语言大模型 / LLM

Constraint-aware Path Planning from Natural Language Instructions Using Large Language Models

基于自然语言指令的约束感知路径规划：利用大语言模型

Dylan Shim, Minghan Wei

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

AI总结 本文提出利用大语言模型解决带约束的路径规划问题，通过自然语言输入进行问题匹配和自推断，实现灵活且可扩展的解决方案。

Comments Accepted by 2026 SPIE Security + Defense Conference

TextReasoningBench: Does Reasoning Really Improve Text Classification in Large Language Models?

TextReasoningBench: 推理是否真的能提升大语言模型中的文本分类性能？

Xinyu Guo, Yazhou Zhang, Jing Qin

机构 * School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； School of Nursing, The Hong Kong Polytechnic University（香港理工大学护理学院） 纠错

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

AI总结 本文通过TextReasoningBench评估推理策略在文本分类中的有效性与效率，发现推理并非总能提升性能，且多数策略效率低下。

Comments 20 pages

ItinBench: Benchmarking Planning Across Multiple Cognitive Dimensions with Large Language Models

ItinBench：利用大语言模型在多个认知维度上进行规划的基准测试

Tianlong Wang, Pinqiao Wang, Weili Shi, Sheng li

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 本文提出ItinBench，通过整合空间推理和传统语言推理任务，评估大语言模型在多认知维度上的规划能力，发现模型在同时处理多个维度时性能不稳定。

Learning to Disprove: Formal Counterexample Generation with Large Language Models

学习以反驳：利用大语言模型进行形式反例生成

Zenan Li, Zhaoyu Li, Kaiyu Yang, Xiaoxing Ma, Zhendong Su

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Toronto（多伦多大学） ； MiroMind（MiroMind公司） ； Nanjing University（南京大学） 纠错

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

AI总结 本文通过微调大语言模型生成形式反例，解决数学推理中反例发现的不足，提出符号突变策略提升训练效果。

A Subgoal-driven Framework for Improving Long-Horizon LLM Agents

一种用于提升长周期LLM代理的子目标驱动框架

Taiyi Wang, Sian Gooding, Florian Hartmann, Oriana Riva, Edward Grefenstette

机构 * Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文提出子目标分解规划框架和MiRA强化学习框架，通过实时规划和密集奖励信号提升LLM在长周期任务中的表现，成功率达到43.0%。

Comments 50 pages, 15 figures

The Verifier Tax: Horizon Dependent Safety Success Tradeoffs in Tool Using LLM Agents

验证者税：工具使用LLM代理中地平线依赖的安全成功权衡

Tanmay Sah, Vishal Srivastava, Dolly Sah, Kayden Jordan

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

AI总结 研究运行时强制执行对多步骤工具使用大语言模型代理端到端任务性能的影响，发现安全调解虽能拦截94%的非合规动作，但难以保证安全完成，凸显了需要具备基础身份验证和后干预推理能力的代理。

Comments 10 pages, 7 figures

Defusing Logic Bombs in Symbolic Execution with LLM-Generated Ghost Code

用LLM生成的鬼代码解构符号执行中的逻辑炸弹

Dimitrios Stamatios Bouras, Sergey Mechtaev

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

AI总结 本文提出Gordian框架，通过LLM生成轻量级鬼代码辅助SMT求解器处理对抗性代码，提升覆盖率和效率，减少LLM使用量。

Demonstrations, CoT, and Prompting: A Theoretical Analysis of ICL

演示、推理链和提示：对基于上下文学习（ICL）的理论分析

Xuhan Tong, Yuchen Zeng, Jiawei Zhang

专题命中 推理与问题求解 ：prompting(title,abstract)；pretraining(abstract)；分类 cs.LG

AI总结 本文通过理论分析探讨了基于上下文学习（ICL）中演示、推理链提示和提示模板的影响，揭示了模型泛化能力的决定因素。

PlanTwin: Privacy-Preserving Planning Abstractions for Cloud-Assisted LLM Agents

PlanTwin: 云辅助规划中的隐私保护规划抽象

Guangsheng Yu, Qin Wang, Rui Lang, Shuai Su, Xu Wang

机构 * University of Technology Sydney（悉尼技术大学） ； CSIRO Data61（CSIRO数据61） 纠错

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

AI总结 PlanTwin通过构建规划导向的数字孪生，实现云辅助规划中本地环境信息的隐私保护，同时保持规划质量接近全上下文系统。

DALI: LLM-Agent Enhanced Dual-Stream Adaptive Leadership Identification for Group Recommendations

