语言大模型 / LLM

Bidirectional Curriculum Generation: A Multi-Agent Framework for Data-Efficient Mathematical Reasoning

双向课程生成：一种用于数据高效数学推理的多智能体框架

Boren Hu, Xiao Liu, Boci Peng, Xinping Zhao, Xiaoran Shang, Yun Zhu, Lijun Wu

机构 * Zhejiang University（浙江大学） ； University of Macau（澳门大学） ； Peking University（北京大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Wuhan University（武汉大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出双向课程生成框架，通过多智能体系统动态生成数据以提升数学推理效率，优化学习轨迹并减少训练样本需求。

Enhancing Zero-shot Commonsense Reasoning by Integrating Visual Knowledge via Machine Imagination

通过机器想象力整合视觉知识以增强零样本常识推理

Hyuntae Park, Yeachan Kim, SangKeun Lee

机构 * Department of Artificial Intelligence, Korea University（人工智能系，韩国大学） ； Department of Computer Science and Engineering, Korea University（计算机科学与工程系，韩国大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出Imagine框架，通过整合视觉知识提升零样本常识推理性能，有效缓解人类报告偏见，增强模型泛化能力。

HiFlow: Hierarchical Feedback-Driven Optimization for Constrained Long-Form Text Generation

HiFlow：用于受约束长文本生成的分层反馈驱动优化

Yifan Zhu, Guanting Chen, Bing Wei, Haoran Luo

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 HiFlow通过分层反馈驱动优化框架，解决长文本生成中受约束的优化问题，提升生成质量与约束满足能力。

U-Parking: Distributed UWB-Assisted Autonomous Parking System with Robust Localization and Intelligent Planning

U-Parking：基于UWB的分布式自主泊车系统，具备稳健定位与智能规划

Yiang Wu, Qiong Wu, Pingyi Fan, Kezhi Wang, Wen Chen, Guoqiang Mao, Khaled B. Letaief

机构 * Jiangnan University（江南大学） ； Zhuhai Fudan Innovation Institute（珠海复旦创新研究院） ； Tsinghua University（清华大学） ； Brunel University of London（布鲁内尔大学） ； Shanghai Jiao Tong University（上海交通大学） ； Southeast University（东南大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 U-Parking通过整合大语言模型辅助规划、稳健定位与轨迹跟踪，实现具有挑战性的室内环境中的可靠自动化泊车。

Comments This paper has been accepted by infocom. The source code has been released at: https://github.com/qiongwu86/U-Parking

Act-Observe-Rewrite: Multimodal Coding Agents as In-Context Policy Learners for Robot Manipulation

动作-观察-重写：多模态编码代理作为机器人操作的上下文政策学习者

Vaishak Kumar

机构 * General Bionix, Inc.（通用生物交叉公司） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；language model(abstract)；分类 cs.LG

AI总结 AOR框架通过生成可执行代码使机器人操作策略学习无需演示或奖励工程。

Interleaved Tool-Call Reasoning for Protein Function Understanding

交错工具调用推理用于蛋白质功能理解

Chuanliu Fan, Zicheng Ma, Huanran Meng, Aijia Zhang, Wenjie Du, Jun Zhang, Yi Qin Gao, Ziqiang Cao, Guohong Fu

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Institute of Artificial Intelligence, Soochow University（苏州大学人工智能研究院） ； Changping Laboratory（昌平实验室） ； School of Software Engineering, USTC（中国科学技术大学软件学院） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 PFUA通过整合领域特定工具和可验证中间证据，提高了蛋白质功能预测的性能，平均提升达103%。

SceneCOT: Eliciting Grounded Chain-of-Thought Reasoning in 3D Scenes

SceneCOT: 在3D场景中引导链式推理

Xiongkun Linghu, Jiangyong Huang, Ziyu Zhu, Baoxiong Jia, Siyuan Huang

机构 * State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出SCENECOT框架，通过分解复杂任务并构建视觉线索，首次在3D场景中实现 grounded 链式推理，提升场景理解的推理能力。

