NeSy-RAG: Neuro-Symbolic RAG for Explainable Question Answering
NeSy-RAG：用于可解释问答的神经符号检索增强生成框架
机构 * Heidelberg University（海德堡大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 NeSy-RAG是一种模块化神经符号RAG框架，可生成透明推理轨迹，在ShARC基准上以61.1%的准确率优于同模型RAG基线，实现可解释问答。
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 259 篇
Seeing Is Not Deciding: Can Multimodal LLMs Act as Effective CEOs?
视觉感知不等于决策：多模态大语言模型能成为有效的首席执行官吗？
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究构建C-SUITEBENCH多模态基准，评估9个前沿模型作为CEO的决策能力，发现多模态输入可提升证据推理但会损害受限资源分配，揭示多模态智能体的视觉感知与受限行动是可分离瓶颈。
Comments 25 pages
Vibe Compiler: A Research-Logic Synthesis Tool That Runs without Prompt Engineering -Toward Enhancing Metacognition for Sustaining Agency in the Age of Generative AI-
Vibe Compiler：无需提示工程即可运行的研究逻辑综合工具——迈向生成式AI时代维持智能体的元认知
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对生成式AI可能侵蚀人类认知智能体的问题，提出基于综合-分析互惠模型的Vibe Compiler工具，通过16个学术参数的本体编译研究想法，以反思性问题引导研究人员，减少对复杂提示的依赖，提升AI辅助推理效果。
Abstract Event Causal Rules: Induction and Application
抽象事件因果规则：归纳与应用
机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本研究针对现有实例级因果对泛化缺陷，提出抽象事件因果规则（AECR）及相关归纳系统，构建知识库并设计 AR-GCAE 模型注入 AECR，在 CGEP 任务中提升了事件因果推理与预测性能，尤其对稀有未见样本效果显著。
ConWriter: Transition-Constrained Stateful Long-Form Story Generation with Lightweight Neuro-Symbolic Consistency Control
ConWriter：基于轻量级神经符号一致性控制的带状态长文本故事生成，受过渡约束
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 针对现有长故事生成方法易累积各类错误的问题，提出无训练框架ConWriter，通过维护故事状态、验证叙事过渡并结合风险信号实现一致性控制，在ConStory-Bench上完成多模型多任务评估。
ANCHOR-RE: An Agentic Neuro-Symbolic Framework for Grounded Biomedical Relation Extraction
ANCHOR-RE：用于接地生物医学关系抽取的智能体神经符号框架
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 该研究提出ANCHOR-RE框架，将本体引导推理等集成到LLM推理中，在多个BioRE基准及2026年生物医学文章数据集上，该框架性能优于直接LLM提示及部分现有方法，是实用的无训练生物医学文献挖掘方法。
Comments Submitted to Journal of Biomedical Informatics (under review)
Verifiable Memory: Learning Unified Memory Management with Local and Global Verifiers for Large Language Model Agents
可验证记忆：为大语言模型智能体学习结合局部与全局验证器的统一记忆管理
专题命中 逻辑推理 ：verifier(abstract)；分类 cs.AI
AI总结 提出VerMem框架，用含七个原子操作的统一策略管理LTM等状态，结合局部与全局验证器训练，在多基准测试中性能与效率均优于基线。
EntailLLM: Verifying LLM-Generated Vulnerability Discovery Paths with Domain Knowledge via Logic Programming
EntailLLM：通过逻辑编程结合领域知识验证大语言模型生成的漏洞发现路径
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 EntailLLM通过逻辑编程结合领域知识验证LLM生成的漏洞发现路径，在三类CWE、四个LLM等多组实验中，将合并蕴含率从78%提升至98%，可端到端部署且无需逐设备调优。
Gram-Space: Structure-Preserving Codebook Compression for Memory-Efficient Neuro-Symbolic AI
Gram-Space：面向内存高效神经符号AI的结构保持码本压缩
机构 * University of California Riverside（加州大学河滨分校）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出Gram-Space压缩框架，通过格拉姆-施密特正交化保留VSA所需点积结构，可降低神经符号AI模型GPU内存使用与推理延迟，提升硬件利用率。
