Tuffy: Scaling up Statistical Inference in Markov Logic Networks using an RDBMS
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)
Comments VLDB2011
Journal ref Proceedings of the VLDB Endowment (PVLDB), Vol. 4, No. 6, pp. 373-384 (2011)
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 逻辑推理 3024 篇
Using Agent to Coordinate Web Services
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)
Comments 7 pages, International Journal of Computer Science and Information Security
Journal ref IJCSIS, June 2009, Vol. 2
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
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”）
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
SymRAG: Efficient Neuro-Symbolic Retrieval Through Adaptive Query Routing
机构 * Department of Information Systems, University of Maryland, Baltimore County, USA（信息系统系，马里兰大学巴尔的摩县分校） ； Department of Computer Science and Engineering, University at Buffalo, USA（计算机科学与工程系，布法罗大学） ； Department of Computer Science, University of Colorado Boulder, USA（计算机科学系，科罗拉多大学波德分校）
专题命中 逻辑推理 ：reasoning(abstract,comments)；分类 cs.CL、cs.AI
Comments Accepted at 19th International Conference on Neurosymbolic Learning and Reasoning (NeSy 2025)
Quantified Markov Logic Networks
专题命中 逻辑推理 ：reasoning(abstract,comments)；分类 cs.AI、cs.LG
Comments Paper accepted at the 16th International Conference on Principles of Knowledge Representation and Reasoning (KR 2018). This work was also presented in the Eighth International Workshop on Statistical Relational AI (StarAI 2018) under the title "Markov Logic Networks with Statistical Quantifiers"
Position: Logical Soundness is not a Reliable Criterion for Neurosymbolic Fact-Checking with LLMs
位置：逻辑正确性不是LLM神经符号事实核查中的可靠标准
机构 * School of Computer Science University of Sheffield（计算机科学学院 伦敦大学谢菲尔德分校）
专题命中 逻辑推理 ：reasoning(abstract,comments)；分类 cs.CL；logical reasoning(comments)
AI总结 本文指出，逻辑正确性无法有效检测误导性声明，提出利用LLM的人类推理倾向来验证神经符号系统中的正式组件输出。
Comments ICLR 2026 Workshop on Logical Reasoning of Large Language Models
Encoded but Not Actionable: Auditing the Decode-Generate-Steer Gap in Frozen LLMs for Geometric Constraints
已编码但不可执行：审计冻结大语言模型中几何约束的解码-生成-引导差距
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 该研究以参数化CAD约束为测试平台，审计6个冻结LLMs的解码-生成-引导差距，发现几何关系可解码性与生成、引导能力存在差异，区分了编码与表达控制失败。
Comments 13 pages, 7 figures, 8 tables, including appendices
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
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）
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。
Comments Published at COLM 2026 Workshop on Agent Behavior
The $\mathbf{P}$-Completeness of Inverted Index Traversal: On the Complexity of Evaluating Boolean Query DAGs
倒排索引遍历的$\mathbf{P}$-完备性：关于布尔查询DAG评估的复杂性
机构 * Apple Inc.（苹果公司）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文证明基于DAG的布尔查询评估问题是$\mathbf{P}$-完备的，并提出一种稀疏感知算法ComputePN，通过正负对偶表示和DAG记忆化，将评估时间严格限制在$O(|Q| \cdot |U_{\mathit{active}}|)$，避免指数爆炸和全量扫描。
AgentMV: A State-Guided Multi-Agent Framework for Budget-Aware Music Video Generation
AllocMV：通过结构化持久状态实现音乐视频生成的最优资源分配
机构 * College of Computer Science, Sichuan University（四川大学计算机学院）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI、cs.LG
AI总结 AllocMV提出了一种分层框架，将音乐视频合成建模为多重选择背包问题，通过动态规划优化资源分配，确保跨镜头一致性并降低生成成本。
Comments ECCV 2026 AI4VA
Foundation Models in Biomedical Imaging: Turning Hype into Reality
生物医学影像中的基础模型：从 hype 到现实
机构 * Department of Imaging Physics, The University of Texas MD Anderson Cancer Center（影像物理系，德克萨斯大学MD安德森癌症中心） ； Center for Secure Artificial Intelligence for Healthcare (SAFE), McWilliams School of Biomedical Informatics, UTHealth Houston（安全人工智能用于医疗保健中心（SAFE），麦威廉斯生物医学信息学学院，UTHealth休斯顿） ； Female Medicine in Machine Learning, Massachusetts Institute of Technology（机器学习中的女性医学，麻省理工学院） ； Department of Computer Science, Salim Habib University（计算机科学系，Salim Habib大学） ； School of Computer Science and Digital Technologies, Aston Centre for Artificial Intelligence Research and Application, Aston University（计算机科学与数字技术学院，阿斯顿人工智能研究与应用中心，阿斯顿大学） ； Division of Computing Science and Mathematics, University of Stirling（计算科学与数学系，斯特灵大学） ； School of Medicine and Health Sciences, George Washington University（医学与健康科学学院，乔治·华盛顿大学） ； Sheikh Zayed Institute for Pediatric Surgical Innovation, Children’s National Hospital（谢赫扎耶德儿童外科创新研究所，儿童医院） ； Department of Thoracic/Head and Neck Medical Oncology, The University of Texas MD Anderson Cancer Center（胸腔/头颈医学肿瘤科，德克萨斯大学MD安德森癌症中心）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文探讨了基础模型在生物医学影像中的应用，提出REAL-FM框架以评估模型的实际临床价值，指出基础模型在因果推理和安全性方面存在不足，强调需要协调的专业AI系统。
Comments 9 figures and 3 tables
Journal ref Nature Biomedical Engineering 10, 1557-1575 (2026)
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
机构 * University of Sheffield（谢菲尔德大学）
