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。
Bi-NAS：通过双层神经架构搜索实现推荐系统的有效和个性化解释
机构 * Virginia Tech（弗吉尼亚理工大学） ； Google（谷歌） ； Amazon（亚马逊）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出Bi-NAS框架，通过双层神经架构搜索优化推荐解释，结合大语言模型生成个性化理由，提升准确性和解释效果。
印度皮肤科医生如何将人工智能用于临床实践和工作流程管理：一项以特应性皮炎为重点的全国性调查
机构 * Charnock Hospital, Kolkata, India（科钦医院，加尔各答，印度） ； Department of Dermatology, Jagannath Gupta Institute of Medical Sciences and Hospital, Kolkata, India（皮肤科部，贾亚纳塔·古普塔医学科学与医院，加尔各答，印度） ； Department of Pediatric Dermatology, Institute of Child Health, Kolkata-700017, India（儿科皮肤科部，儿童健康研究所，加尔各答-700017，印度） ； Department of Dermatology, Venereology, and Leprology, Postgraduate Institute of Medical Education and Research, Chandigarh-160012, India（皮肤科、性病学和麻风病学部，医学教育与研究研究生院，昌迪加尔-160012，印度） ； Department of Dermatology and STD, University College of Medical Sciences & GTBH, University of Delhi, Delhi-110095, India（皮肤科和性传播疾病部，医学科学大学及GTBH，德里大学，德里-110095，印度） ； Department of DVL, Sree Balaji Medical College and Hospital, Chennai, India（DVL部，Sree Balaji医学院和医院，钦奈，印度）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 通过全国性调查，发现印度皮肤科医生主要使用通用大语言模型处理认知和行政任务，而临床需求集中于慢性病管理和特应性皮炎工作流支持，提示临床监督下的工作流工具可能比独立诊断应用更有用。
Comments 28 pages, 5 tables
MemSyco-Bench：智能体记忆中的谄媚基准测试
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出MemSyco-Bench基准，评估LLM智能体因记忆引发的谄媚问题，涵盖拒绝记忆、尊重适用范围、解决冲突、跟踪更新和个性化使用五个任务。
Agri-SAGE：基于模拟的多智能体LLM用于上下文感知的农业咨询生成
机构 * Indian Institute of Science, Bengaluru（印度科学理工学院，班加罗尔） ； BNM Institute of Technology, Bengaluru（BNM理工学院，班加罗尔）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Agri-SAGE框架，结合检索增强的多智能体LLM推理与APSIM生物物理模拟，生成并验证农艺建议；通过十年回顾分析，三种推理方法均优于静态基线，其中思维树实现最高产量，反思法以较低计算成本达到相当效果。
TRACE：面向对话数据的时间证据图状态感知查询处理
机构 * Hong Kong Institute of AI for Science, City University of Hong Kong（香港城市大学香港人工智能科学研究院） ； Independent Researcher（独立研究者） ； Central South University（中南大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出TRACE框架，通过构建时间证据图并维护有效性标注，实现对话数据中状态感知的查询处理，提升时间推理和多跳推理能力。
搜索代理何时应提问：面向澄清感知的深度搜索的DiscoBench基准
机构 * Hunyuan, Tencent（腾讯混元） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出DiscoBench基准，评估大语言模型搜索代理在深度搜索中主动识别歧义、提出有效澄清问题并恢复正确推理路径的能力，实验表明歧义检测与有效澄清是不同能力，且盲目搜索不如直接猜测。
Comments 26 pages, 7 figures, 12 tables
面向LLM智能体的生成式技能组合
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Arizona State University（亚利桑那州立大学） ； Honda Research Institute USA（本田美国研究院）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出SkillComposer方法，将技能组合形式化为任务条件技能序列预测，通过约束自回归解码器联合决定技能子集、数量和顺序，在真实技能库上训练并验证其提升下游任务成功率。
基于基础模型的图结构能源时间序列的关系与序列共形推断
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 提出STOIC框架，结合图神经网络与表格基础模型，通过零样本校准实现图结构能源时间序列的共形预测，提供可靠的不确定性估计。
Comments Under-review
校准，而非编译：检测和修复语言模型编写的错误指定概率程序
机构 * RIKEN iTHEMS ； RIKEN AIP ； South China University of Technology（南方科技大学） ； Columbia University（哥伦比亚大学）
专题命中 规划推理 ：verifier(abstract)；分类 cs.LG
AI总结 本文提出用贝叶斯工作流（后验预测检查、模拟校准等）作为验证器，检测和修复LLM编写的概率程序中的统计错误，在检测（AUC 0.97）和修复（显著优于单元测试反馈）上表现优异。
健康科学中的科学解释：因果关系、信任与认知充分性
机构 * College of Mathematical Medicine, Zhejiang Normal University（浙江师范大学数学医学院） ； DAIS, Ca’ Foscari University of Venice（威尼斯大学DAIS） ； European Centre for Living Technology（欧洲生命技术中心）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文结合科学哲学与可解释AI，探讨健康科学中解释的标准，提出因果关系、信任和解释充分性三个核心分析轴，为医学AI设计认知稳健且符合临床需求的解释系统提供原则。