Comments International Conference on Neuro-symbolic Systems (NeuS) 2026
Neuro-Symbolic Participation Governance for Verifiable AI Agents in Open Digital Twin Ecosystems
开放数字孪生生态中可验证AI智能体的神经符号参与治理
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究针对开放数字孪生生态中AI智能体的验证需求，提出神经符号去中心化治理框架，结合神经推理与制度治理，通过区块链智能合约实现可审计参与，经原型验证可管控开销下保障合规协作。
Comments Accepted at the 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC 2026), Bellevue, WA, USA, October 4-7, 2026. 7 pages, 1 figure, 5 tables. Code: https://github.com/weicaiuw/verigov-ai (DOI: 10.5281/zenodo.21706699)
A Fuzzy Rule-based Neuro-Symbolic Approach for Pipe Severity Prediction in Sewer Networks
用于污水管网管道严重程度预测的基于模糊规则的神经符号方法
机构 * Can Tho University（芹苴大学） ； Istituto di Scienza e Tecnologie dell’Informazione, CNR - ISTI（意大利国家研究委员会信息科学与技术研究所）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本研究提出一种基于模糊规则的神经符号框架，将神经感知与符号推理解耦，结合Swin Transformer、Weka J48算法和模糊逻辑，在污水管网管道严重程度预测任务中，较仅图像分类提升了多项关键指标。
Harnessing Large Language Models for Intelligent Resource Allocation in the Internet of Everything
利用大语言模型实现万物互联环境下的智能资源分配
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 该研究针对万物互联的动态资源调度挑战，提出大语言模型驱动的资源分配方案，构建多维调度决策模型并引入反馈模块，仿真显示其在收敛速度等指标上表现优异。
CaM-Wolf: Causal-Aware Multimodal Agents for Social Deduction Games
CaM-Wolf：面向社交推理游戏的因果感知多模态智能体
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究针对现有SDG智能体多模态特性缺失的问题，提出首个整合多模态感知生成的CaM-Wolf，经实验验证其游戏性能与交互质量均有提升。
Comments Accepted by ACMMM 2026
Even More Deception: Objective Misalignment in Mixed-Motive LLM Multi-Agent Systems
更严重的欺骗：混合动机大型语言模型多智能体系统中的目标不一致
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究以《狼人杀》为框架，分析LLM多智能体的目标不一致问题，发现其会破坏对抗环境结果且在公开行为中难察觉，凸显需缓解策略。
Comments Accepted at AIWILD@ICLR 2026
ProcAgent: An Agentic Framework for Procedural Task Guidance on Edge with Human-in-the-Loop
ProcAgent：一种用于边缘端人机协作的过程性任务指导的智能体框架
机构 * University of Tennessee Knoxville（田纳西大学诺克斯维尔分校） ； Worcester Polytechnic Institute（伍斯特理工学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对家具组装等过程性任务，提出ProcAgent框架，利用提议与验证架构，结合多种技术，在边缘设备上实现实时自适应指导，经多维度评估及用户研究，证明能在不牺牲可用性的情况下于边缘硬件达成自适应过程性辅助。
KANEx: Translating Kolmogorov-Arnold Networks' Interpretability to Medical Explainability
KANEx：将柯尔莫哥洛夫-阿诺德网络的可解释性转化为医学可解释性
机构 * Indian Institute of Technology Madras（印度理工学院马德拉斯分校） ； Vanderbilt University School of Medicine（范德堡大学医学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对医学应用中视觉模型黑箱问题，提出KANEx框架，利用柯尔莫哥洛夫-阿诺德网络的符号透明度为VLM推理奠基，设计KAN-Map热图生成方法，经实验验证该方法能提升语义相似度、视觉定位及推理质量，为可信医学人工智能发展助力。
Comments MICCAI 2026
