语言大模型 / LLM

AtManRL: Towards Faithful Reasoning via Differentiable Attention Saliency

AtManRL：通过可微注意力显著性实现更忠实的推理

Max Henning Höth, Kristian Kersting, Björn Deiseroth, Letitia Parcalabescu

机构 * Aleph Alpha Research Lab（Aleph Alpha研究实验室） ； TU Darmstadt（图林根大学） ； Hessian.AI Lab（黑森AI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、cs.LG

AI总结 本文提出AtManRL方法，通过可微注意力操控学习更忠实的推理过程，结合GRPO框架优化正确性与可解释性，实验证明能识别关键推理token并提升模型透明度。

Comments 14 pages, 8 figures, 1 table

Interpretable Traces, Unexpected Outcomes: Investigating the Disconnect in Trace-Based Knowledge Distillation

可解释的轨迹，意外的结果：探讨基于轨迹的知识蒸馏中的断层

Siddhant Bhambri, Upasana Biswas, Subbarao Kambhampati

机构 * School of Computing & AI, Arizona State University（计算与人工智能学院，亚利桑那州立大学） 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

AI总结 本文通过规则问题分解设计实验，探讨基于轨迹的知识蒸馏中轨迹语义正确性与可解释性之间的断层，发现轨迹正确性并不能保证最终答案正确，且可解释的分解轨迹在准确性上不具优势。

Comments Accepted at The 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)

Understanding New-Knowledge-Induced Factual Hallucinations in LLMs: Analysis and Interpretation

理解大语言模型中新知识诱导的事实幻觉：分析与解释

Renfei Dang, Peng Hu, Zhejian Lai, Changjiang Gao, Min Zhang, Shujian Huang

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Huawei Translation Services Center（华为翻译服务中心） 纠错

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 研究探讨了新知识微调导致的大语言模型事实幻觉现象，通过设计Biography-Reasoning数据集，分析不同知识类型和任务类型中的幻觉表现，发现知识类型中不熟悉程度是幻觉的主要驱动因素。

Comments ACL 2026 Findings

RefereeBench: Are Video MLLMs Ready to be Multi-Sport Referees

RefereeBench: 视频多模态大语言模型是否准备好成为多项目裁判

Yichen Xu, Yuanhang Liu, Chuhan Wang, Zihan Zhao, jinghan luo, Jianzhe Ma, Wenxuan Wang, Qin Jin

机构 * Renmin University of China（中国人民大学） ； Sichuan University（四川大学） 纠错

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

AI总结 本文提出RefereeBench，首个评估多模态大语言模型作为自动体育裁判的基准，通过11项运动925个视频和6475对问答，评估犯规存在、分类、推理、实体感知和时间定位能力，发现当前模型在规则应用和时间定位上表现不足。

Comments Work in Progress

Improving Reasoning Capabilities in Small Models through Mixture-of-Layers Distillation with Stepwise Attention on Key Information

通过关键信息的分步注意力混合层蒸馏提升小模型的推理能力

Yao Chen, Jiawei Sheng, Wenyuan Zhang, Tingwen Liu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

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

AI总结 本文提出一种基于分步注意力的混合层蒸馏方法，通过引导学生模型逐步聚焦关键信息，提升小模型的推理能力，并在多个数学和常识推理数据集上取得一致性能提升。

Comments Accepted at EMNLP 2025

Preference Estimation via Opponent Modeling in Multi-Agent Negotiation

通过对手建模进行多智能体谈判中的偏好估计

Yuta Konishi, Kento Yamamoto, Eisuke Sonomoto, Rikuho Takeda, Ryo Furukawa, Yusuke Muraki, Takafumi Shimizu, Kazuma Fukumura, Yuya Kanemoto, Takayuki Ito, Shiyao Ding

机构 * Graduate School of Informatics, Kyoto University（京都大学信息学研究生院） ； Accenture Japan Ltd（Accenture日本公司） 纠错

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 本文提出一种整合自然语言信息的结构化贝叶斯对手建模框架，提升多智能体谈判中的偏好估计准确性与一致性。

Comments This paper is accepted as a Findings of ACL 2026

Think Multilingual, Not Harder: A Data-Efficient Framework for Teaching Reasoning Models to Code-Switch

多语言思考，而非更难：一种数据高效的框架，用于教授推理模型进行语言混合

Eleanor M. Lin, David Jurgens

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出一种数据高效的框架，用于识别并教授推理模型更有效的语言混合行为，通过分析不同模型的语言混合行为，开发出有效的微调干预措施，提升推理模型的语言混合能力。

FACTS: Table Summarization via Offline Template Generation with Agentic Workflows