DALI：LLM-Agent增强的双流自适应领导力识别用于群体推荐

Boxun Song, Min Gao, Jiawei Cheng

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

AI总结 DALI通过结合大语言模型的符号推理能力与神经网络表示学习，解决群体推荐中区分领导主导与协作群体的问题，提升推荐准确性。

Comments under review

Anatomical Heterogeneity in Transformer Language Models

Transformer语言模型中的解剖异质性

Tomasz Wietrzykowski

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究发现Transformer语言模型各层存在显著异质性，包括权重规律性、层重要性差异及训练预算分配策略的影响。

Comments 11 pages, 10 tables. Independent research. Code available at https://github.com/tomaszwi66

One Model, Two Minds: Task-Conditioned Reasoning for Unified Image Quality and Aesthetic Assessment

一个模型，两种思维：任务条件推理用于统一的图像质量与审美评估

Wen Yin, Cencen Liu, Dingrui Liu, Bing Su, Yuan-Fang Li, Tao He

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Faculty of Information Technology, Monash University（莫纳什大学信息科技学院） ； The Laboratory of Intelligent Collaborative Computing of UESTC（UESTC智能协同计算实验室） 纠错

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

AI总结 本文提出TATAR框架，通过任务感知的异步奖励机制，解决图像质量评估与审美评估的推理与优化不匹配问题，实验证明其在多个基准上的优越性能。

Comments 10 pages,7 figures

Evaluating Evidence Grounding Under User Pressure in Instruction-Tuned Language Models

评估在用户压力下指令调优语言模型的证据基础

Sai Koneru, Elphin Joe, Christine Kirchhoff, Jian Wu, Sarah Rajtmajer

机构 * College of Information Sciences and Technology, Pennsylvania State University（宾夕法尼亚州立大学信息科学与技术学院） ； Department of Computer Science, Old Dominion University（老 Dominion 大学计算机科学系） 纠错

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

AI总结 研究探讨了在用户压力下指令调优语言模型如何平衡用户对齐压力与上下文证据的忠实性，通过控制的认知冲突框架评估证据一致性准确性及排序表现。

LoopRPT: Reinforcement Pre-Training for Looped Language Models

LoopRPT: 用于循环语言模型的强化预训练

Guo Tang, Shixin Jiang, Heng Chang, Nuo Chen, Yuhan Li, Huiming Fan, Jia Li, Ming Liu, Bing Qin

机构 * Harbin Institute of Technology, Harbin, China（哈尔滨工业大学） ； Tsinghua University, Beijing, China（清华大学） ； The Hong Kong University of Science and Technology, Guangzhou, China（香港科学与技术大学） 纠错

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

AI总结 本文提出LoopRPT框架，通过将下一步预测转化为推理任务，利用EMA教师参考和噪声潜在轨迹直接优化循环语言模型的中间表示，提升表示质量并实现准确度与计算量的帕累托最优。

Wearable Foundation Models Should Go Beyond Static Encoders

可穿戴基础模型应超越静态编码器

Yu Yvonne Wu, Yuwei Zhang, Hyungjun Yoon, Ting Dang, Dimitris Spathis, Tong Xia, Qiang Yang, Jing Han, Dong Ma, Sung-Ju Lee, Cecilia Mascolo

机构 * Dartmouth College, USA（达特茅斯学院） ； University of Cambridge, UK（剑桥大学） ； The University of Melbourne, Australia（墨尔本大学） ； Google Research, UK（谷歌研究） ； Tsinghua University, China（清华大学） 纠错

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

AI总结 本文提出可穿戴基础模型需超越静态编码器，通过结构丰富数据、纵向感知多模态建模和代理推理系统实现连续性健康支持。

Comments 13 pages

Tinted Frames: Question Framing Blinds Vision-Language Models

着色边框：问题框架使视觉语言模型失明

Wan-Cyuan Fan, Jiayun Luo, Declan Kutscher, Leonid Sigal, Ritwik Gupta

机构 * University of British Columbia（不列颠哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； Vector Institute for AI（人工智能向量研究所） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 本文研究视觉语言模型在不同问题框架下的注意力分配问题，发现框架影响其视觉输入处理，提出轻量级提示调优方法提升视觉感知能力。

Comments Preprint. Project page: https://davidhalladay.github.io/tinted_frames_demo/