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。
SatIR: Scalable High-Recall Constraint-Satisfaction-Based Information Retrieval for Clinical Trials Matching
SatIR：可扩展的高召回率约束满足基于信息检索的临床试验匹配
机构 * Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Samueli Electrical and Computer Engineering, UCLA（UCLA Samueli电气与计算机工程系） ； Department of Computer Science and Informatics, Emory University（埃默里大学计算机科学与信息学系） ； Mayo Clinic（梅奥诊所）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 SatIR通过将临床试验资格条件和摘要转化为形式约束，结合SMT、关系代数和大语言模型，提升了临床试验匹配的召回率和效率，优于基于相似度的基线方法。
CogniDual Framework: Self-Training Large Language Models within a Dual-System Theoretical Framework for Improving Cognitive Tasks
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
Journal ref IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2025), pp. 1-5
Neurosymbolic Discovery of Algebraic Graph Constructions
代数图构造的神经符号发现
机构 * TU Wien（维也纳技术大学）
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。
LogicIF: Towards Complex Logic Instruction Following
复杂逻辑指令生成
机构 * University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Independent Researcher（独立研究者） ； Duke University（杜克大学） ； University of Central Florida（佛罗里达大学中央分校）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出LogicIFGen和LogicIFEval，用于生成和评估复杂逻辑指令，揭示了当前LLMs在复杂指令跟随上的不足。
Comments COLM 2026 Acceptance
FISformer: Replacing Self-Attention with a Fuzzy Inference System in Transformer Models for Time Series Forecasting
FISformer：在时间序列预测的Transformer模型中用模糊推理系统替代自注意力
机构 * Computer Engineering Department, Gaziantep University（加扎莱普大学计算机工程系）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 FISFormer通过模糊推理机制替代传统注意力机制，提升时间序列预测中对不确定性和非线性依赖的建模能力，实验显示其在准确性、鲁棒性和可解释性上优于现有Transformer变体。
The Yokai Learning Environment: Tracking Beliefs Over Space and Time
Yokai 学习环境：在空间和时间上跟踪信念
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 Yokai学习环境通过跟踪和更新信念来实现有效合作，挑战现有ZSC方法的泛化能力。
Comments RLC 2026
Divergence Decoding: Training-Free Capability Fusion
分歧解码：无训练的能力融合
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）
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
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
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
机构 * Ume University, Sweden（乌梅大学，瑞典）
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
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。
RLearner-LLM: Balancing Logical Grounding and Fluency in Large Language Models via Hybrid Direct Preference Optimization
RLearner-LLM: 通过混合直接偏好优化平衡大语言模型中的逻辑性与流畅性
机构 * University of Auckland（奥克兰大学） ； Aalto University（阿alto大学）
专题命中 逻辑推理 ：verifier(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出RLearner-LLM，通过融合DeBERTa-v3 NLI信号与验证器LLM评分，解决直接偏好优化在知识密集型生成中的逻辑对齐问题，实现NLI指标显著提升。
The AI Fiction Paradox
人工智能虚构悖论
机构 * Integrated Program in Humane Studies, Kenyon College（肯尼恩学院人文学研究整合项目） ； AI CoLab, Kenyon College（肯尼恩学院人工智能协作实验室） ； Human-Centered AI Lab（以人为中心的人工智能实验室）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文探讨人工智能生成虚构内容的困境，指出叙事因果、信息重评和多尺度情感架构三大挑战，揭示AI生成虚构的难题及潜在风险。
Comments 15 pages, Presented at the MFS Cultural AI Conference, Purdue University, September 18, 2025. Accepted for publication as a collection of essays for a special issue of MFS Modern Fiction Studies on Cultural AI
NL2LOGIC: AST-Guided Translation of Natural Language into First-Order Logic with Large Language Models
NL2LOGIC: 基于抽象语法树的自然语言到一阶逻辑翻译框架
机构 * Virginia Tech（弗吉尼亚理工大学） ； Universitas Ary Ginanjar（阿里·金纳jar大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 NL2LOGIC通过引入抽象语法树，结合递归大语言模型和生成器，实现了高准确性的自然语言到一阶逻辑转换，提升了逻辑求解的准确性和可执行性。
Comments Accepted to Findings of EACL 2026. 17 pages, 6 figures
Journal ref 2026.findings-eacl.317
Bifocal Attention: Harmonizing Geometric and Spectral Positional Embeddings for Algorithmic Generalization
双焦点注意力：协调几何与谱域的位置嵌入以实现算法泛化
机构 * Indian Institute of Technology, Delhi（印度理工学院德里分校）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本研究提出双焦点注意力机制，通过协调几何与谱域的位置嵌入，解决算法泛化中的结构间隙问题，提升模型对递归推理的处理能力。
Comments There is issue with affiliation, any further updates will be communicated but right now removal is necessary
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
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）
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
机构 * New Mexico State University（新墨西哥州立大学） ； Sun Yat-Sen University（中山大学）
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。
Declarative by Design, Assistable Only by Convention: Benchmarking Multi-Agent Frameworks for AI-Assistability
DDL2PropBank Agent：通过一种新的关系模式映射任务评估多智能体框架的开发者体验
机构 * Center for Advanced AI, Accenture（Accenture高级人工智能中心）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 DDL2PropBank Agent通过新的关系模式映射任务评估多智能体框架的开发者体验，揭示了不同框架在代码复杂性和AI辅助性上的差异，Agno表现出最佳性能。
Comments ACM Submission