FACTS: 通过离线模板生成实现基于表格的摘要的代理工作流

Ye Yuan, Mohammad Amin Shabani, Siqi Liu

机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） ； RBC Borealis 纠错

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

AI总结 FACTS通过离线模板生成实现高效、准确且隐私合规的表格摘要，优于现有方法，适用于实际查询需求。

Comments Accepted by ACL 2026 Findings

VeriGraph: Scene Graphs for Execution Verifiable Robot Planning

VeriGraph：用于可验证机器人规划的场景图

Daniel Ekpo, Mara Levy, Saksham Suri, Chuong Huynh, Archana Swaminathan, Abhinav Shrivastava

机构 * University of Maryland, College Park, MD USA（马里兰大学学院公园分校） 纠错

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

AI总结 VeriGraph通过整合视觉语言模型和场景图，提升机器人任务规划的可行性验证与修正，显著提高任务完成率。

Comments Accepted to ICRA 2026. Project website: https://verigraph-agent.github.io

VRAG-DFD: Verifiable Retrieval-Augmentation for MLLM-based Deepfake Detection

VRAG-DFD: 可验证检索增强的基于大语言模型的深度伪造检测

Hui Han, Shunli Wang, Yandan Zhao, Taiping Yao, Shouhong Ding

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

专题命中 推理与问题求解 ：SFT(abstract,abstract_cn)

AI总结 本文提出VRAG-DFD框架，通过结合检索增强生成和强化学习，解决深度伪造检测中专业伪造知识不足的问题，提升大语言模型的推理能力。

Reasoning over Video: Evaluating How MLLMs Extract, Integrate, and Reconstruct Spatiotemporal Evidence

视频推理：评估大语言模型如何提取、整合和重构时空证据

Seunghwan Bang, Hwanjun Song

机构 * UNIST（全南大学） ； KAIST（韩国科学技术院） 纠错

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

AI总结 本文评估大语言模型在视频中的时空推理能力，提出VAEX-BENCH基准，通过合成数据测试抽象推理任务，揭示模型在抽象任务中的局限性。

Comments Project page: https://disl-lab.github.io/VAEX-Bench/

AgentV-RL: Scaling Reward Modeling with Agentic Verifier

AgentV-RL: 通过代理验证器扩展奖励建模

Jiazheng Zhang, Ziche Fu, Zhiheng Xi, Wenqing Jing, Mingxu Chai, Wei He, Guoqiang Zhang, Chenghao Fan, Chenxin An, Wenxiang Chen, Zhicheng Liu, Haojie Pan, Dingwei Zhu, Tao Gui, Qi Zhang, Xuanjing Huang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Huazhong University of Science and Technology（华中科技大学） ； The University of Hong Kong（香港大学） ； ByteDance Seed（字节跳动种子） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室） 纠错

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

AI总结 本文提出Agentic Verifier框架，通过多轮工具增强的反思过程提升奖励建模效果，实验显示其在并行和顺序TTS任务中表现优异，4B变体超越现有最优ORMs 25.2%。

Comments ACL 2026

Weak-Link Optimization for Multi-Agent Reasoning and Collaboration

多智能体推理与协作中的弱链接优化

Haoyu Bian, Chaoning Zhang, Jiaquan Zhang, Xingyao Li, Yuanfang Guo, Wei Dong, Yang Yang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Beihang University（北航） ； Xi'an University of Architecture and Technology（西安建筑科技大学） 纠错

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

AI总结 本文提出WORC框架，通过识别并强化性能瓶颈智能体，提升多智能体系统的稳定性和泛化能力。

Comments 13 pages, 4 figures. Submitted to CAAI Transactions on Intelligence Technology

Chain-of-Thought Degrades Visual Spatial Reasoning Capabilities of Multimodal LLMs

基于链式思维的多模态大语言模型视觉空间推理能力退化

Sai Srinivas Kancheti, Aditya Sanjiv Kanade, Vineeth N. Balasubramanian, Tanuja Ganu

机构 * Microsoft Research India（微软印度研究院） 纠错

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

AI总结 研究发现链式思维范式在视觉空间推理任务中导致性能下降，通过实验揭示多模态模型在空间基准测试中的关键缺陷，并指出需转向以视觉为中心的推理方法。

Beyond a Single Frame: Multi-Frame Spatially Grounded Reasoning Across Volumetric MRI

超越单帧：跨体积MRI的多帧空间接地推理

Lama Moukheiber, Caleb M. Yeung, Haotian Xue, Alec Helbling, Zelin Zhao, Yongxin Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Harvard University（哈佛大学） ； Georgetown University（乔治城大学） 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SGMRI-VQA基准，通过多帧空间接地推理提升医学VLMs性能，展示监督微调提升接地能力。

Flexible Empowerment at Reasoning with Extended Best-of-N Sampling

灵活的推理赋能与扩展的Best-of-N采样

Taisuke Kobayashi

机构 * National Institute of Informatics and The Graduate University for Advanced Studies, SOKENDAI Japan（日本信息处理研究所和高级研究大学研究院（SOKENDAI）） 纠错

