Self-Improving Embodied Reasoning

Bingqian Lin, Yunshuang Nie, Khun Loun Zai, Ziming Wei, Mingfei Han, Rongtao Xu, Minzhe Niu, Jianhua Han, Hanwang Zhang, Liang Lin, Bokui Chen, Cewu Lu, Xiaodan Liang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Peng Cheng Laboratory（鹏城实验室） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Mohamed Bin Zayed University of Artificial Intelligence（Mohamed Bin Zayed人工智能大学） ； Yinwang Intelligent Technology Co.（亿维智能技术有限公司） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI

Draw with Thought: Unleashing Multimodal Reasoning for Scientific Diagram Generation

Zhiqing Cui, Jiahao Yuan, Hanqing Wang, Yanshu Li, Chenxu Du, Zhenglong Ding

机构 * Nanjing University of Information Science \& Technology Nanjing China ； East China Normal University Shanghai China ； The Hong Kong University of Science ； Brown University Providence America ； Southwest Jiaotong University Chengdu China ； Nanjing University of Information Science \& Technology ； East China Normal University ； Brown University ； Southwest Jiaotong University 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；planning(abstract)；分类 cs.CL、cs.AI

Comments 10 pages, 5 figures, accepted to appear in the Proceedings of the 33rd ACM International Conference on Multimedia (MM '25)

Multi-Agent Visual-Language Reasoning for Comprehensive Highway Scene Understanding

Yunxiang Yang, Ningning Xu, Jidong J. Yang

机构 * Smart Mobility and Infrastructure Lab（智能移动与基础设施实验室） ； College of Engineering, University of Georgia（佐治亚大学工程学院） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI

Comments 16 pages, 16 figures, 8 tables

Imagine while Reasoning in Space: Multimodal Visualization-of-Thought

Chengzu Li, Wenshan Wu, Huanyu Zhang, Yan Xia, Shaoguang Mao, Li Dong, Ivan Vulić, Furu Wei

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.LG

Comments 11 pages, 6 figures, 4 tables (27 pages, 10 figures, 16 tables including references and appendices)

Image-of-Thought Prompting for Visual Reasoning Refinement in Multimodal Large Language Models

Qiji Zhou, Ruochen Zhou, Zike Hu, Panzhong Lu, Siyang Gao, Yue Zhang

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI

Comments Correct the case title

G-DRAGON: Geospatial Reasoning and Dynamic Planning for Retrieval-Augmented Outdoor Navigation

G-DRAGON：面向检索增强的户外导航的地理空间推理与动态规划

Dongzhihan Wang, Yi Du, Jianan Sun, Yuan Xue, Yingchen Zhang, Bing Xiao, Chen Wang, Liang Xu

机构 * Spatial AI & Robotics Lab（空间人工智能与机器人实验室） ； University at Buffalo（布法罗大学） ； School of Future Technology（未来技术学院） ； Shanghai University（上海大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 视觉空间推理 ：planning(title,abstract)；reasoning(title)

AI总结 提出G-DRAGON框架，通过轻量级LLM的生成式检索将自然语言命令映射到本地OSM实体，结合全局路径规划与SLAM系统，并利用前沿探索和开放集语义体素映射实现最后一英里目标定位，在仿真和真实场景中优于现有方法。

Comments Accepted by IEEE Robotics and Automation Letters (RA-L)

FreeFly-Thinking : Aligning Chain-of-Thought Reasoning with Continuous UAV Navigation

自由飞行-思考：将链式推理对齐连续无人机导航

Jiaxu Zhou, Shaobo Wang, Zhiyuan Yang, Zhenjun Yu, Tao Li

机构 * SJTU Paris Elite Institute of Technology（上海交通大学巴黎精英理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；chain-of-thought(title)

AI总结 FreeFly-thinking是一种端到端的无人机视觉-语言导航框架，通过链式推理提升导航性能，实现了在复杂户外环境中的高效导航。

Comments 10 pages, 5 figures, ECCV review

SOLIDGEO: Measuring Multimodal Spatial Math Reasoning in Solid Geometry

Peijie Wang, Chao Yang, Zhong-Zhi Li, Fei Yin, Dekang Ran, Mi Tian, Zhilong Ji, Jinfeng Bai, Cheng-Lin Liu

专题命中 视觉空间推理 ：reasoning(title,abstract)；math reasoning(title)