CLOUDADV: 漂移下基于零样本基础模型的决策对齐实例大小调整
机构 * University of Pisa（比萨大学） ； Independent Researcher（独立研究员） ； Sintra Consulting Limited（Sintra咨询有限公司） ； Luiss University（路易斯大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出CLOUDADV系统，结合零样本时间序列预测与有界推荐生成，在非平稳云环境中实现决策对齐的实例大小调整，通过参考推荐和成本节约评估，在7个生产VM案例中实现52.9%成本节省。
Comments 9 pages, 2 figures
具身CAD：基于求解器的LLM代理用于参数化B-Rep装配建模
机构 * Nanjing University（南京大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出Embodied CAD框架，通过分层技能库和求解器反馈，让LLM代理迭代生成并修复参数化B-Rep装配模型，实现高可执行率和任务完成率。
Comments This paper contains 12 pages, 7 figures. This is an original unpublished manuscript submitted to the arXiv preprint server, with no prior publication or conference presentation
迈向包容性移动建模：城市系统中老年人轨迹模式的特征化与评估
机构 * School of Computing and Artificial Intelligence, Shanghai University of Finance and Economics（上海财经大学计算机与人工智能学院） ； MOE Key Laboratory of Interdisciplinary Research of Computation and Economics, Shanghai University of Finance and Economics（上海财经大学计算与经济学交叉研究教育部重点实验室） ； Center for Data Science, New York University（纽约大学数据科学中心）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本研究利用共享单车数据，通过合成轨迹生成案例，定量评估老年人出行数据缺失对移动建模的偏差影响，并对比马尔可夫链与大语言模型在不同人口训练集下的表现。
DDIAgents: 机制条件上下文流用于药物相互作用预测
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute of Biomedical Engineering, University of Oxford（牛津大学生物医学工程研究所） ； Division of Emerging Interdisciplinary Areas, Hong Kong University of Science and Technology（香港科技大学新兴跨学科领域学部）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出DDIAgents多智能体框架，通过动态知识编排预测药物相互作用，减少无关信息并生成可解释推理，性能优于现有方法。
自然语言解释中的判断质量测量：来自预测锦标赛的证据
机构 * Forecasting Research Institute（预测研究所） ； Good Judgment Inc（Good Judgment公司） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Stanford University（斯坦福大学） ； School of Arts and Sciences & Wharton, University of Pennsylvania（宾夕法尼亚大学文理学院与沃顿商学院） ； Federal Reserve Bank of Chicago（芝加哥联邦储备银行） ； Federal Reserve System（联邦储备系统）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出解释质量标记（EQMs），用大语言模型评分60种理论驱动的推理模式，在超过55,000个预测-理由对中预测准确性，优于传统方法。
商业世界模型
机构 * AI Engineering, USA TODAY Co., Inc.（AI工程，USA TODAY公司） ； School of Systems Science and Industrial Engineering, Binghamton University, State University of New York（系统科学与工业工程学院，宾夕法尼亚州立大学宾夕法尼亚州立大学） ； Binghamton Center of Complex Systems, Binghamton University, State University of New York（宾夕法尼亚州立大学复杂系统中心） ； Waseda Innovation Lab, Waseda University, Tokyo, Japan（早稻田大学创新实验室）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出商业世界模型（BWM）架构，将世界模型思想应用于商业环境，通过编码状态、动态、约束和目标，支持自主决策与规划。
民主ICAI：通过辩论从偏好中推导指导原则
机构 * TCS Research（TCS研究）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出Democratic ICAI方法，通过结构化角色辩论收集多元理由，从偏好中提取更全面的指导原则，提升偏好预测准确性。
Comments Accepeted to the ICLR 2026 HCAIR Workshop, 40 pages
JD Oxygen AI 商品中心 (Oxygen AIIC) V1：面向商品理解、管理和应用的工业级 LLM/VLM 解决方案
机构 * Oxygen AIIC（氧气AIIC）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 针对电商平台海量SKU的知识生产与服务挑战，提出基于LLM/VLM的工业级平台Oxygen AIIC，通过本体工程、S2D知识识别架构、自进化模型和统一商品通道，实现高精度、高吞吐的知识生产，并在搜索、推荐等场景取得显著收益。
拆除病理性捷径：忠实LVLM解码的因果框架
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出Fox框架，通过视觉注意力熵探针定位风险中介头，利用数值logit饱和进行因果干预，并结合冲突门控协同解码，消除视觉语言模型中的对象幻觉，实现忠实解码。
Comments 29 pages, 25 figures. Accepted by ICML 2026
拓扑信息神经网络用于光学和合成孔径雷达影像的洪水检测