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

AI总结 本文提出一种结合赋能的推理方法，通过扩展Best-of-N采样解决探索-利用困境，改进了传统奖励函数中延迟学习的问题。

Comments 15 pages, 4 figures

When to Trust Tools? Adaptive Tool Trust Calibration For Tool-Integrated Math Reasoning

何时信任工具？用于工具集成数学推理的自适应工具信任校准

Ruotao Xu, Yixin Ji, Yu Luo, Jinpeng Li, Dong Li, Peifeng Li, Juntao Li, Min Zhang

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Department of Foundation Model, 2012 Labs, Huawei（华为基础模型部门） ； Harbin Institute of Technology, Shenzhen (HITSZ)（哈尔滨工业大学深圳（HITSZ）） 纠错

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

AI总结 本文提出ATTC框架，通过自适应选择信任或忽略工具结果来解决工具忽略问题，提升推理性能。

FineCog-Nav: Integrating Fine-grained Cognitive Modules for Zero-shot Multimodal UAV Navigation

FineCog-Nav：整合细粒度认知模块以实现零样本多模态无人机导航

Dian Shao, Zhengzheng Xu, Peiyang Wang, Like Liu, Yule Wang, Jieqi Shi, Jing Huo

机构 * Northwestern Polytechnical University（西北工业大学） ； Nanjing University（南京大学） 纠错

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

AI总结 本文提出FineCog-Nav框架，通过细粒度认知模块提升无人机零样本多模态导航性能，构建了AerialVLN-Fine基准测试集，实验表明其在指令遵循、长视距规划和环境泛化方面优于基线方法。

Comments Accepted by CVPR 2026 Findings

AstroVLM: Expert Multi-agent Collaborative Reasoning for Astronomical Imaging Quality Diagnosis

AstroVLM：专家多智能体协作推理用于天体成像质量诊断

Yaohui Han, Tianshuo Wang, Zixi Zhao, Zhengchun Zhu, Shuo Ren, Yiru Wang, Rongliang Fu, Tinghuan Chen, Tsung-Yi Ho

机构 * The Chinese University of Hong Kong（香港中文大学） ； Central South University（中南大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区） 纠错

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

AI总结 本文提出AstroVLM，通过多智能体协作推理解决复杂天体成像质量诊断问题，实验表明其在实际任务中优于所有基线模型。

SENSE: Stereo OpEN Vocabulary SEmantic Segmentation

SENSE：立体视图开放词汇语义分割

Thomas Campagnolo, Ezio Malis, Philippe Martinet, Gaétan Bahl

机构 * Centre Inria d’Universite Cote d’Azur, France（法国里莫纳大学信息科学研究中心） ； NXP Semiconductors, France（法国恩智科半导体公司） 纠错

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

AI总结 本文提出SENSE，通过立体视觉与视觉语言模型提升开放词汇语义分割的精度，实验显示在PhraseStereo数据集上平均精度提升2.9%，并在Cityscapes和KITTI上取得更好的结果。

EvoRAG: Making Knowledge Graph-based RAG Automatically Evolve through Feedback-driven Backpropagation

EvoRAG: 通过反馈驱动的反向传播使基于知识图谱的RAG自动进化

Zhenbo Fu, Yuanzhe Zhang, Qiange Wang, Hao Yuan, Yuehao Xu, Enze Yi, Yanfeng Zhang, Ge Yu

专题命中 推理与问题求解 ：LLM(abstract)

AI总结 本文提出EvoRAG，通过反馈驱动反向传播机制自动优化知识图谱，提升推理准确性，实验显示比现有方法提升7.34%。

How Hypocritical Is Your LLM judge? Listener-Speaker Asymmetries in the Pragmatic Competence of Large Language Models

你的LLM裁判有多虚伪？大型语言模型在语用能力中的听众-说话人不对称性

Judith Sieker, Sina Zarrieß

机构 * Computational Linguistics, Department of Linguistics（计算语言学系，语言学系） 纠错

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

AI总结 本文研究了大型语言模型在语用能力中的听众与说话人角色差异，发现模型在作为听众判断语言输出适当性时表现优于作为说话人生成语用恰当语言，揭示了当前LLM在语用判断与生成方面的弱关联性。

Comments Accepted at ACL 2026 (findings)

Large Language Models for Market Research: A Data-augmentation Approach

用于市场研究的大型语言模型：一种数据增强方法

Mengxin Wang, Dennis J. Zhang, Heng Zhang

机构 * Naveen Jindal School of Management, The University of Texas at Dallas（内维恩·金达管理学院，德克萨斯大学达拉斯分校） ； Olin School of Business, Washington University in St. Louis（奥林商学院，圣路易斯华盛顿大学） ； W. P. Carey School of Business, Arizona State University（W.P.凯里商学院，亚利桑那州立大学） 纠错

