大模型推理能力

From Visual Widgets to UI Code: Efficient Tool-Grounded Generation

从视觉控件到UI代码：高效的基于工具的生成

Houston H. Zhang, Tao Zhang, Li Gu, Linfeng Ye, Yuanhao Yu, Xinxin Zuo, Yang Wang, Zhixiang Chi

机构 * McMaster University（麦克马斯特大学） ； University of Toronto（多伦多大学） ； Concordia University（康考迪亚大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG

AI总结 本研究提出轻量级工具框架WidgetGen，在6个多模态模型和1000个控件上，其视觉重建指标优于直接提示和Widget2Code，且重建的图像-代码对可提升Qwen系列模型性能

Comments ECCV2026 (MUCG Workshop)

Assessment Design in the GenAI Era: The X1-X2-X3 Assessment Pattern for Testing Students' AI Literacy, Learning Outcomes, and Reflection

生成式人工智能（GenAI）时代的评估设计：用于测试学生AI素养、学习成果与反思的X1-X2-X3评估模式

Riasat Islam, Thomas Roelleke

专题命中 复杂问题求解 ：planning(abstract)；分类 cs.AI

AI总结 本文针对GenAI对在线评估的挑战，提出可复用的X1-X2-X3评估模式，用于测试学生AI素养等，为教师适配GenAI时代评估提供实践指导。

Comments 30 pages, 1 figure, 11 tables. Submitted to the following journal: Assessment & Evaluation in Higher Education (Taylor & Francis)

SDAM: Structure-Difference-Aware Memory Evolution for Complex Text-to-SQL

SDAM：面向复杂文本转SQL的结构差异感知记忆演化

Keyan Xu, Dingzirui Wang, Xuanliang Zhang, Qingfu Zhu, Wanxiang Che

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 针对现有文本转SQL记忆设计的缺陷，提出SDAM方法，集成至SDAM-SQL框架，在BIRD-dev和Spider-test数据集上实现指标提升，验证了方法有效性。

Comments 19 pages, 5 figures, 12tables

On Measuring Semantic Preservation in Legal Ontology Learning

论法律本体学习中的语义保留度量

Albert Sadowski, Jarosław A. Chudziak

机构 * Warsaw University of Technology（华沙理工大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 本文针对法律本体学习的语义保留评估问题，提出通过对比LLM在源文档与转换后表示上的任务性能量化语义损失，经多模型多方法实验发现语义损失随模型-方法配对显著变化，为法律知识系统配置选择提供指导。

Comments Accepted for publication at the 30th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (KES 2026)

Expert-Guided g-computation with Large Language Models for Estimating Causal Effects on Timings: Applications to Hospital Quality Improvement

基于大型语言模型的专家引导g计算法估计时序因果效应：在医院质量改进中的应用

Patrick Vossler, Jialin Ouyang, F. Richard Guo, Anran Huang, Ali Shojaie, Lucas Zier, Fan Xia, Jean Feng

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究提出专家引导g计算法（egg-computation），结合专家判断与LLM技术，用于估计医院干预措施对平均住院时长的因果效应，在模拟和真实医院数据中表现优于传统方法。

MUSE: A Full-Text Cross-Domain Knowledge Base of Scientific Problems, Solutions, and Rationales

MUSE：一个包含科学问题、解决方案及原理的全文跨领域知识库

Tsofia Cohen, Tom Hope

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Allen Institute for AI (Ai2)（艾伦人工智能研究所） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 本研究推出MUSE知识库，通过模块化抽取流程构建含3.7万个P-S-R三元组的跨领域资源，实验表明原理监督可提升复杂问题的性能但会损害简单问题的性能。

MEGA: Self-Evolving Agent Optimization Infrastructure via Wisdom Graph

MEGA：基于智慧图的自进化智能体优化基础设施

Jung Hwan Lee, Kyu Ho Lee, Gwang Hoon Yoo

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 MEGA是一种自进化智能体优化基础设施，通过三层架构实现智慧积累、组合推理与自进化，可系统性优化异构智能体系统，将优化与知识进化融为一体。

