大模型推理能力

OpenSkill: Open-World Self-Evolution for LLM Agents

OpenSkill: 面向LLM智能体的开放世界自我进化

Zhiling Yan, Dingjie Song, Hanrong Zhang, Wei Liang, Yuxuan Zhang, Yutong Dai, Lifang He, Philip S. Yu, Ran Xu, Xiang Li, Lichao Sun

机构 * Lehigh University（莱维大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； Salesforce AI Research（Salesforce人工智能研究） ； Massachusetts General Hospital and Harvard Medical School（麻省总医院和哈佛医学院） 纠错

专题命中 逻辑推理 ：verifier(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 提出OpenSkill框架，使智能体在无目标任务监督下，利用开放世界资源自举构建技能和验证信号，实现自我进化，在多个基准上取得最佳自动通过率。

Comments 20 pages, 4 figures and 8 tables. Code is avalable at https://github.com/OpenLAIR/OpenSkill

Improving Molecular Property Prediction in Small Language Models Using Graph-based Tools

使用基于图的工具改进小语言模型中的分子性质预测

Konstantinos Bougiatiotis, Dimitrios Kelesis, Georgios Paliouras

机构 * Institute of Informatics and Telecommunications, National Center for Scientific Research “Demokritos（信息与电信研究所，国家科学研究中心“德谟克利特”） 纠错

专题命中 逻辑推理 ：reasoning(abstract,comments)；分类 cs.AI、cs.LG

AI总结 研究针对小语言模型在分子性质预测时的结构盲目性问题，提出模块化上下文增强提示框架，通过GNN专家模型和提取子图来辅助预测，在MUTAG和Tox21数据集上实验表明该方法能显著提升预测准确性，验证了基序相关性，但与专门GNN模型仍有差距。

Comments Presented at the 2nd Causal Neuro-symbolic Artificial Intelligence (Causal NeSy): Toward Agentic LLMs with Neuro-Symbolic and Graph Based Reasoning Workshop @ ESWC2026

Dead text or binding clause? Measuring and restoring constraint influence in black-box LLM dialogues

无效文本还是绑定条款？测量并恢复黑盒大语言模型对话中的约束影响

Haoyuan Zhu

机构 * University of Sheffield（谢菲尔德大学） 纠错

专题命中 逻辑推理 ：verifier(abstract)；分类 cs.AI、cs.LG

AI总结 该研究针对黑盒大语言模型对话中撤销约束失效的问题，提出 sysname 方法，通过合约账本、顺序消融探针和修复阶梯实现复发率的测量、预测与修复，降低了约束撤销的失效概率。

Neurosymbolic Discovery of Algebraic Graph Constructions

代数图构造的神经符号发现

David Seka, Stefan Szeider

机构 * TU Wien（维也纳技术大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 针对仅提供原始图数据无法揭示其结构性质的问题，提出基于通用大语言模型与SageMath的神经符号智能体，可自动发现代数图构造，在100个高度对称图基准上全部成功，还找到Bernhart-Kainen可散度猜想的最小反例。

Divergence Decoding: Training-Free Capability Fusion

分歧解码：无训练的能力融合

Yimi Wang, Hao Li, Shuo Yang, He Cao, Dechen Zhang, Ziang Wu, Zhiyuan Yan, Fanyang Mo, Li Yuan

机构 * Peking University（北京大学） ； International Digital Economy Academy (IDEA)（国际数字经济学院） ； The University of Hong Kong（香港大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 针对通用大模型缺领域知识、专家模型逻辑弱的问题，提出无训练的Divergence Decoding框架，通过Jensen-Shannon散度自适应路由，在科学基准上融合两类模型能力，性能优于单模型基线。

Operational Hallucination and Safety Drift in AI Agents

人工智能代理中的操作幻觉与安全漂移

Shasha Yu, Fiona Carroll, Barry L. Bentley

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 研究大型语言模型在多轮执行中引发的可靠性风险，通过多轮评估量化安全漂移和操作幻觉现象，分析其根源，提出行动感知监督层，该层能拦截违规行为且无良性误报，提升了代理可靠性。