CONSISTRE: A Unified Consistency-Aware Framework for Document-Level Relation Extraction with Large Language Models
CONSISTRE：用于文档级关系抽取的统一一致性感知框架及大语言模型
机构 * Université de Sherbrooke（舍布鲁克大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究针对文档级关系抽取中，大语言模型预测易违反关系约束的问题，提出CONSISTRE统一框架。通过推理时的约束感知等及训练时的知识蒸馏强化学习两条路径解决，实验表明该框架有效提升性能，缩小开源与专有模型差距，增强可靠性。
Comments 13 pages, 2 figures. Submitted to IEEE/ACM Transactions on Audio, Speech, and Language Processing
Building AI That Works: ESnet's Pragmatic Approach to AI-Driven Operational Excellence
构建有效的人工智能：ESnet实现人工智能驱动卓越运营的务实方法
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 ORBIT项目针对ESnet运营痛点，将智能人工智能集成到ServiceNow平台，采用模块化分层架构，以版本化、测试的“技能”管理工具链，完成多项任务，减少步骤、消除错误模式，获广泛应用。
Let AI Agents Translate Networks, Not Reason About Them
让人工智能代理翻译网络，而非对其进行推理
机构 * Princeton University（普林斯顿大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对生产网络缺乏形式模型的问题，提出将人工智能局限于网络工件到形式逻辑规则的翻译，依靠求解器推理，构建TypoNet验证模拟广域网符号模型，能快速可靠回答操作问题及促进故障定位。
Comments 8 pages, 3 figures, 1 table
Lexical discovery in unknown environments orchestrated by Large Language Models
由大语言模型编排的未知环境中的词汇发现
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 针对未知环境中智能体需开发共享词汇的问题，提出神经符号词汇发现框架，让基于大语言模型的智能体群体进行指称博弈自组织词汇表，通过语义锚定扩展人类词汇，模拟达成共识并表征收敛动态，为自主探索预部署规划迈出第一步。
Comments 32 pages, 7 figures
SCALE: Self-Supervised Constraint-Aware Layout GEneration for Local P&R DRV Fixing at Advanced Nodes
SCALE：用于先进节点局部布局与布线设计规则违规修复的自监督约束感知布局生成
机构 * NVIDIA（英伟达） ； Duke University（杜克大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对先进节点局部P&R DRV修复难题，提出SCALE框架，通过自监督布局生成、利用自然语言规则约束和高温采样等方法，生成DRC注释布局违规对微调DRC-VLM，有效提升了最先进代理的修复解决率。
Comments 8 pages, 5 Figures, 6 Tables
Scaling Up Formal Representation of Clinical Trial Protocols in Ensemble Logic Using LLMs: A Preliminary Study
使用大语言模型在集成逻辑中扩大临床试验协议的形式化表示：一项初步研究
机构 * McGovern Medical School（麦戈文医学学院） ； McWilliams School of Biomedical Informatics（麦克威廉斯生物医学信息学学院） ； The University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对临床试验协议依赖非结构化文本阻碍自动化推理等问题，引入CT-TEL工作流程，利用大语言模型将叙述性临床协议转为TEL公式，通过反向翻译评估保真度，为协议映射到可计算逻辑及临床试验模拟提供初步证据。
Comments Proceedings of the 2026 American Medical Informatics Association Symposium, to appear
Chronofy: A Temporal-Logical Decay Architecture for Information Validity in Time-Aware Retrieval-Augmented Generation
Chronofy：一种用于时间感知检索增强生成中信息有效性的时态逻辑衰减架构
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 研究针对RAG系统中因未考虑时间来源导致的时间幻觉问题，提出Chronofy三层神经符号框架，通过嵌入时间有效性到表示、检索和推理层，经实验验证该框架能提高检索精度、减少幻觉并启用数据重新获取触发机制。
Logic-Guided Data Extraction with Answer Set Programming and Large Language Models
使用回答集编程和大语言模型进行逻辑引导的数据提取
