Cognitive Dark Matter: Measuring What AI Misses
认知暗物质：测量AI所缺失的东西
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文提出认知暗物质概念，旨在通过测量AI缺失的认知功能提升模型的通用智能，同时促进对人类智能的理解。
Comments 15 pages, 3 figures
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. 其他推理 275 篇
Recovering Fine-Grained Code Change Rationale from Multiple Software Artifacts
细粒度多文档提取与代码变更理由生成
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文研究如何从多个文档中提取代码变更理由，提出ARGUS方法，通过LLM生成简洁的变更理由摘要，提升代码理解和维护效率。
Evaluating the Practical Effectiveness of LLM-Driven Index Tuning on Microsoft SQL Server
评估基于大语言模型的索引优化的实用性效果：微软数据库优化顾问
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文通过工业基准和真实企业工作负载评估LLM驱动的索引优化效果，对比微软数据库优化顾问（DTA），发现LLM在部分情况下能提供更优执行时间配置，但生产环境中应用仍面临性能波动、集成影响和验证成本等挑战。
RecoWorld: Building Simulated Environments for Agentic Recommender Systems
RecoWorld：为代理推荐系统构建模拟环境
专题命中 其他推理 ：reasoning(abstract)
AI总结 RecoWorld通过双视角架构和多轮强化学习，构建了代理推荐系统的模拟环境，旨在提升用户留存和参与度。
Comments HCRS @ WWW 2026, Best Paper Award
A hierarchical memory architecture overcomes context limits in long-horizon multi-agent computational modeling
分层内存架构克服长期多智能体计算建模中的上下文限制
专题命中 其他推理 ：reasoning(abstract)
AI总结 研究针对大语言模型在长期多智能体计算建模中因无状态架构受限的问题，提出Ensemble QSP多智能体框架，其分层内存架构可保持上下文稳定，经测试能自主进行药代动力学 - 药效学模型选择，提升参数恢复能力，且架构与领域无关。
Comments 19 pages, 4 figures, 2 tables. Preprint submitted for publication
CoVStream: Edge-Cloud Collaboration for Understanding of Long Video Streams
CoVStream: 面向长视频流的边缘-云协作理解
机构 * The State Key Lab of Brain-Machine Intelligence, Zhejiang University（浙江大学脑机智能国家重点实验室） ； vivo Mobile Communication Co., Ltd., Shenzhen, China（深圳 vivo 通信有限公司）
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出边缘-云协作框架CoVStream，边缘节点将视频流压缩为视觉特征和语义描述传输至云端，云服务器构建实体图与全局视觉上下文，仅在用户查询时激活大模型，在LVBench上带宽降低87.6%且准确率保持99.2%。
Comments 9 pages
LLM-Based User Personas for Recommendations at Scale
基于LLM的用户画像用于大规模推荐
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出实时生成LLM用户兴趣画像的框架，通过知识蒸馏、异步推理和语义聚类优化，平衡利用-探索权衡，提升大规模视频推荐效果。
Comments Accepted by 2026 RecSys Industry Track
EvoGuard: An Extensible Agentic RL-based Framework for Practical and Evolving AI-Generated Image Detection
EvoGuard: 一种基于代理强化学习的可扩展框架，用于实际和演化的AI生成图像检测
机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（国家信息研究所）
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文提出EvoGuard框架，利用多模态大语言模型和非MLLM检测器，通过能力感知的动态编排机制实现高效AIGI检测，优化后无需细粒度标注，实验表明其在准确性和可扩展性上均达最优。
Comments Template changed
UNIPO: Unified Interactive Visual Explanation for RL Fine-Tuning Policy Optimization
UNIPO：统一的交互式可视化用于RL微调策略优化
专题命中 其他推理 ：reasoning(abstract)
AI总结 UNIPO通过统一设计揭示RL微调算法的token级训练动态，提供高阶训练概述、步骤级提示响应检查器和算法对比视图，支持非专家教学和AI从业者算法选择。
The University AI Didn't Replace -- Rethinking Universities in the AI Era
人工智能未取代大学——人工智能时代大学的重新思考
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文探讨了人工智能在高等教育中的影响，提出大学AI采用的四个层级框架，并通过案例研究展示如何从孤立创新转向战略整合，以推动教育变革。