State Compression in Two-Agent LLM Relays: A Closed-World Study of Constraint Preservation

双智能体语言模型中继中的状态压缩：约束保留的封闭世界研究

Anantha Sharma, Sheeba Elizabeth John, Kaarthik Senthil Kumar, Saratsuhas Vijayababu

专题命中 逻辑推理 ：planning(abstract)；分类 cs.CL、cs.AI

AI总结 研究双智能体LLM中继中交接压缩问题，比较无压缩、叙述性总结、JSON提取、基于嵌入的修剪四种交接条件，发现交接表示影响下游可行性，JSON提取可行性准确率最高达0.96，结构化可审计表示利于约束检查。

Comments 8 pages, 2 figures, 3 tables

Composable Verification Pipelines for Multi-Agent Systems

多智能体系统的可组合验证管道

Julian Alfredo Mendez, Andreas Brännström

机构 * Ume University, Sweden（乌梅大学，瑞典） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 研究多智能体系统的验证问题，基于Tiles和Soda构建模块化框架，通过可执行验证管道操作动作语言语义，以类型化函数管道表示验证过程，含可执行规范层，有开源实现及示例说明。

Autonomous mechanistic discovery of colorectal cancer vulnerabilities via multi-scale AI swarms

通过多尺度人工智能群体自主进行结直肠癌脆弱性的机制发现

Christopher Baker, Tianyu Ren, Karen Rafferty, Hui Wang, Simon McDade

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 研究旨在解决自动化科学发现中语言模型与生物物理的认知差距。通过多尺度自主发现引擎Octopus，结合大语言模型群体和算法物理引擎，针对结直肠癌转录组进行无监督扫描，发现IGF2是5-氟尿嘧啶耐药脆弱性，建立了可验证的生物医学发现范式。

Groc-PO: Grounded Context Preference Optimization for Truthful Multimodal LLMs

Groc-PO：用于真实多模态大语言模型的基于上下文的偏好优化

Zhixiao Zheng, Zheren Fu, Zhiyuan Yao, Chunxiao Liu, Dongming Zhang, Zhendong Mao

机构 * University of Science and Technology of China（中国科学技术大学） ； Xiaomi Corporation（小米公司） ； State Key Laboratory of Communication Content Cognition, People’s Daily Online（人民日报社传播内容认知国家重点实验室） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 研究针对多模态大语言模型的不真实问题，提出基于上下文的偏好优化框架Groc-PO，构建相关数据集，通过多阶段偏好样本捕捉基础上下文，加强上下文相关推理，减轻跨阶段错误传播，提升模型性能。

Comments Accepted by ACM-MM 2026

Discourse-Aware Policy Analysis with Argumentation: A Hybrid LLM-Symbolic Framework for Disaster Governance

基于论证的话语感知政策分析：灾害治理的混合大语言模型-符号框架

Stylianos Loukas Vasileiou, Olga Derendiaeva

机构 * New Mexico State University（新墨西哥州立大学） ； Sun Yat-Sen University（中山大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 研究灾害治理中政策文件推理隐含问题，提出混合大语言模型-符号框架Apaf，通过分类论点、生成框架介导关系子类型进行关键话语分析，发布新数据集，论证图准确、可解释且跨辖区稳定。

Can We Trust LLM's Logic? Quantifying Uncertainty, Coherence, and Robustness via a Graph-Based Framework

我们能信任大语言模型的逻辑吗？通过基于图的框架量化不确定性、连贯性和鲁棒性

Riccardo Revalor, Jalees Rehman, Debjit Pal

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Biochemistry and Molecular Genetics（生物化学与分子遗传学系） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 研究大语言模型推理问题，引入基于图的GRAPHEVAL框架，提出GRCS度量和GSC解码策略，量化不确定性等，发现GRCS与推理忠实度负相关，证明GSC所选路径对推理的重要性。

Comments 42 pages, 14 figures, 12 tables

Beware What You Autocomplete: Forensic Attribution of Backdoored Code Completions