机构 * University of Calabria（卡拉布里亚大学） ； University of Campania Luigi Vanvitelli（坎帕尼亚路易吉·万维泰利大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对大语言模型用于语义数据提取时的不足，提出结合回答集编程与大语言模型的逻辑引导数据提取框架，通过交错调用与推导减少大语言模型调用次数，提高提取质量。
Comments 42nd International Conference on Logic Programming, to appear in Theory and Practice of Logic Programming (TPLP)
DWM: Separating World Effects from Actions in Latent World Models
DWM：在潜在世界模型中分离世界效应与动作
机构 * Peking University（北京大学）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 研究在潜在世界模型中分离世界效应与动作的问题，提出DWM框架，通过辅助世界头和正交性约束实现预测转换的显式加法分解，在构建的W变体基准测试中取得更好效果。
Engineering Trustworthy Agentic AI for Critical Systems
为关键系统设计可靠的智能体人工智能
机构 * Texas A&M University（德克萨斯A&M大学） ； Innovations in Systems Trust and Resilience (iSTAR) Laboratory（系统信任与弹性创新（iSTAR）实验室） ； Texas A&M Institute of Data Science - Security, Privacy and Resilience for Trusted AI (SPARTA) Thematic Lab.（德克萨斯A&M大学数据科学研究所 - 可信人工智能的安全、隐私与弹性（SPARTA）主题实验室） ； Texas A&M Global Cyber Research Institute (GCRI)（德克萨斯A&M大学全球网络研究所）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 研究针对关键工程领域智能体人工智能，将可靠性作为首要工程属性，采用围绕五个维度的可靠性模型及保证工作流程，综述相关架构、机制等，经多领域检验，指出其可靠性是单一问题并勾勒跨域保证框架路径。
Comments This work has been submitted to the IEEE for possible publication
Symbolic Augmentation Closes a Canonical-Equivalence Blind Spot in Neural Fact-Checkers
符号增强弥补神经事实核查器中规范等价盲点
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
专题命中 逻辑推理 ：verifier(abstract)；分类 cs.AI
AI总结 研究大语言模型总结科学文本时数字和单位幻觉问题，提出将错误检测重定义为类型验证，引入分类法和基准。用符号增强训练框架，提升规范等价鲁棒性，提高准确率，还明确了符号特征及银标签在特定情况下的作用，确定训练时增强是关键集成点。
Comments 18 pages, 3 figures, 6 tables
Music-to-Dance Generation via Atomic Movements
通过原子运动生成音乐驱动的舞蹈
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院） ； National Institute of Health Data Science, Peking University（北京大学健康数据科学研究所） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 研究音乐驱动的舞蹈生成问题，提出结构感知框架，将编排建模为原子运动序列，经数据分割、聚类及大语言模型处理得到原子运动注释，设计两阶段生成框架，提升舞蹈生成的结构连贯性、节奏对齐和自然度，增强可解释性与可控编辑性。
Explaining Reinforcement Learning Agents via Inductive Logic Programming
通过归纳逻辑编程解释强化学习智能体
机构 * University of Verona（维罗纳大学） ； Sapienza University of Rome（罗马第一大学）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 该研究致力于推进可解释强化学习，引入客观指标量化策略可解释性。采用归纳逻辑编程提取符号表示并定义新指标，实验表明这些指标能突出特定动作学习动态，提供细粒度洞察，揭示多智能体模式，助力策略转移与泛化。
Automatic Ordinary Differential Equations Discovery For Biological Systems Using Large Language Model Powered Agentic System
使用由大语言模型驱动的智能体系统自动发现生物系统中的常微分方程
机构 * Weizmann Institute of Science（魏茨曼科学研究所） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Haifa（海法大学） ； Jonkoping University（延雪平大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究旨在用大语言模型驱动智能体系统自动发现生物系统常微分方程。提出MEDA系统，能检索知识、定义变量、生成约束等。通过多种任务评估，该系统可恢复正确变量，实现结构恢复，生成合理模型，还明确关键组成部分。
