大模型推理能力

TLC-Plan: A Two-Level Codebook Based Network for End-to-End Vector Floorplan Generation

TLC-Plan: 一种基于两级代码库的网络用于端到端向量地板计划生成

Biao Xiong, Zhen Peng, Ping Wang, Qiegen Liu, Xian Zhong

机构 * Hubei Key Laboratory of Transportation Internet of Things, School of Computer Science and Artificial Intelligence, Wuhan University of Technology（湖北交通物联网重点实验室，计算机科学与人工智能学院，武汉理工大学） ； School of Information Engineering, Nanchang University（信息工程学院，南昌大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 TLC-Plan通过两级代码库网络直接生成端到端向量地板计划，实现高效且拓扑有效的建筑设计。

Identifying Adversary Tactics and Techniques in Malware Binaries with an LLM Agent

利用LLM代理识别恶意软件二进制中的攻击战术与技术

Zhou Xuan, Xiangzhe Xu, Mingwei Zheng, Louis Zheng-Hua Tan, Jinyao Guo, Tiantai Zhang, Le Yu, Chengpeng Wang, Xiangyu Zhang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 TTPDetect通过结合密集检索与LLM神经检索，利用LLM代理识别恶意软件二进制中的TTPs，实现高精度和召回率。

Inverse Optimization Without Inverse Optimization: Direct Solution Prediction with Transformer Models

无需逆向优化：基于Transformer模型的直接解预测

Macarena Navarro, Willem-Jan van Hoeve, Karan Singh

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出基于Transformer模型的直接解预测方法，用于解决具有未知组件的组合优化问题，通过约束推理模块整合已知约束，生成结构相似且满足约束的解，展现出在复杂问题中优于LSTM和逆向优化的性能。

Modular Safety Guardrails Are Necessary for Foundation-Model-Enabled Robots in the Real World

模块化安全护栏是现实世界中由基础模型赋能的机器人所必需的

Joonkyung Kim, Wenxi Chen, Davood Soleymanzadeh, Yi Ding, Xiangbo Gao, Zhengzhong Tu, Ruqi Zhang, Fan Fei, Sushant Veer, Yiwei Lyu, Minghui Zheng, Yan Gu

机构 * Purdue University（普渡大学） ； Amazon（亚马逊公司） ； NVIDIA（英伟达公司） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出模块化安全护栏以解决现实世界中由基础模型赋能的机器人在开放、长尾和随时间适应的环境中的安全挑战。

PAMAS: Self-Adaptive Multi-Agent System with Perspective Aggregation for Misinformation Detection

PAMAS：基于视角聚合的自适应多智能体系统用于虚假信息检测

Zongwei Wang, Min Gao, Junliang Yu, Tong Chen, Chenghua Lin

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 PAMAS通过自适应多智能体系统和视角聚合技术，有效解决虚假信息检测中的信息淹没问题，提升检测准确性和效率。

Comments 12 pages

Beyond the Prompt: Assessing Domain Knowledge Strategies for High-Dimensional LLM Optimization in Software Engineering

超越提示：评估领域知识策略在软件工程高维LLM优化中的应用

Srinath Srinivasan, Tim Menzies

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本研究比较了人类与人工智能策略在生成领域知识方面的效果，通过四种不同架构评估如何利用结构化知识整合提升LLM在高维优化中的表现。

Comments Accepted at MSR 2026 (Registered Reports Track)

How Much of the United States Can Still Host New Hyperscale Data Centers? A Constraint-Based Feasibility Analysis

美国还能有多少地方还能建设新的超大规模数据中心？一种基于约束的可行性分析

Milan Janosov

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文基于美国的地理空间框架，分析了在现有物理、基础设施和环境约束下，超大规模数据中心的可行建设区域，得出美国实际可行容量在数十吉瓦范围内。

Comments 15 pages, 5 figures

Research on World Models Is Not Merely Injecting World Knowledge into Specific Tasks

世界模型的研究并非仅仅是将世界知识注入特定任务

Bohan Zeng, Kaixin Zhu, Daili Hua, Bozhou Li, Chengzhuo Tong, Yuran Wang, Xinyi Huang, Yifan Dai, Zixiang Zhang, Yifan Yang, Zhou Liu, Hao Liang, Xiaochen Ma, Ruichuan An, Tianyi Bai, Hongcheng Gao, Junbo Niu, Yang Shi, Xinlong Chen, Yue Ding, Minglei Shi, Kai Zeng, Yiwen Tang, Yuanxing Zhang, Pengfei Wan, Xintao Wang, Wentao Zhang

机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出统一的世界模型设计规范，强调其应整合交互、感知、符号推理和空间表示，以实现更通用和稳健的世界模型。

Comments 13 pages, 4 figures

A Multi-agent Framework for Physical Laws Discovery

发现物理定律的多智能体框架

Bo Hu, Siyu Liu, Beilin Ye, Yun Hao, Yanhui Liu, Yang Lu, Ju Li, David J. Srolovitz, Tongqi Wen

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本研究提出基于大语言模型的多智能体框架，用于发现物理定律，通过整合文献引导的变量选择、假设形成、符号回归等技术，实现了对金属玻璃形成能力、化合物硬度和多组分合金杨氏模量的高精度预测。

What is the AGI in Offensive Security ?