Learning Dynamic Belief Graphs for Theory-of-mind Reasoning

学习动态信念图以进行心灵理论推理

Ruxiao Chen, Xilei Zhao, Thomas J. Cova, Frank A. Drews, Susu Xu

机构 * Department of Civil ； Systems Engineering, Johns Hopkins University, Baltimore, MD, USA ； School of the Environment, Society \& Sustainability, University of Utah, Salt Lake City, UT, USA ； Department of Psychology, University of Utah, Salt Lake City, UT, USA ； Coastal Engineering, University of Florida, Gainesville, FL, USA 纠错

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

AI总结 本文提出一种动态信念图模型，用于增强大语言模型的心灵理论推理能力，通过联合推断潜在信念、学习时间变化依赖关系，并链接信念演变与信息获取和决策，提升高不确定性环境下的行动预测。

HalluClean: A Unified Framework to Combat Hallucinations in LLMs

HalluClean：一种用于对抗大语言模型幻觉的统一框架

Yaxin Zhao, Yu Zhang

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

AI总结 HalluClean通过规划、执行和修订三阶段推理增强方法，有效检测并修正LLM生成文本中的幻觉，提升事实一致性并优于基线方法。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(42), 36092-36100 (2026)

CO-EVOLVE: Bidirectional Co-Evolution of Graph Structure and Semantics for Heterophilous Learning

CO-EVOLVE：图结构与语义的双向共演用于异质学习

Jinming Xing, Muhammad Shahzad

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

AI总结 本文提出CO-EVOLVE框架，通过双向共演解决异质学习中的语义-结构不一致、误差传播和盲从问题，引入对比损失、自适应门控和不确定性门控策略提升模型性能。

CompAgent: An Agentic Framework for Visual Compliance Verification

CompAgent：一种用于视觉合规验证的代理框架

Rahul Ghosh, Baishali Chaudhury, Hari Prasanna Das, Meghana Ashok, Ryan Razkenari, Long Chen, Sungmin Hong, Chun-Hao Liu

机构 * Generative AI Innovation Center（生成式人工智能创新中心） ； Amazon Web Services（亚马逊网络服务） 纠错

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

AI总结 本文提出CompAgent，一种基于代理的视觉合规验证框架，通过集成视觉工具和规划代理，提升多模态推理能力，在公开基准测试中取得76%的F1分数，优于现有方法。

Comments Accepted to IEEE CVPR 2026 GRAIL-V Workshop

The Art of Efficient Reasoning: Data, Reward, and Optimization

高效推理的艺术：数据、奖励与优化

Taiqiang Wu, Zenan Xu, Bo Zhou, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； LLM Department, Tencent（腾讯人工智能实验室） 纠错

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

AI总结 本文系统研究了大型语言模型的高效推理机制，通过精细化指标评估发现训练过程分为长度适应与推理优化两阶段，提出保持正奖励密度以避免短即正确陷阱，并验证了在不同领域和难度下的通用性。

Comments Tech Report, Insights on Efficient Reasoning via Reward Shaping

Improved Generalized Planning with LLMs through Strategy Refinement and Reflection

通过策略细化与反思改进基于LLM的通用规划

Katharina Stein, Nils Hodel, Daniel Fišer, Jörg Hoffmann, Michael Katz, Alexander Koller

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

AI总结 本文提出通过生成伪代码并自动调试，结合反思步骤提升LLM生成的通用规划质量，实验显示改进后配置在17个基准领域达到82%的平均覆盖率。

GeoChallenge: A Multi-Answer Multiple-Choice Benchmark for Geometric Reasoning with Diagrams

GeoChallenge: 一个用于基于图表的几何推理的多答案多选基准

Yushun Zhang, Weiping Fu, Zesheng Yang, Bo Zhao, Lingling Zhang, Jian Zhang, Yumeng Fu, Jiaxing Huang, Jun Liu

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering（陕西省大数据知识工程重点实验室） 纠错

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

AI总结 GeoChallenge通过9万个多步骤几何证明问题，评估大语言模型的符号推理能力，揭示模型在多选设置下的精确匹配失败、视觉依赖弱和推理扩展不足等问题。

Comments 18 pages, 10 figures, 8 tables

Experience is the Best Teacher: Motivating Effective Exploration in Reinforcement Learning for LLMs

经验是最好的老师：在大型语言模型强化学习中激励有效的探索

Wenjian Zhang, Kongcheng Zhang, Jiaxin Qi, Baisheng Lai, Jianqiang Huang

机构 * Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学） ； Chinese Academy of Sciences（中国科学院） 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 本文提出HeRL框架，通过引导经验提升LLM的探索效率，有效学习高质量样本，实验显示其优于基线方法并能通过经验自我改进。

VIRO: Robust and Efficient Neuro-Symbolic Reasoning with Verification for Referring Expression Comprehension