Comments Accepted by ICLR 2026. Project page: https://scenecot.github.io/

Python Bindings for a Large C++ Robotics Library: The Case of OMPL

Python绑定用于大型C++机器人库：OMPL案例

Weihang Guo, Theodoros Tyrovouzis, Lydia E. Kavraki

机构 * Department of Computer Science, Rice University（计算机科学系，里士大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)

AI总结 本文利用大语言模型生成Python绑定，提升大型C++机器人库的开发效率与性能。

SGR3 Model: Scene Graph Retrieval-Reasoning Model in 3D

SGR3模型：三维场景图检索-推理模型

Zirui Wang, Ruiping Liu, Yufan Chen, Junwei Zheng, Weijia Fan, Kunyu Peng, Di Wen, Jiale Wei, Jiaming Zhang, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Shenzhen University（深圳大学） ； Hunan University（湖南大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)

AI总结 SGR3模型通过多模态大语言模型与检索增强生成技术，实现无需训练的三维场景图生成，提升场景关系推理能力。

2-Coloring Cycles in One Round

单轮随机分布式算法对周期进行2染色

Maxime Flin, Alesya Raevskaya, Ronja Stimpert, Jukka Suomela, Qingxin Yang

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)

AI总结 本文提出一种单轮随机分布式算法，实现周期的2染色，使单色边比例低于0.24118，并改进了相关上下界。

Comments 9 pages, 3 figures

The Convergence of Schema-Guided Dialogue Systems and the Model Context Protocol

模式引导对话系统与模型上下文协议的收敛

Andreas Schlapbach

机构 * SBB-IT 纠错

专题命中 推理与问题求解 ：LLM(abstract,comments)；分类 cs.CL、cs.AI

AI总结 本文通过分析模式引导对话系统与模型上下文协议的收敛，提出五条模式设计原则，揭示了SGD与MCP的内在联系及软件3.0中的关键监督机制。

Comments 18 sections, 4 figures, 7 tables, 40 references. Original research presenting: (1) formal framework mapping Schema-Guided Dialogue principles to Model Context Protocol concepts, (2) five foundational design principles for LLM-native schema authoring, (3) architectural patterns for secure, scalable agent orchestration. Research supported by SBB (Swiss Federal Railways)

HiMAP-Travel: Hierarchical Multi-Agent Planning for Long-Horizon Constrained Travel

HiMAP-Travel: 基于长时域约束旅行的分层多智能体规划

The Viet Bui, Wenjun Li, Yong Liu

机构 * Department of XXX, University of YYY, Location, Country（YYY大学XXX系） ； School of ZZZ, Institute of WWW, Location, Country（WWW研究所ZZZ学院） ； Singapore Management University（新加坡管理大学） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.CL、cs.AI

AI总结 HiMAP-Travel通过分层多智能体框架提升长时域约束旅行规划效率，实现更高通过率和更低延迟。

Comments 33 pages, v1

AILS-NTUA at SemEval-2026 Task 10: Agentic LLMs for Psycholinguistic Marker Extraction and Conspiracy Endorsement Detection

AILS-NTUA 在 SemEval-2026 任务 10: 用于心理语言学标记提取和阴谋支持检测的代理 LLM

Panagiotis Alexios Spanakis, Maria Lymperaiou, Giorgos Filandrianos, Athanasios Voulodimos, Giorgos Stamou

机构 * School of Electrical and Computer Engineering, AILS Laboratory（电气与计算机工程学院，AILS实验室） ； National Technical University of Athens（希腊雅典国家技术大学） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.CL

AI总结 AILS-NTUA 提出了一种代理 LLM 管道，通过动态判别链式思维和对抗性架构，在 SemEval-2026 任务 10 中实现了高精度的心理语言学标记提取和阴谋支持检测。

Pursuing Minimal Sufficiency in Spatial Reasoning

追求空间推理的最小充分性

Yejie Guo, Yunzhong Hou, Wufei Ma, Meng Tang, Ming-Hsuan Yang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing Institute of Technology（北京理工大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California Merced（加州大学默塞德分校） 纠错

