语言大模型 / LLM

AeroTherm-GPT: A Verification-Centered LLM Framework for Thermal Protection System Engineering Workflows

AeroTherm-GPT：一种面向热防护系统工程工作流的验证中心LLM框架

Chuhan Qiao, Jinglai Zheng, Jie Huang, Buyue Zhao, Fan Li, Haiming Huang

机构 * School of Civil Engineering, Beijing Jiaotong University（北京交通大学土木工程学院） ； Beijing Research Institute of Telemetry（北京遥测技术研究所） 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

AI总结 本文提出AeroTherm-GPT，一种专为热防护系统设计的LLM代理，通过约束闭环生成框架解决超音速热防护系统设计中生成可执行仿真工具时的约束冲突问题，实现高效率的根因修复。

A Role-Based LLM Framework for Structured Information Extraction from Healthy Food Policies

基于角色的LLM框架用于从健康食品政策中提取结构化信息

Congjing Zhang, Ruoxuan Bao, Jingyu Li, Yoav Ackerman, Shuai Huang, Yanfang Su

机构 * University of Washington（华盛顿大学） ； Shanghai University（上海大学） ； Georgia Institute of Technology（佐治亚理工学院） 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

AI总结 本文提出基于角色的LLM框架，通过分配专门角色提升健康食品政策信息提取的准确性与透明度，对比零样本、少样本和推理链基线，展现更优的复杂推理能力。

Automating Android Build Repair: Bridging the Reasoning-Execution Gap in LLM Agents with Domain-Specific Tools

自动化Android构建修复：通过领域特定工具弥合LLM代理中的推理-执行差距

Ha Min Son, Huan Ren, Xin Liu, Zhe Zhao

机构 * University of California, Davis（加州大学戴维斯分校） ； CodeDroid LLC（CodeDroid有限责任公司） 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

AI总结 本文提出AndroidBuildBench基准和GradleFixer工具，通过领域特定抽象提升LLM修复Android构建错误的效率，解决LLM在低层执行中的不足。

Syntactic Framing Fragility: An Audit of Robustness in LLM Ethical Decisions

句法框架脆弱性：LLM伦理决策稳健性审计

Katherine Elkins, Jon Chun

机构 * Integrated Program in Humane Studies / AIColab（人文研究综合项目 / AIColab） ； Computing, Kenyon College（凯尼恩学院计算系） 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.CL、cs.AI

AI总结 本文提出Syntactic Framing Fragility框架，用于量化LLM在逻辑等价句法变换下的决策一致性，发现开源模型在高风险决策中表现更脆弱，且否定性语法是主要失效模式。

Comments 23 pages, 14 figures

Can Large Language Models Model Programs Formally?

大语言模型能否形式化地建模程序？

Zhiyong Chen, Jialun Cao, Jiarong Wu, Chang Xu, Shing-Chi Cheung

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

AI总结 本文提出Model-Bench，通过将Python程序转换为可验证的模型检查规范，评估和提升大语言模型在程序建模方面的能力，揭示了LLMs在程序建模上的局限性。

ProCeedRL: Process Critic with Exploratory Demonstration Reinforcement Learning for LLM Agentic Reasoning

ProCeedRL: 带探索演示的强化学习过程批评用于LLM代理推理

Jingyue Gao, Yanjiang Guo, Xiaoshuai Chen, Jianyu Chen

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； Independent Researcher（独立研究者） ； Shanghai Qizhi Institute（上海期智研究院） 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 本文提出ProCeedRL，通过过程批评和探索性演示提升LLM在多轮代理任务中的推理能力，解决探索过程中错误累积问题，提高探索效率。

Fragile Reasoning: A Mechanistic Analysis of LLM Sensitivity to Meaning-Preserving Perturbations

脆弱的推理：对大语言模型对意义保持扰动敏感性的机制分析

Shou-Tzu Han, Rodrigue Rizk, KC Santosh

机构 * University of South Dakota（南达科他大学） 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.CL

AI总结 研究评估了三种大语言模型在数学推理任务中的表现，发现其对意义保持的表面扰动敏感，提出MPD框架分析失败机制，提出三种故障分类并验证修复效果。

Comments Preprint. Under review at COLM 2026

Bias Is a Subspace, Not a Coordinate: A Geometric Rethinking of Post-hoc Debiasing in Vision-Language Models

偏差是子空间，而非坐标：视觉-语言模型中事后去偏的几何重思

Dachuan Zhao, Weiyue Li, Zhenda Shen, Yushu Qiu, Bowen Xu, Haoyu Chen, Yongchao Chen

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出SPD框架，通过几何方法识别并去除线性可解码的偏子空间，提升视觉-语言模型的公平性与任务性能。

Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

Bridging Large-Model Reasoning and Real-Time Control via Agentic Fast-Slow Planning

