大模型推理能力

SkillRevise: Improving LLM-Authored Agent Skills via Trace-Conditioned Skill Revision

SkillRevise: 通过轨迹条件技能修订改进LLM撰写的智能体技能

Yuxuan Liu, Zhaochen Su, Lingyun Xie, Yuhao Zhang, Qing Zong, Jiahe Guo, Zhongwei Xie, Yiyan Ji, Yauwai Yim, Hongyu Luo, Xiyu Ren, Ruan Chenyu, Haoran Li, Yangqiu Song

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanjing University（南京大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI

AI总结 提出SkillRevise框架，通过执行证据诊断、修复原则检索和执行锚定编辑，迭代优化初始技能，在SkillsBench上将基础智能体成功率从36.05%提升至61.63%，并展现跨模型迁移性。

Comments 15 pages, 4 figures

LLM Jaggedness Unlocks Scientific Creativity

LLM Jaggedness Unlocks Scientific Creativity

Shray Mathur, J. Anibal Boscoboinik, Esther H. R. Tsai, Kevin G. Yager

机构 * Center for Functional Nanomaterials, Brookhaven National Laboratory（功能纳米材料中心，布鲁赫萨尔国家实验室） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 本文研究了大型语言模型（LLMs）在科学创意生成中的不规则进步现象，提出了SciAidanBench基准测试集，通过评估不同模型在科学问题上的创意生成能力，揭示了模型在跨任务、提示和领域层面的不均衡表现，并展示了如何通过推理计算、知识聚合和头脑风暴等机制利用这种不规则性来提升科学创造力。

Trusted Uncertainty in Large Language Models: A Unified Framework for Confidence Calibration and Risk-Controlled Refusal

大型语言模型中的可信不确定性：置信度校准与风险控制拒绝的统一框架

Markus Oehri, Giulia Conti, Kaviraj Pather, Alexandre Rossi, Laia Serra, Adrian Parody, Rogvi Johannesen, Aviaja Petersen, Arben Krasniqi

机构 * University of Liechtenstein（列支敦士登大学） ； University of the Republic of San Marino（圣马尔科共和国大学） ； University of Mauritius（毛里求斯大学） ； International University of Monaco（摩纳哥国际大学） ； University of Andorra（安道尔大学） ； University of Gibraltar（直布罗陀大学） ； University of the Faroe Islands（法罗群岛大学） ； Ilisimatusarfik (University of Greenland)（格陵兰岛研究所（格陵兰大学）） ； University of Prizren（普里兹伦大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL

AI总结 提出UniCR框架，融合多种不确定性证据为校准的正确概率，并通过原则性拒绝满足用户指定的错误预算，无需微调基础模型，在短问答、代码生成和检索增强长问答中提升校准指标并降低风险-覆盖曲线下面积。

Comments arXiv admin note: This paper has been withdrawn by arXiv due to unverifiable authorship and affiliation

Select to Think: Unlocking SLM Potential with Local Sufficiency

Select to Think: 利用局部充分性解锁小语言模型潜力

Wenxuan Ye, Yangyang Zhang, Xueli An, Georg Carle, Yunpu Ma

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 提出Select to Think (S2T)方法，通过将大语言模型角色从生成转为选择，并蒸馏选择逻辑到小语言模型，使其在推理时无需依赖大模型，显著提升性能。

Comments Accepted to ICML 2026. Code is available at https://github.com/YeRona/Select-to-Think

Energy Use of AI Inference, Efficiency Pathways, and Test-Time Scaling

AI推断的能耗：效率路径与测试时计算

Felipe Oviedo, Fiodar Kazhamiaka, Esha Choukse, Allen Kim, Amy Luers, Melanie Nakagawa, Ricardo Bianchini, Juan M. Lavista Ferres

机构 * Microsoft（微软） 纠错

专题命中 测试时计算 ：planning(abstract)；分类 cs.LG

AI总结 本文提出基于令牌吞吐量的底层方法，估算大规模大语言模型的每查询能耗，揭示测试时扩展场景下的能耗变化及效率提升潜力。

Comments A preprint version with DOI is available at Zenodo: https://doi.org/10.5281/zenodo.17188770

Journal ref Joule (2026) 102430

Neurosymbolic Learning for Inference-Time Argumentation

用于推理时间论证的神经符号学习

Gabriel Freedman, Adam Dejl, Adam Gould, Mansi, Lihu Chen, Junqi Jiang, Francesca Toni