机构 * US Naval Research Laboratory（美国海军研究实验室） ； Stanford University（斯坦福大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 针对云遮挡导致光学卫星图像难以检测洪水的问题，提出将拓扑数据分析（TDA）提取的拓扑特征融入神经网络，在SEN12-FLOOD数据集上实现更鲁棒和可解释的洪水检测。
一种将遗留工作流提升为智能体BPM的过程驾驭框架：在CUGA FLO中的设计与实现
机构 * IBM SIL, Israel（IBM 研究实验室，以色列） ； Department of Information Systems, Faculty of Computer & Information Sciences, University of Haifa（海法大学计算机与信息科学学院信息系统系）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出过程驾驭框架，通过策略驱动的智能体层在不替换工作流引擎的情况下将遗留工作流升级为智能体BPM，并基于TDF模型在CUGA FLO中实现，通过三种智能体类型和钩子机制实现指令性与规范性需求的统一。
Comments 24 pages, 5 figures
上下文模型预测生成：从语言模型到物理的开放词汇运动合成
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Department of Networked Intelligence, Peng Cheng Laboratory（鹏城实验室网络智能部） ； School of Computer Science and Engineering, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与工程学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出ICMPG框架，结合语言模型规划与推理时物理反馈，通过上下文感知运动生成和模型预测生成模块实现语义忠实且物理合理的开放词汇运动合成。
从杂乱环境中的点云学习运动可行性
机构 * International Institute of Information Technology Hyderabad（国际信息技术学院海得拉巴）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出直接从RGB-D观测学习7自由度机械臂运动可行性预测的方法，构建包含270万抓取可行性标签的大规模基准，并评估三种分类器架构，最佳模型GRASPFC-PTX在新型物体上AUROC达0.996且预测速度远超基于采样的运动规划器。
实证软件工程 TerraProbe: 用于检测LLM辅助Terraform中欺骗性修复的分层Oracle框架
机构 * East Texas A&M University（东德克萨斯农工大学） ； Texas Woman’s University（德克萨斯女子大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.LG
AI总结 提出TerraProbe五层Oracle框架，评估LLM辅助Terraform安全修复，发现71.4%的真实修复为欺骗性修复，并建立四维欺骗性修复分类法。
Comments 34 pages, 12 figures, 14 tables. Journal-first manuscript submitted to Empirical Software Engineering. Primary classification: cs.SE; cross-list: cs.CR
工具增强的LLM智能体在真实世界能源分析任务中的表现如何？
机构 * Independent Researcher（独立研究员） ； Tume AI
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对能源领域缺乏智能体评估基准的问题，构建了包含243个专家策划问题的测试环境，评估工具增强的LLM智能体在数据检索、知识解释和定量建模三类任务上的表现。
Agentic知识追踪：用于严肃游戏中金融素养隐形评估的多智能体大语言模型架构
机构 * Federal University of Uberlândia Computer Science Faculty（伯南布哥联邦大学计算机科学学院）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出多智能体大语言模型架构Agentic BKT，通过四阶段流程从严肃游戏事件中隐形评估金融素养，实验表明其预测效度显著优于单智能体基线。
Comments 8 pages, 5 figures, IEEE CoG 2026
灵活功率的AI数据中心：一种电网响应式计算的新范式
机构 * Emerald AI ； Electric Power Research Institute (EPRI)（电力研究研究院） ； National Grid（国家电网） ； NVIDIA ； Oracle
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出将GPU集群作为电网交互式资产，通过软件编排实现负载快速削减、持续降载和碳感知运行，同时保持优先级任务服务水平，并实现跨地理集群的性能感知负载迁移。
Comments 14 pages, 7 figures, 1 table
基于图的噪声ASR语音错误纠正
机构 * Sony Research India（索尼印度研究院）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出G-SPIN框架，结合图神经网络构建音近候选集，并用掩码语言模型和指令调优大语言模型进行上下文重排序，以纠正ASR中结构化的音近错误。
Comments Accepted at ACL Industry Track 2026
分片世界模型：通用智能体的结构化认证
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, Shenzhen, China（香港中文大学（深圳）数据科学学院）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 针对通用智能体在大世界场景下无法普遍胜任的问题，提出结构化认证框架，通过深度组合目标过滤特定转移，证明世界模型具有O(1/n)+O(δ)误差界，实现可认证部署。
Comments 30 pages, camera-ready version in ICML 2026
AsyncOPD：同策略蒸馏可以有多陈旧？
机构 * FuriosaAI ； Ajou University（亚洲大学） ； UC Berkeley（加州大学伯克利分校） ； Microsoft Research（微软研究院） ； KRAFTON ； Ludo Robotics
专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG
AI总结 研究异步同策略蒸馏中陈旧数据的影响，发现前向KL对陈旧更鲁棒，反向KL脆弱但可通过重算信号缓解，并提出AsyncOPD框架实现1.6-3.8倍加速。
Comments Code: https://github.com/furiosa-ai/async-opd
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