专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI

AI总结 本文提出 MSSR 框架，通过构建最小充分集提升视觉-语言模型的空间推理能力，实现充分性与最小性的平衡，取得最佳性能并生成可解释的推理路径。

Continuous Chain of Thought Enables Parallel Exploration and Reasoning

连续思维链实现并行探索与推理

Halil Alperen Gozeten, M. Emrullah Ildiz, Xuechen Zhang, Hrayr Harutyunyan, Ankit Singh Rawat, Samet Oymak

机构 * University of Michigan - Ann Arbor（密歇根大学安娜堡分校） ； Google Research NYC（谷歌纽约研究） 纠错

专题命中 推理与问题求解 ：language model(abstract)；分类 cs.LG

AI总结 本文提出CoT2连续思维链方法，通过并行探索与推理提升模型性能，解决组合子集和问题并优化推理效率。

Comments ICLR 2026

Kinodynamic Task and Motion Planning using VLM-guided and Interleaved Sampling

基于VLM引导和交错采样的运动动力学任务与动作规划

Minseo Kwon, Young J. Kim

机构 * Department of Computer Science and Engineering（计算机科学与工程系） 纠错

专题命中 推理与问题求解 ：LLM(abstract)

AI总结 本文提出一种基于VLM引导和交错采样的运动动力学任务与动作规划方法，通过混合状态树联合决策任务和运动，提升规划效率和成功率。

Critic in the Loop: A Tri-System VLA Framework for Robust Long-Horizon Manipulation

循环批评者：一种三系统VLA框架用于鲁棒的长周期操控

Pengfei Yi, Yingjie Ma, Wenjiang Xu, Yanan Hao, Shuai Gan, Wanting Li, Shanlin Zhong

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； the 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 推理与问题求解 ：language model(abstract)

AI总结 循环批评者提出了一种三系统VLA框架，通过动态调度VLM和VLA实现鲁棒的长周期操控，提升系统在分布外场景的自主性和鲁棒性。

LEGS-POMDP: Language and Gesture-Guided Object Search in Partially Observable Environments

LEGS-POMDP：语言和手势引导的在部分可观测环境中的对象搜索

Ivy Xiao He, Stefanie Tellex, Jason Xinyu Liu

机构 * Brown University（布朗大学） 纠错

专题命中 推理与问题求解 ：foundation model(abstract)

AI总结 LEGS-POMDP通过整合语言、手势和视觉信息，在部分可观测环境中实现高效的开放世界对象搜索，显著提升了多模态感知和不确定性处理能力。

Comments 10 pages, 8 figures, accepted at ACM/IEEE International Conference on Human-Robot Interaction (HRI 2026)

ViRC: Enhancing Visual Interleaved Mathematical CoT with Reason Chunking

ViRC: 通过推理分块增强视觉交错数学思维链

Lihong Wang, Liangqi Li, Weiwei Feng, Jiamin Wu, Changtao Miao, Tieru Wu, Rui Ma, Bo Zhang, Zhe Li

专题命中 推理与问题求解 ：SFT(abstract)

AI总结 ViRC通过引入推理分块机制，提升多模态数学任务中的推理能力，实现18.8%的性能提升。

Comments Accepted to CVPR 2026 (Main Track)

A unified foundational framework for knowledge injection and evaluation of Large Language Models in Combustion Science

为燃烧科学中的大语言模型知识注入和评估构建统一的基础框架

Zonglin Yang, Runze Mao, Tianhao Wu, Han Li, QingGuo Zhou, Zhi X. Chen

机构 * School of Mechanics and Engineering Science, Peking University（力学与工程科学学院，北京大学） ； AI for Science Institute（人工智能科学研究院） 纠错

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；foundation model(abstract)；pretraining(abstract)

AI总结 本研究提出一个统一框架，用于开发燃烧科学专用的大语言模型，通过三阶段知识注入路径提升模型性能。

Comments 5 figures, 1 table

Design Behaviour Codes (DBCs): A Taxonomy-Driven Layered Governance Benchmark for Large Language Models