进攻性安全中的AGI是什么？

Youngwoong Cho

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文探讨进攻性安全中的AGI，提出将任务归结为符号语言操作，并通过状态机和符号代理模型分析交互编码问题。

Enhancing LLM-based Recommendation with Preference Hint Discovery from Knowledge Graph

基于知识图谱的偏好提示发现增强大语言模型推荐

Yuting Zhang, Ziliang Pei, Chao Wang, Ying Sun, Fuzhen Zhuang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出基于知识图谱的偏好提示发现模型，通过提取关键属性作为提示，提升大语言模型在推荐任务中的表现。

An Effective and Cost-Efficient Agentic Framework for Ethereum Smart Contract Auditing

一种高效且成本效益高的以太坊智能合约审计代理框架

Xiaohui Hu, Wun Yu Chan, Yuejie Shi, Qumeng Sun, Wei-Cheng Wang, Chiachih Wu, Haoyu Wang, Ningyu He

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出Heimdallr，一种高效且低成本的智能合约审计代理，通过四个创新技术实现高精度检测，减少分析时间和成本，发现多个零日漏洞并保护大量资金。

Multi-Agent End-to-End Vulnerability Management for Mitigating Recurring Vulnerabilities

多智能体端到端漏洞管理用于缓解重复漏洞

Zelong Zheng, Jiayuan Zhou, Xing Hu, Yi Gao, Shengyi Pan

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 MAVM通过多智能体框架实现端到端重复漏洞管理，整合知识库、检测、确认、修复和验证，有效提升漏洞修复准确率。

Rhetorical XAI: Explaining AI's Benefits as well as its Use via Rhetorical Design

修辞XAI：通过修辞设计解释AI的益处及其使用

Houjiang Liu, Yiheng Su, Matthew Lease

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出修辞XAI，通过整合logos、ethos、pathos三种修辞诉求，解决传统XAI在解释AI运作与使用价值间的设计缺口。

Comments Clarify the contextual positioning of our framework in relation to prior XAI design work and expand the review details

LogicEnvGen: Task-Logic Driven Generation of Diverse Simulated Environments for Embodied AI

LogicEnvGen: 基于任务逻辑的多样化模拟环境生成用于具身AI

Jianan Wang, Siyang Zhang, Bin Li, Juan Chen, Jingtao Qi, Zhuo Zhang, Chen Qian

机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； Intelligent Game and Decision Lab (IGDL)（智能游戏与决策实验室） ； School of Artifical Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

专题命中 逻辑推理 ：planning(abstract)

AI总结 LogicEnvGen通过任务逻辑驱动生成多样化模拟环境，提升智能体在不同环境中的适应性和鲁棒性评估性能。

Comments 19 pages, 15 figures, 6 tables

Integrating Symbolic Execution with LLMs for Automated Generation of Program Specifications

将符号执行与LLMs结合以实现程序规范的自动化生成

Fanpeng Yang, Xu Ma, Shuling Wang, Xiong Xu, Qinxiang Cao, Naijun Zhan, Xiaofeng Li, Bin Gu

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种结合符号执行与LLMs的方法，自动生成形式化程序规范，提升程序理解与验证的精度和适用性。

Hybrid Concolic Testing with Large Language Models for Guided Path Exploration

基于大语言模型的混合协同测试用于引导路径探索

Mahdi Eslamimehr

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种结合大语言模型与协同执行的混合测试方法，通过引导路径探索提升程序状态空间探索效率和缺陷检测能力。

Comments 12 pages, 2 Figures, 2 Tables

MuseAgent-1: Interactive Grounded Multimodal Understanding of Music Scores and Performance Audio

MuseAgent-1: 交互式 grounded 多模态理解音乐谱面与表演音频

Qihao Zhao, Yunqi Cao, Yangyu Huang, Hui Yi Leong, Fan Zhang, Kim-Hui Yap, Wei Hu

机构 * Nanyang Technological University（南洋理工大学） ； Beijing University of Chemical Technology（北京化工大学） ； Microsoft（微软公司） ； University of Chicago（芝加哥大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 MuseAgent-1 是一个专注于音乐的多模态代理，通过结构化符号表示和多步骤推理，提升对音乐谱面和表演音频的交互式理解能力。

Comments Tech Report

Multi-Agent Taint Specification Extraction for Vulnerability Detection

多代理污点规范提取用于漏洞检测

Jonah Ghebremichael, Saastha Vasan, Saad Ullah, Greg Tystahl, David Adei, Christopher Kruegel, Giovanni Vigna, William Enck, Alexandros Kapravelos

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 SemTaint通过结合LLM语义理解和传统静态分析，提取定制化的污点规范以提升漏洞检测效果