VIRO：用于指代表达理解的鲁棒且高效的神经符号推理与验证

Hyejin Park, Junhyuk Kwon, Suha Kwak, Jungseul Ok

机构 * Pohang University of Science and Technology (POSTECH)（釜山科学技术大学（POSTECH）） 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 VIRO通过在推理步骤中嵌入轻量级操作符验证器，提升指代表达理解的鲁棒性和效率，达到61.1%的平衡准确率。

Comments Accepted to CVPR 2026

L2V-CoT: Cross-Modal Transfer of Chain-of-Thought Reasoning via Latent Intervention

L2V-CoT：通过潜在干预实现链式推理的跨模态转移

Yuliang Zhan, Xinyu Tang, Han Wan, Jian Li, Ji-Rong Wen, Hao Sun

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 本文提出L2V-CoT方法，通过潜在干预将链式推理从LLM转移到VLM，利用低频潜在表示提升多步推理能力，实验表明优于无训练基线和监督方法。

Comments AAAI 2026 oral

Generative AI-assisted Participatory Modeling in Socio-Environmental Planning under Deep Uncertainty

生成AI辅助的参与建模在深不确定性下的社会环境规划

Zhihao Pei, Nir Lipovetzky, Angela M. Rojas-Arevalo, Fjalar J. de Haan, Enayat A. Moallemi

机构 * School of Computing（计算学院） ； Information Systems, Faculty of Engineering（信息学院，工程学院） ； Information Technology, The University of Melbourne, Parkville VIC 3010, Australia（信息科技，墨尔本大学，帕克维尔 VIC 3010, 澳大利亚） ； Industrial Research Organization (CSIRO), Research Way, Clayton VIC 3168, Australia（工业研究组织（CSIRO），Research Way，克莱顿 VIC 3168, 澳大利亚） ； Department of Psychiatry, The University of Melbourne, Parkville VIC 3010, Australia（精神病学系，墨尔本大学，帕克维尔 VIC 3010, 澳大利亚） 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 本文提出利用大语言模型简化社会环境规划中深不确定性下的问题概念化过程，通过模板化工作流实现参与建模，提升建模效率与准确性。

WorldAgents: Can Foundation Image Models be Agents for 3D World Models?

WorldAgents: 2D基础图像模型是否能作为3D世界模型的智能体？

Ziya Erkoç, Angela Dai, Matthias Nießner

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文探讨2D基础图像模型是否具备3D世界生成能力，提出多智能体架构实现3D世界合成，通过实验验证2D模型能生成一致且逼真的3D世界。

Comments Webpage: https://ziyaerkoc.com/worldagents/ Video: https://www.youtube.com/watch?v=Mj2FqqhurdI

Think and Answer ME: Benchmarking and Exploring Multi-Entity Reasoning Grounding in Remote Sensing

思考并回答ME：基准测试和探索遥感中的多实体推理 grounding

Shuchang Lyu, Haiquan Wen, Guangliang Cheng, Meng Li, Zheng Zhou, You Zhou, Dingding Yao, Zhenwei Shi

机构 * Beihang University, Beijing, China（北京航空航天大学） ； University of Liverpool, Liverpool, UK（利物浦大学） ； Institute of Acoustics, Chinese Academy of Sciences, Beijing, China（中国科学院声学研究所） 纠错

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

AI总结 本文提出ME-RSRG基准数据集，通过Entity-Aware Reasoning框架提升遥感多实体推理能力，验证了该框架的有效性。

Comments 22 pages, 9 figures, 5 tables

FinMMDocR: Benchmarking Financial Multimodal Reasoning with Scenario Awareness, Document Understanding, and Multi-Step Computation

FinMMDocR：基于场景意识、文档理解与多步骤计算的金融多模态推理基准测试

Zichen Tang, Haihong E, Rongjin Li, Jiacheng Liu, Linwei Jia, Zhuodi Hao, Zhongjun Yang, Yuanze Li, Haolin Tian, Xinyi Hu, Peizhi Zhao, Yuan Liu, Zhengyu Wang, Xianghe Wang, Yiling Huang, Xueyuan Lin, Ruofei Bai, Zijian Xie, Qian Huang, Ruining Cao, Haocheng Gao

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

AI总结 FinMMDocR通过引入场景意识、文档理解和多步骤计算，推动多模态大语言模型在现实金融场景中的推理能力提升，其包含12种隐含金融场景、9类丰富文档及平均11步推理任务。

Comments Accepted by AAAI-26 Main Track

Journal ref Proc. AAAI 2026 (Vol. 40, No. 30), pages 25858-25866