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

AI总结 本文提出一种数据增强方法，结合LLM生成数据与真实数据，提升市场研究中联合分析的统计稳健性，减少误差并降低成本。

Whose Facts Win? LLM Source Preferences under Knowledge Conflicts

谁的事实获胜？在知识冲突下LLM的来源偏好

Jakob Schuster, Vagrant Gautam, Katja Markert

机构 * Heidelberg University（海德堡大学） ； Heidelberg Institute for Theoretical Studies（海德堡理论研究所） 纠错

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

AI总结 研究探讨了LLM在知识冲突中的来源偏好，发现其更倾向于机构证实的信息，但可通过重复低可信度来源信息逆转。提出方法减少重复偏差，同时保持大部分偏好。

Comments Data and code: https://github.com/JaSchuste/llm-source-preference

A PennyLane-Centric Dataset to Enhance LLM-based Quantum Code Generation using RAG

面向增强基于LLM的量子代码生成的PennyLane数据集

Abdul Basit, Nouhaila Innan, Muhammad Haider Asif, Minghao Shao, Muhammad Kashif, Alberto Marchisio, Muhammad Shafique

机构 * Center for Quantum and Topological Systems (CQTS)（量子与拓扑系统中心（CQTS）） ； NYUAD Research Institute（纽约大学阿布扎克研究院） ； New York University Abu Dhabi（纽约大学阿布扎克分校） 纠错

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

AI总结 本文提出PennyLang数据集，通过系统化方法提升LLM生成量子代码的性能，验证了RAG框架在增强量子代码生成中的有效性。

Comments 8 pages, 6 figures, 8 tables. Accepted at IJCNN 2026

"Excuse me, may I say something..." CoLabScience, A Proactive AI Assistant for Biomedical Discovery and LLM-Expert Collaborations

请问，我可以发言吗... CoLabScience，一种用于生物医学发现和LLM专家协作的主动AI助手

Yang Wu, Jinhong Yu, Jingwei Xiong, Zhimin Tao, Xiaozhong Liu

机构 * Worcester Polytechnic Institute（沃斯特理工大学） ； University of California, Davis（加州大学戴维斯分校） ； Jiangsu University（江苏大学） 纠错

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

AI总结 本文提出CoLabScience，一种主动AI助手，通过及时的上下文感知干预提升生物医学领域AI与人类专家的协作效率，PULI框架在流式科学讨论中实现精准干预，实验表明其在干预精度和协作任务实用性上优于现有基线。

Comments ACL 2026 Main Conference

LLMbench: A Comparative Close Reading Workbench for Large Language Models

LLMbench: 一种用于大型语言模型的比较性近距离阅读工作台

David M. Berry

机构 * University of Sussex（苏塞克斯大学） 纠错

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

AI总结 LLMbench通过可视化工具分析大型语言模型输出的生成结构，提供概率分布、文本可能性等分析，用于批判性研究生成式AI模型。

Comments 22 pages, 12 figures

Beyond Static Personas: Situational Personality Steering for Large Language Models

超越静态人设：面向大语言模型的情境性人格引导

Zesheng Wei, Mengxiang Li, Zilei Wang, Yang Deng

机构 * University of Science and Technology of China（中国科学技术大学） ； Singapore Management University（新加坡国立大学） 纠错

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

AI总结 本文提出IRIS框架，通过分析人设神经元揭示情境依赖性，实现无训练的神经元引导方法，在PersonalityBench和SPBench上验证了其在复杂情境下的泛化与鲁棒性。

Comments Accepted to Findings of ACL2026

RedBench: A Universal Dataset for Comprehensive Red Teaming of Large Language Models

RedBench：用于大型语言模型全面红队测试的通用数据集

Quy-Anh Dang, Chris Ngo, Truong-Son Hy

机构 * Knovel Engineering Lab（Knovel工程实验室） ； Knovel Engineering Singapore（Knovel工程新加坡） ； VNU University of Science（越南科学技术大学） 纠错

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

AI总结 RedBench通过整合37个基准数据集，提供标准化的风险分类和领域框架，用于系统评估大型语言模型的安全性，促进鲁棒性比较和未来研究。

Token Statistics Reveal Conversational Drift in Multi-turn LLM Interaction

令牌统计揭示多轮LLM交互中的对话漂移

Wael Hafez, Amir Nazeri

机构 * Semarx Research LLC（Semarx研究公司） 纠错

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

AI总结 研究通过令牌频率统计监测对话一致性，提出Bipredictability指标，验证其在多轮交互中的有效性，显示结构监控可补充语义评估。

Comments 13 Pages, 3 Figures