小心你的自动补全内容：后门代码补全的取证溯源

Anjun Gao, Yueyang Quan, Zhuqing Liu, Minghong Fang

机构 * University of Louisville（路易斯维尔大学） ； University of North Texas（德克萨斯大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 研究针对大型语言模型代码补全易受后门攻击的问题，提出CodeTracer取证框架，它仅靠微调语料库和错误补全事件，提取行为指纹，经推理将不安全逻辑归因于特定后门数据，评估显示其有高准确性、低误识率和强鲁棒性。

Comments To appear in COLM 2026

The Blind Curator: How a Biased Judge Silently Disables Skill Retirement in Self-Evolving Agents

盲选策展人：有偏见的评判者如何在自我进化的智能体中悄然阻碍技能淘汰

Xing Zhang, Yanwei Cui, Guanghui Wang, Ziyuan Li, Wei Qiu, Bing Zhu, Peiyang He

机构 * AWS Generative AI Innovation Center（亚马逊云科技生成式人工智能创新中心） ； HSBC Holdings Plc., HSBC Technology Center, China（汇丰控股有限公司，汇丰科技中心，中国） 纠错

专题命中 逻辑推理 ：verifier(abstract)；分类 cs.CL、cs.AI

AI总结 研究自我进化智能体中，有偏见的评判者对技能淘汰的影响。通过损坏奖励分析等方法发现，“误判通过”偏差会导致技能淘汰机制失效，此为行为安全结果。还提出廉价审计可判断评判者是否越过阈值影响智能体。

How to Avoid Debate: Scalable AI Safety via Doubly-Efficient Interactive Proofs

如何避免辩论：通过双高效交互式证明实现可扩展的人工智能安全

Liyan Chen, Yael Tauman Kalai, Zoe Xi

机构 * MIT（麻省理工学院） 纠错

专题命中 逻辑推理 ：verifier(abstract)；分类 cs.AI、cs.LG

AI总结 研究如何避免人工智能模型间的辩论来实现安全验证，提出单证明者交互式证明，给出双高效单证明者交互式证明及论证，用于神谕辅助计算，表明无辩论时交互式验证也可行。

Comments ICML 2026

Explicit Fuzzy Logic in the Feed-Forward Layer: Self-Forgetting Quantifiers Discover Legible Grammatical-Licensing Detectors

前馈层中的显式模糊逻辑：自遗忘量词发现可读的语法许可检测器

Mark Oskin

机构 * University of Washington（华盛顿大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 提出参数中性的显式模糊逻辑前馈层（NC-FFN），通过交集和集差操作实现逻辑推理，在125M参数语言模型上达到与GELU基线相当的困惑度，并通过自遗忘量词使前馈层可解释为语法许可检测器。

Triadic Werewolf: A Jester Role for Multi-Hop Theory of Mind in LLMs

三狼人杀：大型语言模型中多跳心智理论的丑角角色

Avni Mittal

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 通过引入第三阵营“丑角”（Jester），将狼人杀游戏扩展为三方博弈，测试LLM的多跳心智理论能力。实验表明，模型常做出自毁行为，而自我学习能帮助部分模型学会微妙策略。

Staying VIGILant: Mitigating Visual Laziness via Counterfactual Visual Alignment in MLLMs

保持VIGILant：通过多模态大语言模型中的反事实视觉对齐缓解视觉懒惰

Xi Xiao, Chen Liu, Chih-Ting Liao, Yunbei Zhang, Qizhen Lan, Yuxiang Wei, Lin Zhao, Janet Wang, Jianyang Gu, Muchao Ye, Tianyang Wang, Hao Xu

机构 * UAB（阿拉巴马大学伯明翰分校） ； Yale（耶鲁大学） ； UNSW（新南威尔士大学） ； Tulane（杜兰大学） ； Georgia Tech（佐治亚理工学院） ； NEU（东北大学） ； OSU（俄亥俄州立大学） ； UIowa（爱荷华大学） ； Harvard（哈佛大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 提出VIGIL框架，通过强化学习后训练最大化视觉输入与生成响应间的互信息，惩罚“盲目自信”实例，有效缓解MLLMs的视觉懒惰问题，在幻觉和推理基准上优于现有方法。