设计行为代码（DBCs）：一种以分类为导向的分层治理基准用于大型语言模型

G. Madan Mohan, Veena Kiran Nambiar, Kiranmayee Janardhan

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；RLHF(abstract)；分类 cs.AI

AI总结 本文提出DBC基准，用于评估大型语言模型中的行为治理层，通过三臂实验展示DBC在降低风险暴露率和提升合规性方面的效果。

Comments 14 pages, 3 figures

Signal in the Noise: Decoding the Reality of Airline Service Quality with Large Language Models

噪声中的信号：利用大语言模型解码航空服务质量的现实

Ahmed Dawoud, Osama El-Shamy, Ahmed Habashy

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL

AI总结 本研究利用大语言模型分析航空服务质量，揭示埃及航空在运营改进后乘客满意度骤降的原因，发现沟通和员工行为是关键因素。

PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing

PhysLLM：利用大语言模型进行跨模态远程生理传感

Yiping Xie, Bo Zhao, Mingtong Dai, Jian-Ping Zhou, Yue Sun, Tao Tan, Weicheng Xie, Linlin Shen, Zitong Yu

机构 * Shenzhen University（深圳大学） ； Great Bay University（大鹏大学） ； National Engineering Laboratory for Big Data System Computing Technology（大数据系统计算技术国家工程实验室） ； Dongguan Key Laboratory for Intelligence and Information Technology（东莞智能与信息技术重点实验室） ； Guangdong Medical University（广东医科大学） ； Southern Medical University (Dongguan People’s Hospital)（南方医科大学（东莞人民医院）） ； Macao Polytechnic University（澳门理工学院） 纠错

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 PhysLLM通过结合大语言模型与领域特定的rPPG组件，利用跨模态学习提升远程生理传感的准确性和鲁棒性。

Comments Accepted by International Conference on Learning Representations (ICLR) 2026

MCP-SafetyBench: A Benchmark for Safety Evaluation of Large Language Models with Real-World MCP Servers

MCP-SafetyBench：一种用于评估大型语言模型在真实MCP服务器安全性的大规模基准

Xuanjun Zong, Zhiqi Shen, Lei Wang, Yunshi Lan, Chao Yang

机构 * East China Normal University（东华师范大学） ； Salesforce AI Research（Salesforce人工智能研究） ； Singapore Management University（新加坡国立大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 MCP-SafetyBench通过真实MCP服务器评估大型语言模型的安全性，揭示了模型在面对MCP攻击时的脆弱性及安全与实用性的权衡问题。

Comments Our benchmark is available at https://github.com/xjzzzzzzzz/MCPSafety

Eka-Eval: An Evaluation Framework for Low-Resource Multilingual Large Language Models

Eka-Eval：一种低资源多语言大语言模型的评估框架

Samridhi Raj Sinha, Rajvee Sheth, Abhishek Upperwal, Mayank Singh

机构 * NMIMS ； Soket AI ； Indian Institute of Technology Gandhinagar（印度理工学院加尔各答分校） ； LINGO Research Group（LINGO研究组） 纠错

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 EKA-EVAL是一种开源框架，通过零代码界面和模块化架构，为低资源多语言大语言模型提供全面的评估支持，提升了易用性和可重复性。

La Leaderboard: A Large Language Model Leaderboard for Spanish Varieties and Languages of Spain and Latin America

La Leaderboard：一种用于西班牙及拉丁美洲各种语言和方言的大型语言模型排行榜

María Grandury, Javier Aula-Blasco, Júlia Falcão, Clémentine Fourrier, Miguel González, Gonzalo Martínez, Gonzalo Santamaría, Rodrigo Agerri, Nuria Aldama, Luis Chiruzzo, Javier Conde, Helena Gómez, Marta Guerrero, Guido Ivetta, Natalia López, Flor Miriam Plaza-del-Arco, María Teresa Martín-Valdivia, Helena Montoro, Carmen Muñoz, Pedro Reviriego, Leire Rosado, Alejandro Vaca, María Estrella Vallecillo-Rodríguez, Jorge Vallego, Irune Zubiaga