通过代理快慢规划弥合大模型推理与实时控制

Jiayi Chen, Shuai Wang, Guangxu Zhu, Chengzhong Xu

机构 * Shenzhen Research Institute of Big Data, The Chinese University of Hong Kong (Shenzhen)（深圳市大数据研究院，香港中文大学（深圳）） ； Shenzhen Institutes of Advanced Technology (SIAT), Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC), University of Macau（澳门大学智慧城市物联网国家重点实验室） 纠错

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

AI总结 本文提出一种分层框架，通过感知-决策-轨迹-控制的分离，提升自动驾驶系统在扰动下的鲁棒性，减少侧向偏移和完成时间。

Comments 8 pages, 12figures

Brief Is Better: Non-Monotonic Chain-of-Thought Budget Effects in Function-Calling Language Agents

简洁即更好：函数调用语言代理中的非单调链式思维预算效应

Xuan Qi

机构 * IIIS, Tsinghua University（清华大学交叉信息研究院） 纠错

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

AI总结 研究探讨了链式思维预算对函数调用代理性能的影响，发现简短的链式思维显著提升准确性，而延长的链式思维反而降低性能，提出Function-Routing CoT方法提升可靠性。

Comments 21 pages

SenseMath: Do LLMs Have Number Sense? Evaluating Shortcut Use, Judgment, and Generation

SenseMath: 大语言模型有数感吗？评估快捷方式的使用、判断和生成

Haomin Zhuang, Xiangqi Wang, Yili Shen, Ying Cheng, Xiangliang Zhang

机构 * University of Notre Dame（圣母大学） 纠错

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

AI总结 研究通过SenseMath基准测试评估大语言模型在数值推理中的结构敏感性，发现模型在提示下能有效使用快捷方式，但在标准提示下仅在少数情况下应用，且无法生成有效问题。

Bayesian Elicitation with LLMs: Model Size Helps, Extra "Reasoning" Doesn't Always

基于LLM的贝叶斯 elicitation：模型大小有帮助，额外“推理”并不总有效

Luka Hobor, Mario Brcic, Mihael Kovac, Kristijan Poje

机构 * University of Zagreb Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程与计算学院） 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 本文研究了LLM在贝叶斯 elicitation中的表现，发现更大模型更准确，但增加推理不总是有帮助。所有模型严重过度自信，95%置信区间覆盖真实值比例远低于预期，统计校准技术可修正此问题。

Comments 6 pages, 3 figures, 2 tables

Reproducible, Explainable, and Effective Evaluations of Agentic AI for Software Engineering

可重复、可解释和有效的代理AI在软件工程中的评估

Jingyue Li, André Storhaug

机构 * Norwegian University of Science and Technology（挪威科技大学） 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 本文分析了18篇关于代理AI在软件工程中评估的论文，提出指南以提升评估的可重复性、可解释性和有效性，通过公开TAR轨迹和LLM交互数据促进不同方法的系统比较。

Comments 7 pages, 5 figures, accepted to the 2nd International Workshop on Responsible Software Engineering (ResponsibleSE 2026), co-located with FSE

Towards Faithful Reasoning in Comics for Small MLLMs

面向小规模MLLMs的漫画中忠实推理方法

Chengcheng Feng, Haojie Yin, Yucheng Jin, Kaizhu Huang

机构 * Duke Kunshan University（昆山杜克大学） 纠错

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

AI总结 本文提出一种两阶段框架，通过MoCoT和VERA提升小规模MLLMs在漫画理解中的推理忠实性，实验表明在4B参数范围内表现优异，优于7B基线，提升四个小模型12.1%。

PAVE: Premise-Aware Validation and Editing for Retrieval-Augmented LLMs

PAVE：基于前提的验证与编辑用于检索增强的大语言模型

Tianyi Huang, Caden Yang, Emily Yin, Eric Wang, Michael Zhang

机构 * Ryquo ； App-In Club 纠错

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

AI总结 PAVE通过在推理阶段验证和编辑检索到的证据，提高检索增强大语言模型的回答一致性。在两个证据基础问答任务中，PAVE在跨度基础基准上提升了32.7个准确率点。

Comments Accepted at the ICLR 2026 Workshop on Logical Reasoning of Large Language Models

LiveMathematicianBench: A Live Benchmark for Mathematician-Level Reasoning with Proof Sketches

LiveMathematicianBench: 一个用于数学家级推理的实时基准

Linyang He, Qiyao Yu, Hanze Dong, Baohao Liao, Xinxing Xu, Micah Goldblum, Jiang Bian, Nima Mesgarani

机构 * Columbia University（哥伦比亚大学） ； Microsoft Research（微软研究院） ； University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文提出LiveMathematicianBench，一个基于近期arXiv论文的动态多选基准，用于评估大语言模型的数学推理能力，通过证明草图指导的干扰项生成机制，提升对真实理解的检测。