Comments 29 pages, 10 figures. Technical report

Hierarchical Compositionality for An Assistive AI Agent

面向辅助AI智能体的分层组合性

Tianyi Fu, Mohan Sridharan

机构 * University of Edinburgh（爱丁堡大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本文针对辅助AI智能体的歧义问题，提出嵌入分层组合性原则的架构，结合语义兼容性等模型推理实现歧义消除，实验表明其性能优于当前最优数据驱动基线，可适配特定用户画像。

Comments 25 pages, 9 figures, 4 tables. Project page: https://tianyi-fu.github.io/HCAA

Predicting Space Groups of Double Perovskites by LLM with Dynamic Few-Shot Learning

基于动态少样本学习的大语言模型预测双钙钛矿的空间群

Jongwon Park, Inhyo Lee, Junhyeong Lee, Seunghwa Ryu

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 该研究提出基于LLM智能体的DyRIS框架，通过动态少样本检索与规则引导推理，在不平衡双钙钛矿数据集上提升了空间群预测的整体及少数类性能，验证了领域知识与LLM结合的有效性。

Comments 46 pages, 6 figures, Supplementary Information included(24 pages)

OpenLoopEvolve: A Verifiable Self-Evolution Framework for Loop Policies in Long-Horizon Complex Tasks

OpenLoopEvolve：面向长周期复杂任务中循环策略的可验证自进化框架

Siqi Wang, Xinlin Li, Zhenglin Li, Li Li

机构 * Tsinghua University（清华大学） 纠错

专题命中 复杂问题求解 ：planning(abstract)；分类 cs.AI

AI总结 OpenLoopEvolve是面向长周期复杂任务的可验证自进化框架，通过在线与离线两种进化模式优化循环策略，在YC-Bench基准上提升了任务性能、成功率与风险指标。

SkillSentry: Reliable Skill Execution for LLM Agents via Runtime Assurance

SkillSentry：基于运行时保障的大语言模型智能体可靠技能执行方案

You Lu, Xinyu Huang, Bihuan Chen, Xin Peng

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 SkillSentry是基于DSL的技能运行时保障框架，通过初始化、监控引导与迭代优化提升LLM智能体技能执行可靠性，在15项技能上平均提升任务成功率24.1%且降低变异性。

Tree-of-Experience: Hierarchical Experience Management for Self-Evolving Agents

经验树：面向自我进化智能体的分层经验管理

Zihao Deng, Yining Zhu, Leiming Wang, Jingfei Lu, Junbo Wang, Chuncheng Ran, Yu Yang, Dixuan Yang, Jikun Shen

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 该研究提出经验树（ToE）框架，将经验组织与LLM智能体分层推理对齐，在“24点游戏”和“金融进化基准”上大幅提升了解题性能与效率，解决了现有经验表示与推理过程脱节的问题。

VoxZip: Semantic-Anchored Temporal KV Cache Compression for Long-Context Audio Inference

VoxZip：面向长上下文音频推理的语义锚定时序KV缓存压缩

Wenxu Jia, Dongjie Fu, Xize Cheng, Fangming Feng, Linjun Li, Wenshi Chen, Yingming Li, Zhou Zhao, Tao Jin

机构 * Zhejiang University（浙江大学） ； Meituan（美团） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 针对语音大语言模型长上下文推理的KV缓存内存瓶颈，提出无训练两阶段语义锚定框架VoxZip，在多音频基准上实现高效压缩，维持高性能并提升推理效率。

VTO: Visual Tool Orchestration for Video Anomaly Detection

VTO：面向视频异常检测的可视化工具编排

Rui Wang, Yeteng Wu, Xianling Zhang, Mengshi Qi

机构 * State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； School of Digital Media & Design Art（数字媒体与设计艺术学院） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 针对视频异常检测中传统方法泛化差、多模态智能体工具编排难的问题，提出过程监督强化学习框架VTO，结合VAD-Tool工具集，在工具调度上较基线提升10.2%。

Comments Accepted by ACM MM 2026

Verication-driven closed-loop multi-agent large language modelframework for code-compliant structural design