机构 * SomosNLP ； ETSIT, Universidad Politécnica de Madrid（ETSIT，西班牙马德里理工大学） ； Barcelona Supercomputing Center（巴塞罗那超级计算中心） ； Hugging Face ； Universidad Carlos III de Madrid（马德里卡洛斯三世大学） ； Instituto de Ingeniería del Conocimiento（知识工程研究所） ； Centro HiTZ - Ixa, Universidad del País Vasco UPV/EHU（HiTZ-Ixa中心，巴斯克大学） ； LIACS, Leiden University（LIACS，莱顿大学） ； Universidad de Jaén（杰嫩大学） ； Universidad Nacional de Córdoba（科尔多瓦国立大学） ； Universidad Nacional Autónoma de México（墨西哥国立自治大学） ； Universidad de la República, Uruguay（乌拉圭共和国大学） 纠错

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 La Leaderboard是一个开源项目，旨在评估西班牙及拉丁美洲各种语言和方言的生成式大型语言模型，通过社区驱动的方式促进多样化语言模型的发展。

Comments Accepted at ACL 2025 Main

Behaviour Driven Development Scenario Generation with Large Language Models

基于大语言模型的行为驱动开发场景生成

Amila Rathnayake, Mojtaba Shahin, Golnoush Abaei

专题命中 评测与基准 ：large language model(title)；language model(title)；LLM(abstract)；prompting(abstract)

AI总结 本文研究了三种大语言模型在BDD场景生成中的表现，发现Claude 3在人类和模型评估中表现最佳，提示技术和输入质量对生成质量有显著影响。

Leveraging LLM Parametric Knowledge for Fact Checking without Retrieval

利用LLM参数知识进行事实核查而不进行检索

Artem Vazhentsev, Maria Marina, Daniil Moskovskiy, Sergey Pletenev, Mikhail Seleznyov, Mikhail Salnikov, Elena Tutubalina, Vasily Konovalov, Irina Nikishina, Alexander Panchenko, Viktor Moskvoretskii

机构 * S-NLP Group（S-NLP小组） ； AXXX ； MIRAI ； MBZUAI ； EPFL（瑞士联邦理工学院） 纠错

专题命中 评测与基准 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出不依赖检索的事实核查任务，通过利用LLM内部表示提升事实验证性能，展示INTRA方法在多语言和长文本生成场景中的优越表现。

Comments Preprint

Same Input, Different Scores: A Multi Model Study on the Inconsistency of LLM Judge

相同输入，不同评分：多模型研究LLM裁判的一致性

Fiona Lau

专题命中 评测与基准 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本研究探讨了LLM在不同模型、温度设置下对相同输入评分的一致性问题，发现模型间评分差异显著，温度影响稳定性，需引入混合评估策略以确保可靠应用。

Comments 19 pages, 14 figures

Hate Speech Detection using Large Language Models with Data Augmentation and Feature Enhancement

使用大型语言模型进行仇恨言论检测：结合数据增强与特征增强

Brian Jing Hong Nge, Stefan Su, Thanh Thi Nguyen, Campbell Wilson, Alexandra Phelan, Naomi Pfitzner

机构 * AiLECS Lab Monash University Melbourne, Australia（AiLECS实验室 墨尔本大学 澳大利亚） ； School of Social Sciences Monash University Melbourne, Australia（社会科学学院 墨尔本大学 澳大利亚） 纠错

专题命中 评测与基准 ：large language model(title)；language model(title)；分类 cs.CL、cs.AI

AI总结 本文研究了数据增强与特征增强在仇恨言论检测中的应用，发现gpt-oss-20b模型表现最佳，Delta TF-IDF在数据增强下准确率高达98.2%。

Comments Accepted for publication in the Proceedings of the 8th International Conference on Natural Language Processing (ICNLP 2026)