Comments 8 pages, 1 figure. Position paper on Generative AI and the transition from isolated educational innovation to institutionally supported adoption in higher education
StageCraft: Execution Aware Mitigation of Distractor and Obstruction Failures in VLA Models
StageCraft: 通过执行意识缓解VLA模型中干扰和障碍故障
机构 * Arizona State University（亚利桑那州立大学）
专题命中 其他推理 ：reasoning(abstract)
AI总结 StageCraft通过利用大规模视觉语言模型进行推理，改进预训练VLA策略性能，通过操控环境初始状态避免执行故障，实现在三个真实任务领域中性能提升40%。
Comments Accepted to IEEE International Conference on Intelligent Robots and Systems (IROS) 2026
On Test-Time Scaling for Vision-Language Models
关于视觉-语言模型的测试时扩展
机构 * ETRO Department, Vrije Universiteit Brussel（布鲁塞尔自由大学ETRO部门） ； imec
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文系统研究了视觉-语言模型（LVLM）的测试时扩展方法，发现小型高性能模型受益最大，性能提升可达30%，并揭示了视觉信息在推理链早期编码后图像令牌贡献显著下降。
Comments ECCV 2026
Learning AI Without a STEM Background: Mixed-Methods Evidence from a Diverse, Mixed-Cohort AIED Program
无需STEM背景的学习AI：来自多样化混合队列AIED项目的混合方法证据
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文探讨了无需STEM背景的AI教育模型，通过混合方法数据展示学习者在伦理判断、情境推理和责任方面的提升，强调伦理素养和指导在AI教育中的重要性。
Comments 14 pages, 1 figure
From Textual Columns to Query Plans: A Unified Relational-Semantic Execution Framework for Hybrid Query Processing
OmniTQA：一种面向半结构化数据的混合查询处理成本感知系统
专题命中 其他推理 ：reasoning(abstract)
AI总结 OmniTQA通过整合LLM语义操作与传统关系运算符，提出了一种成本感知的混合查询处理框架，有效处理结构化与半结构化数据，提升复杂查询和大规模表的准确性和效率。
From One-to-One to Many-to-Many: Dynamic Cross-Layer Injection for Deep Vision-Language Fusion
从一对一到多对多：面向深度视觉-语言融合的动态跨层注入
机构 * Tongji University（同济大学） ； Ant Group（蚂蚁集团） ； Shanghai Innovation Institute（上海创新研究院） ； Independent Researcher（独立研究者）
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出跨层注入框架，通过自适应多投影模块和自适应门控融合机制实现视觉层与LLM的动态多对多连接，显著提升多模态理解性能。
RF-HiT: Rectified Flow Hierarchical Transformer for General Medical Image Segmentation
RF-HiT：校正流分层变换器用于通用医学图像分割
机构 * Computer Science department Mohamed Khider University Biskra, Algeria ； ISASI, CNR \& University of Salento 73100 Lecce, Italy ； AI University of the Basque Country (UPV/EHU), Spain ； Sorbonne Center for Artificial Intelligence, Sorbonne University Abu Dhabi, UAE
专题命中 其他推理 ：reasoning(abstract)
AI总结 RF-HiT通过整合hourglass变换器骨干和多尺度分层编码器，实现高效的医学图像分割，在保持精度的同时提升效率，达到91.27%的Dice系数。
Focus Then Listen: An Empirical Study of Plug-and-Play Audio Enhancer for Noise-Robust Large Audio Language Models
先聚焦后聆听：探索用于噪声鲁棒的大规模音频语言模型的即插即用音频增强器
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学）
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出即插即用的音频增强器FTL，通过分离语音与非语音并利用模态路由器预测目标模态，生成任务自适应增强信号，无需微调即可提升LALMs在噪声环境下的性能。
Comments Accepted by ICML 2026 Workshop (Machine Learning for Audio)
Representation theorems for actual and alpha powers over two-agent general concurrent game frames
关于双智能体一般并发博弈框架中实际权力和α权力的表示定理