验证驱动的闭环多智能体大语言模型框架：面向符合代码规范的结构设计

Jianbin Luo, Weibin Lin, Yiran Lin, Qing Wei, Wei Guo

专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.AI

AI总结 本研究提出验证驱动的闭环多智能体LLM框架，通过耦合有限元验证系统与双节点结构提升结构设计的代码合规性，开源基准与脚本，性能提升显著且具可复现性。

Comments 20 pages, 21 figures

StepReflect: Structured UI Transition Reflection for Mobile GUI Agents

StepReflect：面向移动GUI智能体的结构化UI过渡反射

Linqiang Guo, Wei Liu, Li Gu, Yang Wang, Tse-Hsun, Chen

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 针对移动GUI智能体长时序执行的动作反射需求，提出StepReflect模型，在离线和在线实验中均优于GPT-5.2相关方案，成本更低且可本地部署。

C$^3$PO: Evaluating Cross-Modal Composition and Counterfactual Performance in Omnimodal Models

C³PO：评估全模态模型中的跨模态组合与反事实性能

Swapnanil Mukherjee, Agyeya Negi, Tanuja Ganu, Ponnurangam Kumaraguru

机构 * Microsoft Research India（微软研究院印度分院） ； IIIT Hyderabad（印度国际信息技术研究院（海得拉巴）） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究推出C³PO基准数据集，评估全模态模型的跨模态组合与反事实性能，发现模型存在模态主导问题，需改进架构以支持持续跨模态注意力。

OrchestraBench: Evaluating Multi-Agent Orchestration Failure Modes, Recovery, and Decomposition Quality

OrchestraBench：评估多智能体编排的故障模式、恢复能力与分解质量

Yidian Chen, Yingzi Gu, Natan Vidra, Spurthi Setty, Sharon Zheng

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 OrchestraBench 是评估多智能体编排故障模式、恢复能力与分解质量的基准，通过可控故障注入揭示了不同路由策略、智能体模式的故障处理差异及级联规律。

Comments 8 pages, 4 figures

Governing Execution Risk in Agentic AI Systems: A Trajectory-Guided Framework for Red Teaming

管控智能体AI系统的执行风险：一种基于轨迹的红队测试框架

Zhihao Zhu, Yi Yang

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究提出基于轨迹的红队测试框架TrajRed和运行时管控层TrajGuard，在AgentDojo实验中，TrajRed识别的漏洞更强，TrajGuard可将攻击成功率降至近零且保留任务效用。

FLARE: Few-shot Learning-based Adaptive Reflective Engine

FLARE：基于小样本学习的自适应反思引擎

Dhanasekar Sundararaman, Bharat Gandhi, Aashna Garg, Minjie Li

机构 * Microsoft（微软） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 本研究提出FLARE框架，利用小样本学习与反思机制优化指令，在多基准任务中优于GEPA，数据效率更高且稳定性更强，凸显小样本学习策略优化对提升LLM性能的重要性。

Effective and Efficient Context Retrieval via Partial Dependency Graph for Repository-Level Code Generation

基于部分依赖图的高效上下文检索用于仓库级代码生成

Zhongxin Liu, Zhonghao Jiang, Zhifan Ye, Haoye Wang, Jiakun Liu, Xiaoxue Ren

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 该研究针对仓库级代码生成中RAG方法的不足，提出基于部分依赖图的DyRetriever，构建DyCoder并在CoderEval、DevEval上取得显著性能提升且效率更高。

Comments Accepted by ASE 2026

Hear, Invoke, and Understand: A Skill-Calling Multimodal Agent for Large Audio Language Models

聆听、调用与理解：面向大型音频语言模型的技能调用多模态智能体

Yuwen Wang, Tian-Hao Zhang, Minghao Cai, Yilin Ren, Ziyang Jiang, Xin Wang, Zhichao Wang, Pan Zhou, Kun Zhan, Xinyuan Qian

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究针对工具交互型音频推理问题，开发了SpeechAgent-R智能体，构建了HIU-Corpus与HIU-Bench，经实验验证其在分布内外任务上均较基础模型有显著性能提升。

The Graph Language: How Knowledge Graphs Speak to Large Language Models

图语言：知识图谱如何与大语言模型对话

Giuseppe Pirrò

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 研究针对知识图谱与大语言模型融合的挑战，提出GRALAN模型，通过关系令牌实现KG在LLM语义空间的适配，在问答任务中显著优于现有方法，为KG-LLM融合提供新范式。

