语言大模型 / LLM

ClassInvGen: Class Invariant Synthesis using Large Language Models

ClassInvGen：利用大语言模型进行类不变式合成

Chuyue Sun, Viraj Agashe, Saikat Chakraborty, Jubi Taneja, Clark Barrett, David Dill, Xiaokang Qiu, Shuvendu K. Lahiri

机构 * Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） ； Purdue University（普渡大学） 纠错

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

AI总结 本文提出ClassInvGen，利用大语言模型生成C++等主流语言的可执行类不变式及测试输入，优于纯LLM方法和Daikon等传统技术，提供基准测试和案例研究验证其有效性。

RAG-Enhanced Large Language Models for Dynamic Content Expiration Prediction in Web Search

增强型大型语言模型用于网络搜索中动态内容过期预测

Tingyu Chen, Wenkai Zhang, Li Gao, Lixin Su, Ge Chen, Dawei Yin, Daiting Shi

机构 * Baidu Inc.（百度公司） 纠错

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

AI总结 本文提出基于大型语言模型的查询感知动态内容过期预测框架，通过提取细粒度时间上下文和利用LLM推断查询特定的有效性范围，提升搜索结果的新鲜度和用户体验。

Comments Accepted at SIGIR 2026. Final version: https://doi.org/10.1145/3805712.3808457

Agentic Interpretation: Lattice-Structured Evidence for LLM-Based Program Analysis

代理解释：基于格结构的证据用于基于LLM的程序分析

Jacqueline L. Mitchell, Chao Wang

机构 * University of Southern California, Los Angeles, California, USA（美国南加州大学） 纠错

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

AI总结 本文提出代理解释框架，结合格结构静态分析与LLM程序推理，通过分解分析目标为局部断言并跟踪LLM判断，改进程序分析的灵活性和准确性。

Comments 27 pages, 6 figures

Towards Generalizable Reasoning: Group Causal Counterfactual Policy Optimization for LLM Reasoning

迈向通用性推理：面向LLM推理的群体因果反事实策略优化

Jingyao Wang, Peizheng Guo, Wenwen Qiang, Jiahuan Zhou, Huijie Guo, Changwen Zheng, Hui Xiong

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王宣计算机技术研究所） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 本文提出群体因果反事实策略优化方法，通过反事实奖励提升LLM推理的通用性，强调推理过程的鲁棒性和有效性，实验验证其有效性。

SupChain-Bench: Benchmarking Large Language Models for Real-World Supply Chain Management

SupChain-Bench：针对现实世界供应链管理的大语言模型基准测试

Shengyue Guan, Yihao Liu, Lang Cao

机构 * Alibaba Group（阿里巴巴集团） ； Peking University（北京大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出SupChain-Bench基准测试，用于评估大语言模型在现实世界供应链管理中的表现，揭示模型执行可靠性差距，并提出SupChain-ReAct框架提升工具调用性能。

A Single Layer to Explain Them All:Understanding Massive Activations in Large Language Models

一层解释所有：理解大语言模型中大规模激活现象

Zeru Shi, Zhenting Wang, Fan Yang, Qifan Wang, Ruixiang Tang

机构 * Rutgers University（罗格斯大学） ； Wake Forest University（威克森林大学） ； Meta AI 纠错

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

AI总结 研究大语言模型中大规模激活的起源，发现ME层是大规模激活首次出现的层，并提出方法减少大规模激活的刚性，提升模型性能。

SkillOps: Managing LLM Agent Skill Libraries as Self-Maintaining Software Ecosystems

SkillOps：将LLM代理技能库视为自维护的软件生态系统进行管理

Hongji Pu, Xinyuan Song, Liang Zhao

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

AI总结 SkillOps通过自维护软件生态系统方法管理LLM代理技能库，解决技能库中的技术债务问题，提升技能检索、组合和执行效率，实验表明其在ALFWorld上任务成功率高达79.5%。

Comments 23 pages, 9 figures. Submitted to NeurIPS 2026. Code is available at https://github.com/Hik289/SkillOps.git

PoC-Gym: Towards More Reliable LLM-Assisted Proof-of-Concept Exploit Generation

PoC-Gym: 向更可靠的LLM辅助漏洞利用证明概念生成迈进

Derin Gezgin, Amartya Das, Shinhae Kim, Zhengdong Huang, Nevena Stojkovic, Claire Wang

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

AI总结 PoC-Gym通过结合静态与动态信息，迭代生成Java漏洞PoC，并通过多阶段验证提升可靠性，覆盖12个CVE，优于现有方法。

Self-Consistent Latent Reasoning: Long Latent Sequence Reasoning for Vision-Language Model

自洽潜在推理：面向视觉语言模型的长潜在序列推理

Chenfeng Wang, Wei He, Xuhan Zhu, Chunpeng Zhou, Qizhen Li, Song Yan, Yufei Zheng, Chengjun Yu, Fan Lu, Wei Zhai, Yang Cao, Pengfei Yu, Zheng-Jun Zha

机构 * University of Science and Technology of China（中国科学技术大学） ； Li Auto Inc.（利亚自动化公司） 纠错

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

AI总结 本文提出SCOLAR模型，通过轻量级detransformer生成辅助视觉token，结合三阶段SFT和ALPO强化学习，显著提升视觉语言模型的长序列推理能力，达到开源模型在现实任务中的最佳性能。