Context-Aware Decoding for Faithful Vision-Language Generation

面向上下文的解码方法用于忠实的视觉-语言生成

Mehrdad Fazli, Bowen Wei, Ziwei Zhu

机构 * Department of Computer Science, George Mason University（计算机科学系，乔治·马歇尔大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出了一种无需训练的上下文嵌入注入方法，通过利用上下文嵌入信号在解码过程中保持视觉一致性，有效减少视觉-语言模型中的幻觉问题。

GeoReason: Aligning Thinking And Answering In Remote Sensing Vision-Language Models Via Logical Consistency Reinforcement Learning

GeoReason: 通过逻辑一致性强化学习对遥感视觉-语言模型中的思考与回答进行对齐

Wenshuai Li, Xiantai Xiang, Zixiao Wen, Guangyao Zhou, Ben Niu, Feng Wang, Lijia Huang, Qiantong Wang, Yuxin Hu

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空信息研究所） ； Key Laboratory of Target Cognition and Application Technology, Chinese Academy of Sciences（中国科学院目标认知与应用技术重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 GeoReason通过逻辑一致性强化学习提升遥感视觉-语言模型的推理可靠性与可解释性，实现思考与决策的同步。

MVP: Enhancing Video Large Language Models via Self-supervised Masked Video Prediction

MVP: 通过自监督掩码视频预测增强视频大型语言模型

Xiaokun Sun, Zezhong Wu, Zewen Ding, Linli Xu

机构 * University of Science and Technology of China（中国科学技术大学） ； State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 MVP通过自监督掩码视频预测提升视频大语言模型的时间推理和因果理解能力。

Hierarchical Preemptive Holistic Collaborative Systems for Embodied Multi-Agent Systems: Framework, Hybrid Stability, and Scalability Analysis

分层抢先整体协作系统用于具身多智能体系统：框架、混合稳定性与可扩展性分析

Ting Peng

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文提出分层抢先整体协作框架，通过分解全局协调问题提升具身多智能体系统的安全性和可扩展性。

Modeling the Mental World for Embodied AI: A Comprehensive Review

构建具身AI的内心世界：全面综述

Biyuan Liu, Daigang Xu, Lei Jiang, Wenjun Guo, Ping Chen

机构 * ZTE Corporation（中兴通讯公司） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文综述了具身AI中内心世界模型的研究，构建了理论框架，定义了关键组件，并分析了两种核心理论思维推理范式，以促进人机协作发展。

An Agentic Software Framework for Data Governance under DPDP

基于DPDP的数据治理代理软件框架

Apurva Kulkarni, Chandrashekar Ramanathan

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出基于DPDP的数据治理代理框架，通过协作代理和动态政策执行实现透明、合规的数据治理。

Hojabr: Towards a Theory of Everything for AI and Data Analytics

Hojabr：面向人工智能和数据分析的万物理论

Amir Shaikhha

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 Hojabr提出了一种统一的声明式中间语言，整合了关系代数、张量代数和约束推理，以实现跨数据库系统、机器学习框架和编译器基础设施的系统推理和优化技术重用。

Tableaux for epistemic Gödel logic

表格用于知识 Gödel 逻辑

Marta Bílková, Thomas Ferguson, Daniil Kozhemiachenko

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出了一种多智能体知识 Gödel 逻辑，利用表格计算方法解决有效性问题，证明其在不同智能体数量下的复杂性为 PSpace 或 coNP 完全。

Towards Logic-Aware Manipulation: A Knowledge Primitive for VLM-Based Assistants in Smart Manufacturing

面向逻辑感知的操控：一种用于智能制造中基于VLM助手的知识原语

Suchang Chen, Daqiang Guo

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文提出了一种面向智能制造的基于VLM助手的知识原语，通过定义对象为中心的操控-逻辑模式，实现了在制造单元中执行复杂操控任务的逻辑感知和高效规划。

Comments 8 pages, 2 figures, submitted to the 2026 IFAC World Congress

Exploring the Potential and Limitations of Large Language Models for Novice Program Fault Localization

探索大型语言模型在初级程序员故障定位中的潜力与局限性

Hexiang Xu, Hengyuan Liu, Yonghao Wu, Xiaolan Kang, Xiang Chen, Yong Liu

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文评估了LLM在初级程序员故障定位中的性能，发现高级模型在准确性上表现优异，但存在推理过度和计算成本高等问题。

Comments The paper has been accepted for publication in The Journal of Systems & Software

Hierarchical Process Reward Models are Symbolic Vision Learners

层次化过程奖励模型是符号视觉学习者

Shan Zhang, Aotian Chen, Kai Zou, Jindong Gu, Yuan Xue, Anton van den Hengel

机构 * Adelaide AIML（阿德莱德AIML） ； Ohio State University（俄亥俄州立大学） ； University of Oxford（牛津大学） ； Data61 ； CSIRO（澳大利亚国立科研组织） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出了一种层次化过程奖励模型，通过符号学习提升图表重建、感知和推理任务的性能。