Comments Project page: https://livemathematicianbench.github.io/

ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks

ThinkGeo: 评估用于遥感任务的工具增强代理

Akashah Shabbir, Muhammad Akhtar Munir, Akshay Dudhane, Muhammad Umer Sheikh, Muhammad Haris Khan, Paolo Fraccaro, Juan Bernabe Moreno, Fahad Shahbaz Khan, Salman Khan

机构 * Mohamed bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学） ； IBM Research（IBM研究院） ； Linköping University（林雪平大学） ； Australian National University（澳大利亚国立大学） 纠错

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

AI总结 ThinkGeo是一个针对遥感任务设计的代理基准，评估LLM驱动代理在结构化工具使用和多步骤规划中的能力，通过人类 curated 查询和专家验证的推理步骤测试不同模型的工具准确性和规划一致性。

One Sample to Rule Them All: Extreme Data Efficiency in Multidiscipline Reasoning with Reinforcement Learning

一个样本统治一切：通过强化学习实现多学科推理的极端数据效率

Yiyuan Li, Zhen Huang, Yanan Wu, Weixun Wang, Xuefeng Li, Yijia Luo, Wenbo Su, Bo Zheng, Pengfei Liu

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团） ； GAIR 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.LG

AI总结 本文提出多学科学习框架，通过一个训练样本提升多领域推理能力，证明样本质量而非数量对模型性能的关键作用。

KARL: Knowledge-Aware Reasoning and Reinforcement Learning for Knowledge-Intensive Visual Grounding

KARL：面向知识密集型视觉定位的知识感知推理与强化学习

Xinyu Ma, Ziyang Ding, Zhicong Luo, Chi Chen, Zonghao Guo, Derek F. Wong, Zhen Zhao, Xiaoyi Feng, Maosong Sun

机构 * University of Macau（澳门大学） ； Shandong University（山东大学） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； Shanghai AI 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.CL、cs.AI

AI总结 本文提出KARL框架，通过知识引导的推理数据和强化学习方法，提升模型在知识密集型视觉定位任务中的表现，实现跨领域泛化能力的提升。

Seeing Through the Chain: Mitigate Hallucination in Multimodal Reasoning Models via CoT Compression and Contrastive Preference Optimization

通过链看穿：通过CoT压缩和对比偏好优化缓解多模态推理模型的幻觉

Hao Fang, Jinyu Li, Jiawei Kong, Tianqu Zhuang, Kuofeng Gao, Bin Chen, Shu-Tao Xia

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） 纠错

专题命中 推理与问题求解 ：preference optimization(title)

AI总结 本文提出C3PO框架，通过CoT压缩和对比偏好优化缓解多模态推理模型的幻觉问题，通过过滤冗余思考 token 提升信号效率，并利用高质量反馈和定制诱导器增强对比学习效果。

Answering the Wrong Question: Reasoning Trace Inversion for Abstention in LLMs

回答错误的问题：用于LLMs中退避的推理轨迹逆向

Abinitha Gourabathina, Inkit Padhi, Manish Nagireddy, Subhajit Chaudhury, Prasanna Sattigeri

机构 * MIT（麻省理工学院） ； IBM Research（IBM研究院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） 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 本文提出轨迹逆向方法，通过分析模型推理轨迹来改进LLMs的退避能力，实验表明其在多个数据集上显著提升退避性能。

DriveDreamer-Policy: A Geometry-Grounded World-Action Model for Unified Generation and Planning

DriveDreamer-Policy: 一种基于几何的世界-动作模型用于统一生成与规划

Yang Zhou, Xiaofeng Wang, Hao Shao, Letian Wang, Guosheng Zhao, Jiangnan Shao, Jiagang Zhu, Tingdong Yu, Zheng Zhu, Guan Huang, Steven L. Waslander

机构 * GigaAI ； University of Toronto（多伦多大学） ； CUHK MMLab（香港中文大学多媒体实验室） 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DriveDreamer-Policy，结合深度生成、未来视频生成与运动规划，通过几何感知的世界表示提升生成与规划的连贯性与准确性。

Comments 11 pages, 4 figures; Project Website: https://drivedreamer-policy.github.io/

Type-Checked Compliance: Deterministic Guardrails for Agentic Financial Systems Using Lean 4 Theorem Proving

类型检查合规性：使用Lean 4定理证明的确定性守卫机制用于代理金融系统

Devakh Rashie, Veda Rashi

机构 * Independent Researcher（独立研究员） ； Thomas Jefferson High School for Science and Technology（托马斯·杰斐逊科技高中） 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Lean-Agent协议，通过Lean 4定理证明技术，将机构政策自动形式化为代码，确保代理金融系统在微秒延迟内满足监管要求。