Comments Accepted to ISWC 2025

Select-And-Extract: A Lightweight Plugin for Retrieval-Augmented Generation

Select-And-Extract：一种用于检索增强生成的轻量级插件

Chenming Tang, Jiawei Han

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 该研究针对RAG的检索与阅读两类失效模式，提出轻量级插件SANE，通过语义检索+LM选候选、蓝图引导证据提取实现稳定性能提升，且开销适度。

Comments Pre-print

Don't Mix Rewards, Mix Policies: Policy Decomposition and Optimization for Multi-Reward RL

不要混合奖励，要混合策略：多奖励强化学习的策略分解与优化

Ruiming Liang, Yi Zhong, Yizhen Yuan, Yinan Zheng, Tianyi Tan, Tianyue Wang, Haiyun Guo, Jinqiao Wang, Xianyuan Zhan

机构 * Fundation Model Research Center, CASIA（中国科学院自动化研究所基础模型研究中心） ； School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； College of Automotive and Energy Engineering (CAEE), Tongji University（同济大学汽车与能源工程学院） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究针对多奖励RL的对齐税问题，提出PRISM框架，通过策略分解优化正、负策略，在三类任务上优于基线并具备推理可控性。

Reflection or Re-Generation? Why LLM Revision Fails Where Human Revision Succeeds

反思还是重新生成？为什么大型语言模型（LLM）的修正会失败，而人类的修正却能成功

Yefan Tao, Gerald Friedland, Madhusudhanan Chandrasekaran, Luyang Kong

机构 * Amazon（亚马逊） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.LG

AI总结 本研究提出人类-LLM反思框架（HRF）对比人类与LLM的修正，发现LLM反思在客观任务增益近零、主观任务增益为负，本质是条件重新生成，而非真正的错误驱动修正。

Comments 20 pages, 8 figures

RefineSVG: Visual Feedback-Driven Reinforcement Learning for Image-to-SVG Generation

RefineSVG：视觉反馈驱动的图像转SVG生成强化学习

Shaobo Liu, Feiqiao Mao, Shuaishuai Zhou, Yan Zhan, Weiqi Tan, Zhiqiong Lu, Zhengping Liang

机构 * Shenzhen University（深圳大学） ； Peking University（北京大学） 纠错

专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.AI

AI总结 RefineSVG是一种视觉反馈驱动的闭环框架，通过引入SVG语义词汇表和渐进式训练，使MLLM实现高保真图像转SVG生成，性能优于现有基线。

Comments 17 pages, 5 main-paper figures. Accepted at the 34th ACM International Conference on Multimedia (ACM MM 2026). Includes the complete supplementary material

DeepResearch Agent System

DeepResearch 智能体系统

Yong Huang, Yulu Huang, for the team Collaboration

机构 * Software Copyright Research and Development Document（软件版权研究与开发文档） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 DeepResearch 智能体系统是基于稀疏激活架构的大语言模型，通过双模式推理引擎、多工具协调等技术，在多个智能体基准测试中取得最优性能，已完全开源并支持多领域应用。

Vibe-FDTR: An agent-oriented framework for reproducible frequency-domain thermoreflectance data analysis

Vibe-FDTR：一种面向智能体的可复现频域热反射数据分析框架

Fuwei Yang, Weiheng Li, Bai Song

专题命中 复杂问题求解 ：planning(abstract)；分类 cs.AI

AI总结 Vibe-FDTR是面向智能体的FDTR数据分析框架，结合领域代码包与智能体技能，在基准测试中表现优异，可降低计算成本与执行时间，助力低门槛可信热计量。

Eco3S: Complex Socio-Economic System Simulation via Agent-Based Models

Eco3S：基于智能体模型的复杂社会经济系统仿真

Shaopeng Wei, Yufei Cheng, Wenxi Sun, Yepeng Ding, Yu Zhao, Gang Kou

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 Eco3S是面向经济研究与政策分析的社会经济系统仿真框架，通过三种关键机制解决现有LLM-based ABM的挑战，经多场景实验验证其有效性、可扩展性与通用性。

Comments 18 pages, 18 figures, 7 tables