Comments ECCV 2026

VeriGraph: Towards Verifiable Data-Analytic Agents

VeriGraph: 迈向可验证的数据分析智能体

Jiajie Jin, Zhao Yang, Wenle Liao, Yuyang Hu, Guanting Dong, Xiaoxi Li, Yutao Zhu, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 提出VeriGraph框架，通过构建显式异质证据有向无环图（DAG）实现数据分析智能体的可验证性，并设计基于图的策略优化提升正确性与可审计性。

Comments 10 pages

Hubs or Fringes: Pretraining Data Selection via Web Graph Centrality

枢纽或边缘：基于网页图中心性的预训练数据选择

Vedant Badoni, Danqi Chen, Xinyi Wang

机构 * Princeton Language and Intelligence（普林斯顿语言与智能） ； Princeton University（普林斯顿大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 提出WebGraphMix框架，利用Common Crawl主机级网页图的结构中心性得分调整预训练数据中中心与边缘文档的比例，无需模型训练或标注数据，在400M和1B参数模型上平均性能提升至41.4%。

Comments 10 pages

Internalizing Geometric Law: Learning from Solver Residuals for Precision-Critical Generation

内化几何法则：从求解器残差中学习以实现精度关键生成

Rafael Cabral, Pang Zixi, Ziyi Shou, Shen Xin

机构 * Huawei Celia Team（华为Celia团队） 纠错

专题命中 逻辑推理 ：verifier(abstract)；分类 cs.AI、cs.LG

AI总结 针对大语言模型在精度关键领域（如技术图表和机械设计）中的幻觉问题，提出可编程几何DSL PyGeoX及分层基准PyGeoX-Bench，并设计饱和加性奖励（SAR）方法，将奖励分解为有界逐约束项，解决异常梯度掩盖问题，使8B模型在基准上达到与更大前沿系统竞争的水平。

SEF-CLGC at SemEval-2026 Task 11: Logical Notation Impact on Language Model Performance

SEF-CLGC在SemEval-2026任务11中的应用：逻辑符号对语言模型性能的影响

Hanna Abi Akl, Fabien Gandon, Catherine Faron, Pierre Monnin

机构 * Université Côte d’Azur, Inria, CNRS, I3S, Sophia Antipolis, France（蔚蓝海岸大学, 法国国家信息与自动化研究所, 法国国家科学研究中心, 信息与系统科学实验室, 索菲亚安蒂波利斯, 法国） ； Data ScienceTech Institute, Paris, France（数据科学技术学院, 巴黎, 法国） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出SEF-CLGC管道，结合形式逻辑符号与小语言模型，在SemEval-2026任务11中评估推理性能，最佳模型在降低内容偏差的同时达到27.80%的内容分数。

Comments Accepted to SemEval-2026 co-located with ACL 2026

PandaAI: A Practical Agent CQ2 for Neuro-symbolic Data Analysis And Integrated Decision-Making in Quantitative Finance

PandaAI: 一种用于量化金融中神经符号数据分析与集成决策的实用智能体CQ2

Yuqi Li, Siyuan Liu, Bingjun Liu

机构 * Panda AI 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 针对金融数据低信噪比和非平稳性，提出PandaAI，一种结合市场状态建模与约束alpha生成的闭环神经符号LLM智能体，通过领域微调和模块化架构实现风险感知决策，在沪深300数据上Rank IC提升18.2%，最大回撤降低25.7%。

Same Formulas, Different Semantics: Do Language Models Follow Modal Logic Specifications?