机构 * Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出了一种用于三元主张验证的可训练神经符号框架，通过在训练和推理过程中结合形式论证语义来指导大语言模型生成论证并分配基础分数，从而提高三元预测的准确性。

Comments Under review

Revisiting Greedy Decoding for Visual Question Answering: A Calibration Perspective

重新审视视觉问答中的贪婪解码：一种校准视角

Boqi Chen, Xudong Liu, Yunke Ao, Jianing Qiu

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Toronto（多伦多大学） ； MBZUAI（穆桑比克人工智能研究所） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 针对视觉问答任务，从校准角度理论证明贪婪解码优于随机采样，并提出适用于推理模型的贪婪解码方法，实验验证其有效性。

CSE-UOI at SemEval-2026 Task 6: A Two-Stage Heterogeneous Ensemble with Deliberative Complexity Gating for Political Evasion Detection

CSE-UOI在SemEval-2026任务6中的表现：一种双阶段异构集成与 deliberative 复杂性门控的政治理论逃避检测方法

Christos Tzouvaras, Konstantinos Skianis, Athanasios Voulodimos

机构 * University of Ioannina（伊奥安纳大学） ； National Technical University of Athens（雅典国家技术大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出一种双阶段异构集成方法，结合自我一致性与加权投票，以及新颖的后处理修正机制Deliberative Complexity Gating，用于政治逃避检测，最终在评估集上获得0.85的Macro-F1分数。

Predictable Compression Failures: Order Sensitivity and Information Budgeting for Evidence-Grounded Binary Adjudication

可预测的压缩失败：基于证据的二元裁决的顺序敏感性与信息预算

Leon Chlon, Ahmed Karim, Maggie Chlon, MarcAntonio Awada

专题命中 测试时计算 ：verifier(abstract)；分类 cs.LG

AI总结 研究证据顺序对基于Transformer的二元裁决模型的影响，提出QMV界和EDFL定律，通过信息充分率门控实现低幻觉率下的答案/弃权决策。

CARE: Pre-Execution Command Verification for Shell-Executing LLM Agents

CARE：用于执行 shell 的语言模型代理的执行前命令验证

Yu Liu, Wenxiao Zhang, Zhiwei Yang, Zhongyi Zhang, Hanqi Feng, Xinyu Wang, Peng Qiu, Yanbing Liu, Barnabas Poczos, Jin B. Hong

专题命中 测试时计算 ：verifier(abstract)

AI总结 研究 LLM 代理执行 shell 命令时的调度风险，提出 CARE 验证器，通过规范化命令、推导证据并结合 LLM 判断，实现命令级调解，降低调度边界风险，平衡良性恢复、误报负担、延迟和危害降低之间的关系。

Comments Accepted by ISSRE 2026

Latent Denoising Improves Visual Alignment in Large Multimodal Models

潜在去噪提升大多模态模型的视觉对齐

Dhruv Parikh, Jacob Fein-Ashley, Rajgopal Kannan, Viktor Prasanna

机构 * University of Southern California（南加州大学） ； DEVCOM ARL Army Research Office（DEVCOM ARL陆军研究办公室） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 本文提出通过潜在去噪框架改进大多模态模型的内部视觉特征对齐和多模态理解，采用掩码和高斯噪声混合腐蚀视觉token，并利用解码器恢复教师特征，提升模型在分布偏移下的鲁棒性。

Comments ACM MM 2026

Agentic Reward Modeling: Verifying GUI Agent via Progressive Trajectory-Grounded Interaction

代理奖励建模：通过在线主动交互验证GUI代理

Chaoqun Cui, Jing Huang, Shijing Wang, Liming Zheng, Qingchao Kong, Zhixiong Zeng

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences ； School of Artificial Intelligence, University of Chinese Academy of Sciences ； School of Computer Science \& Technology, Beijing Jiaotong University 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 VAGEN通过引入代理交互验证范式，解决GUI代理评估中的视觉限制问题，提升评估准确性与性能。

Comments 25 pages, 12 figures

Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment

PhysClaw-0：一种通过语言修正实现机器人自主的共生智能体系统

Boyuan Wang, Zhenyuan Zhang, Zhiqin Yang, Peijun Gu, Shuya Wang, Xiaofeng Wang, Xianghui Ze, Yifan Chang, Guosheng Zhao, Jiangnan Shao, Guan Huang, Hengyu Liu, Yonggang Zhang, Wei Xue, Chunyuan Guan, Chenglin Pu, Yike Guo, Xingang Wang, Zheng Zhu