Comments 8 pages, 1 table. Code and live demo available at https://github.com/arkanemystic/lean-agent-protocol and https://axiom.devrashie.space

AffordTissue: Dense Affordance Prediction for Tool-Action Specific Tissue Interaction

AffordTissue: 密集的工具-动作特定组织交互 affordance 预测

Aiza Maksutova, Lalithkumar Seenivasan, Hao Ding, Jiru Xu, Chenhao Yu, Chenyan Jing, Yiqing Shen, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本文提出AffordTissue框架，通过多模态方法预测手术中工具-动作特定的组织affordance区域，改进了视觉语言模型在密集手术affordance预测中的表现，为安全手术自动化提供空间推理。

PRISM: Robust VLM Alignment with Principled Reasoning for Integrated Safety in Multimodality

PRISM：面向多模态集成安全的原理化推理对齐

Nanxi Li, Zhengyue Zhao, G. Edward Suh, Marco Pavone, Chaowei Xiao

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学） ； NVIDIA（英伟达） 纠错

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

AI总结 PRISM通过结构化四阶段推理过程，有效应对多模态安全违规，提升VLM的鲁棒性与安全性，同时保持模型实用性。

DIVER: A Multi-Stage Approach for Reasoning-intensive Information Retrieval

DIVER：一种用于推理密集型信息检索的多阶段方法

Duolin Sun, Meixiu Long, Dan Yang, Junjie Wang, Yecheng Luo, Yue Shen, Jian Wang, Hualei Zhou, Chunxiao Guo, Peng Wei, Jiahai Wang, Jinjie Gu

机构 * Ant Group（蚂蚁集团） ； Sun Yat-sen University（中山大学） 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 DIVER通过多阶段流程提升推理密集型信息检索性能，包含文档预处理、查询扩展、检索和重排序四个环节，有效应对需要抽象推理和多步推理的复杂查询。

Stop Wandering: Efficient Vision-Language Navigation via Metacognitive Reasoning

停止游荡：通过元认知推理实现高效的视觉-语言导航

Xueying Li, Feng Lyu, Hao Wu, Mingliu Liu, Jia-Nan Liu, Guozi Liu

机构 * Central South University（中南大学） ； Nanjing University（南京大学） ； State Grid Hubei Electric Power Research Institute（国网湖北省电力有限公司电力科学研究院） ； Dongguan University of Technology（东莞理工学院） 纠错

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

AI总结 本文提出MetaNav，通过整合空间记忆、历史感知规划和反思修正，提升视觉-语言导航的效率与鲁棒性，实验显示其在多个基准上表现优异，减少了20.7%的VLM查询。

Comments 10 pages, 6 figures

Director: Instance-aware Gaussian Splatting for Dynamic Scene Modeling and Understanding

Director: 用于动态场景建模与理解的实例感知高斯点云

Yuheng Jiang, Yiwen Cai, Zihao Wang, Yize Wu, Sicheng Li, Zhuo Su, Shaohui Jiao, Lan Xu

机构 * ShanghaiTech University（上海科技大学） ； ByteDance（字节跳动） 纠错

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

AI总结 Director通过联合建模人类性能、高保真渲染和实例级语义，实现动态场景的时空高斯表示，提升动态场景理解的稳定性与准确性。

Comments Project page: https://caiyw2023.github.io/Director/

BIOGEN: Evidence-Grounded Multi-Agent Reasoning Framework for Transcriptomic Interpretation in Antimicrobial Resistance

BIOGEN：基于证据的多智能体推理框架用于抗菌药物耐药性中的转录组解释

Elias Hossain, Mehrdad Shoeibi, Ivan Garibay, Niloofar Yousefi

机构 * College of Engineering and Computer Science, University of Central Florida（中佛罗里达大学工程与计算机科学学院） 纠错

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

AI总结 BIOGEN通过结合生物信息检索、结构化推理和多批评验证，生成可追溯的转录组模块解释，其在抗菌药物耐药性研究中表现出强生物学基础和零幻觉率。

Mining Instance-Centric Vision-Language Contexts for Human-Object Interaction Detection

挖掘实例导向的视觉-语言上下文以实现人-物交互检测

Soo Won Seo, KyungChae Lee, Hyungchan Cho, Taein Son, Nam Ik Cho, Jun Won Choi

机构 * Seoul National University（首尔国立大学） ； Hanyang University（汉阳大学） 纠错

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

AI总结 本文提出InCoM-Net框架，通过整合VLM提取的语义知识与实例特征，提升人-物交互检测的交互推理能力，实验表明其在HICO-DET和V-COCO基准上达到最优性能。

Comments Accepted to CVPR 2026. Code: https://github.com/nowuss/InCoM-Net