相同公式，不同语义：语言模型是否遵循模态逻辑规范？

Réemi Andrieu, Damien Sileo

机构 * Univ. Lille（里尔大学） ； Inria（法国国家信息与自动化研究所） ； CNRS（法国国家科学研究中心） ； Centrale Lille（里尔中央理工学院） ； UMR 9189 - CRIStAL（UMR 9189 - CRIStAL（法国国家科研中心联合研究机构）） 纠错

专题命中 逻辑推理 ：reasoning(abstract,comments)；分类 cs.CL

AI总结 该研究探究语言模型是否遵循模态逻辑规范，构建成对模态问题测试五款模型，发现遵循规定模态语义依赖推理模式与模型身份，发布相关产物。

Comments 9 pages. Code: https://github.com/sileod/modal-semantics-reasoning. Data and artifacts: https://huggingface.co/datasets/sileod/modal-semantics-reasoning

Implementing Computational Law in Wolfram Language for the Governance of Artificial Intelligence

用Wolfram语言实现计算法以用于人工智能治理

James K. Wiles

机构 * Wolfram Institute for Computational Foundations of Science（沃尔夫勒姆计算基础科学研究所） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文在Wolfram语言中实现Reified Input/Output Logic，测试GPT-4转换英文法律陈述的情况，通过AI看门狗案例展示计算法可作为AI治理工具，理想目标是形式化可编程执行的法律。

Comments 25 pages, 1 figure, 2 tables, 12 code listings. Wolfram Language implementation and verification script (31 assertions) available at this https URL (https://github.com/Zaffer/research-computational-law)

LLM-Assisted Dynamic Threat Analysis for Attacker-Reachable Software Weaknesses in Autonomous Vehicles

大语言模型辅助的自动驾驶车辆中攻击者可及软件弱点的动态威胁分析

Md Wasiul Haque, Sagar Dasgupta, Mizanur Rahman, Md Rayhanur Rahman

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG

AI总结 该研究针对自动驾驶车辆软件弱点的动态威胁分析难题，探究LLM辅助Autoware的自动化测试工件生成，发现构建集成是核心障碍，推理模型编译测试用例的表现优于代码专用模型。

Comments 17 pages, 8 figures, 8 tables

Constructing Dynamic Master Logic Models as Knowledge Graphs for Complex System Diagnostics Using Retrieval-Augmented Large Language Models

构建动态主逻辑模型作为知识图谱，用于使用检索增强大语言模型的复杂系统诊断

Saman Marandi, Yu-Shu Hu, Mohammad Modarres

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究提出基于检索增强大语言模型的KG-DML框架，实现了复杂系统动态主逻辑模型的自动化构建，经低压冷却剂注入系统验证，可转化技术文档为可执行功能模型用于诊断分析。

Comments 36 Pages, 8 Figures

Self-evolving network verifiers

自演进网络验证器

Ioannis Protogeros, Tibor Schneider, Laurent Vanbever

专题命中 逻辑推理 ：verifier(abstract)；分类 cs.AI

AI总结 该研究提出一种自动演进的网络验证器，通过编码智能体与可信预言机的反例引导循环，让基于SMT的验证器自主学习新网络功能，解决手动维护模型的难题。

Comments 8 pages, 5 figures

CyberAGENTS: Structured Autonomy for Agentic Gamified Learning in Cybersecurity

CyberAGENTS：面向网络安全领域智能体游戏化学习的结构化自主机制

Ivan Hornung, Deepthi Marasinghe Arachchige, Tharindu Kumarage, Garima Agrawal, Yuli Deng, Ying-Chih Chen, Huan Liu

机构 * Arizona State University（亚利桑那州立大学） ； Amazon AGI（亚马逊AGI） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究提出CyberAGENTS框架，通过结构化自主机制实现游戏化网络安全学习，经课堂评估验证其可提升学习者参与度与对AI响应的信任度，为相关系统设计提供蓝图。

Why Knowing Both Hops Is Not Enough: Understanding Two-Hop Generalization in Language Models

仅知道两跳信息是不够：理解语言模型中的两跳泛化

Zili Zhang, Yilin Wang, Heng Wang, Herun Wan, Minnan Luo

机构 * Xi’an Jiaotong University（西安交通大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本研究针对语言模型两跳查询失败问题，在受控环境训练Transformer，揭示其泛化规律与跨层不匹配机制，提出循环式训练策略以提升分布外两跳泛化能力。

Comments 24 pages, 20 figures