机构 * GigaAI（字节跳动人工智能实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Leeds（利兹大学） ； Cornell University（康奈尔大学） ； Tsinghua University（清华大学） ； Nanjing University of Science and Technology（南京理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； FAWTD（一汽技术开发部） 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 研究针对自主数据收集问题，提出PhysClaw-0共生智能体系统，通过跨轮保留和重用修正、自主收集验证等方式，在真实机器人测试中减少人力时间，提高成功率，并提升验证者与人类一致性。

Comments WebPage: https://open-gigaai.github.io/Zero2Skill

Wasserstein-Aligned Localisation for VLM-Based Distributional OOD Detection in Medical Imaging

基于VLM的医学图像分布外检测的Wasserstein对齐定位

Bernhard Kainz, Johanna P Mueller, Matthew Baugh, Cosmin Bercea

机构 * Department of Computing, Imperial College London, UK（伦敦帝国理工学院计算机系） ； Technical University Munich, DE（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML), DE（慕尼黑机器学习中心（MCML）） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出WALDO框架，利用最优传输理论通过熵加权切片Wasserstein距离、Goldilocks区域采样和自一致性聚合实现零样本异常定位，在NOVA脑MRI基准上mAP@30达43.5%，相对提升19%。

Comments submitted to MICCAI 2026

New Crystal Structures Hide in Plain Sight: A Stress Test for AI-Guided Materials Discovery

新晶体结构隐藏于眼前：AI引导材料发现的压力测试

Xin Zhang, Scott B. Lee, Sudipta Chatterjee, Hanqi Pi, Yi Jiang, Fatmagül Katmer, Emily G. Ward, Daniel E. Widdowson, Charles C. Tam, Sarah Schwarz, Connor J. Pollak, Jaime M. Moya, Grigorii Skorupskii, Vitaliy A. Kurlin, Stephen D. Wilson, B. Andrei Bernevig, Leslie M. Schoop

专题命中 测试时计算 ：reasoning(abstract)

AI总结 通过实验合成发现GdNiSn4和LuNiSn4具有前所未有的结构类型，并以此测试两种生成式AI模型，发现它们无法在容忍度内重现该结构，表明编码化学推理（如已知基元堆叠）是AI发现结构新颖材料的具体路径。

MarkIt: Training-Free Visual Markers for Precise Video Temporal Grounding

MarkIt: 免训练视觉标记用于精确视频时间定位

Pengcheng Fang, Yuxia Chen, Xiaohao Cai

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出免训练框架MarkIt，通过无标注查询到掩码桥接生成标记视频，增强视频语言大模型的时间定位能力，在多个基准上取得最优结果。

Self-Evolving Vision-Language Models for Image Quality Assessment via Voting and Ranking

自进化视觉语言模型用于图像质量评估：基于投票与排序

Wen Wen, Tianwu Zhi, Kanglong Fan, Yang Li, Xinge Peng, Yabin Zhang, Yiting Liao, Junlin Li, Li Zhang

机构 * City University of Hong Kong（香港城市大学） ； ByteDance Inc.（字节跳动公司） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出EvoQuality框架，通过自一致性生成伪标签，利用群体相对策略优化迭代提升VLM的图像质量感知能力，无监督下在多个IQA基准上超越监督方法。

Comments Published as a conference paper at ICLR 2026

Iterative Tool Usage Exploration for Multimodal Agents via Step-wise Preference Tuning

通过逐步偏好调优的多模态智能体迭代工具使用探索

Pengxiang Li, Zhi Gao, Bofei Zhang, Yapeng Mi, Xiaojian Ma, Chenrui Shi, Tao Yuan, Yuwei Wu, Yunde Jia, Song-Chun Zhu, Qing Li

机构 * Beijing Key Laboratory of Intelligent Information Technology, School of Computer Science & Technology, Beijing Institute of Technology（北京智能信息科技重点实验室，计算机科学与技术学院，北京理工大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； State Key Laboratory of General Artificial Intelligence, Peking University（通用人工智能国家重点实验室，北京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Guangdong Laboratory of Machine Perception and Intelligent Computing, Shenzhen MSU-BIT University（广东机器感知与智能计算实验室，深圳MSU-BIT大学） ； Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 提出SPORT方法，通过任务合成、步骤采样、步骤验证和偏好调优的迭代循环，使多模态智能体无需预收集数据即可自主探索和优化工具使用策略，在GTA和GAIA基准上分别提升6.41%和3.64%。

Comments 24 pages