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文针对双智能体一般并发博弈框架，证明了实际权力和α权力的八种类型分别可由八类邻域框架表示，推广了已有结果，并指出双智能体实际权力刻画无法推广到任意有限智能体集合。
Counterfeit Answers: Adversarial Forgery against OCR-Free Document Visual Question Answering
伪造答案：针对无OCR文档视觉问答的对抗性伪造
机构 * University of Cagliari, Italy（卡利亚里大学） ； Computer Vision Center, UAB, Spain（UAB计算机视觉中心）
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出一种视觉上不可察觉但语义上定向的对抗攻击方法，通过伪造文档内容诱导DocVQA模型产生错误答案，在Pix2Struct和Donut模型上验证了有效性。
Against the Monolithic Wireless World Model: Why NextG Needs Composable and Agentic Intelligence
反对单一无线世界模型：为什么NextG需要可组合和代理智能
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文指出无线领域缺乏等同于LLM的数据基础，主张采用可组合和代理智能架构以实现可部署的AI原生网络。
Journal ref ICML 2026 Workshop on AI and ML for NextG
Why That Robot? A Qualitative Analysis of Justification Strategies for Robot Color Selection Across Occupational Contexts
为什么那个机器人？跨职业背景下机器人颜色选择论证策略的定性分析
机构 * The University of Tennessee, Knoxville（田纳西大学，基洛纳分校） ； University of Kentucky（肯塔基大学）
专题命中 其他推理 ：reasoning(abstract)
AI总结 通过定性分析1038名参与者的4146条开放式理由，研究用户在不同职业中如何合理化对机器人肤色和拟人化特征的选择，发现功利主义功能主义是主要策略，但偏见常潜藏于理性化之下。
Graphs Don't Stay Secret: Practical Subgraph Reconstruction Attacks on Defended Graph RAG
图并非保密：对防御图RAG的实用子图重构攻击
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出GRASP攻击，通过多轮查询从防御的图RAG系统中重构子图，达到82.9 F1，并评估防御措施。
HarmRLVR: Weaponizing Verifiable Rewards for Harmful LLM Alignment
HarmRLVR: 利用可验证奖励进行有害大模型对齐
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出HarmRLVR，首次系统研究可验证奖励强化学习（RLVR）的对齐可逆性风险，通过仅64个有害提示的GRPO即可快速逆转安全对齐，攻击成功率高达96.01%。
Beyond Chunks and Graphs: Retrieval-Augmented Generation through Triplet-Driven Thinking
超越分块与图：基于三元组驱动的检索增强生成
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出T$^2$RAG框架，利用三元组知识库和迭代检索，在六数据集上平均性能提升11%，检索成本降低45%。
Comments ACL 2026 Findings
SIL: Symbiotic Interactive Learning for Language-Conditioned Human-Agent Co-Adaptation
SIL: 语言条件的人机协同适应的共生交互学习
机构 * Technical University of Leoben（莱博恩技术大学）
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出共生交互学习（SIL）框架，实现人类与智能体在共享潜在任务空间中的双向协同适应，通过联合信念状态、FM空间推理和记忆架构，在指令跟随等任务中达到90.4%完成率和0.83信念对齐分数。
SAM: A Mamba-2 State-Space Audio-Language Model
SAM: 一种基于 Mamba-2 状态空间的音频-语言模型
机构 * Sogang University（ソンガン大学）
专题命中 其他推理 ：reasoning(abstract)
AI总结 提出 SAM，一种结合 Mamba-2 骨干网络的音频-语言模型，在 AudioSet 和 AudioCaps 上以更少参数达到或超越 7B 变压器模型性能，并系统分析了 SSM 与音频编码器输出的交互机制。
Comments 6 pages, Accepted to Interspeech 2026
Topology-Aware LLM-Driven Social Simulation: A Unified Framework for Efficient and Realistic Agent Dynamics
基于拓扑的LLM驱动社交模拟：一种统一框架用于高效且真实的代理动态
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文提出TopoSim框架，通过整合拓扑结构推理提升社交模拟的效率和真实性，实验显示其在多个框架和数据集上均表现出更优的模拟精度和更低的资源消耗。
Causal Transfer in Medical Image Analysis
医学图像分析中的因果迁移
机构 * University of Waterloo（滑铁卢大学）
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文探讨了医学图像分析中因果迁移方法，整合因果推理与跨域表示学习，以解决领域偏移问题，提升临床AI的鲁棒性和泛化能力。