Comments 17 pages, 6 figures

Asynchronous Reasoning: Training-Free Interactive Thinking LLMs

异步推理：无需训练的交互式思考LLM

George Yakushev, Nataliia Babina, Masoud Vahid Dastgerdi, Vyacheslav Zhdanovskiy, Denis Kuznedelev, Alina Shutova, Max Ryabinin

机构 * Yandex ； HSE University（俄罗斯高等经济大学） ； The University of Tokyo（东京大学） ； MATS ； Together AI 纠错

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

AI总结 本文提出一种无需额外训练的LLM异步推理方法，通过位置嵌入特性实现同时思考、倾听和生成输出，提升数学、常识和安全推理任务的准确性和响应速度。

Comments Preprint, work in progress

Career Mobility of Planning Alumni in the United States: Evidence from Professional Profile Data using Large Language Models

美国规划校友职业流动性研究：基于专业资料数据和大语言模型的证据

Yan Wang, Su Jeong Jo

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

AI总结 研究利用大语言模型分析13万余名美国规划校友的职业流动性，发现采用多部门经验或行业转换路径的校友流动性更高，软技能和地理流动性是晋升关键因素。

Stress-Testing the Reasoning Competence of LLMs With Proofs Under Minimal Formalism

用最小形式主义对LLM推理能力进行压力测试：通过证明

Konstantine Arkoudas, Serafim Batzoglou

专题命中 推理与问题求解 ：LLM(title_cn,summary_cn)；分类 cs.AI

AI总结 ProofGrid通过机器可验证的证明评估LLM推理能力，涵盖证明写作、检查、遮蔽和补全等任务，采用简洁形式化符号，提供可重复、细粒度的评估方法，揭示当前模型在复杂推理任务上的局限性。

CoT-Guard: Small Models for Strong Monitoring

CoT-Guard：用于强监控的小型模型

Nirav Diwan, Han Wang, Berkcan Kapusuzoglu, Ramin Moradi, Supriyo Chakraborty, Giri Iyengar, Sambit Sahu, Huan Zhang, Gang Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Capital One 纠错

专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；SFT(abstract,abstract_cn)；post-training(abstract)；分类 cs.AI

AI总结 本文提出CoT-Guard，通过结合监督微调和强化学习，提升小型模型在代码生成任务中检测隐藏目标的能力，其在提示和代码攻击下的表现优于现有大模型。

Language Model Goal Selection Differs from Humans' in a Self-Directed Learning Task

语言模型的目标选择与人类在自我指导学习任务中不同

Gaia Molinaro, Dave August, Danielle Perszyk, Anne G. E. Collins

机构 * University of California, Berkeley（加州大学伯克利分校） ； Amazon AGI Lab（亚马逊人工智能实验室） 纠错

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

AI总结 研究通过控制实验发现语言模型在目标选择上与人类存在显著差异，多数模型表现不佳，而人类则能逐步探索并达成多样化目标。

d-TreeRPO: Towards More Reliable Policy Optimization for Diffusion Language Models

d-TreeRPO：迈向更可靠的扩散语言模型策略优化

Leyi Pan, Shuchang Tao, Yunpeng Zhai, Zheyu Fu, Liancheng Fang, Minghua He, Lingzhe Zhang, Zhaoyang Liu, Bolin Ding, Aiwei Liu, Lijie Wen

机构 * Tsinghua University（清华大学） ； Tongyi Lab（通义实验室） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） ； Peking University（北京大学） 纠错

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

AI总结 本文提出d-TreeRPO框架，通过树状回滚和可验证奖励提升扩散语言模型策略优化的可靠性，理论证明预测信心提升可减少预测概率偏差，并在多个推理基准上取得显著提升。

Comments ACL 2026 Main

CHAL: Council of Hierarchical Agentic Language

CHAL：层次代理语言委员会

Tommaso Giovannelli, Griffin D. Kent

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

AI总结 CHAL框架通过将辩论视为信念优化过程，改进了LLM在可反驳领域中的推理能力，通过层次代理结构和可审计的信念记录，实现了更透明和可解释的多代理辩论系统。

Systematic Failures in Collective Reasoning under Distributed Information in Multi-Agent LLMs

多智能体大语言模型中分布式信息下的集体推理系统性失效

Yuxuan Li, Aoi Naito, Hirokazu Shirado

机构 * School of Computer Science, Carnegie Mellon University, Pittsburgh, USA（计算机科学学院，卡内基梅隆大学，匹兹堡，美国） ； School of Environment and Society, Institute of Science Tokyo, Tokyo, Japan（环境与社会学院，东京科学研究所，东京，日本） 纠错

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

AI总结 研究发现多智能体大语言模型在分布式信息下仅能获得30.1%的准确率，而单智能体在完整信息下可达80.7%。系统性失效源于智能体无法识别和应对潜在的信息不对称，导致关键分布式事实未被探索。通过轻量级结构化通信协议可显著提升集体推理能力。

Comments Accepted to ICML 2026

TimelineReasoner: Advancing Timeline Summarization with Large Reasoning Models

TimelineReasoner: 通过大推理模型推进时间线摘要

Liancheng Zhang, Xiaoxi Li, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） 纠错

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

AI总结 本文提出TimelineReasoner框架，通过大推理模型的主动推理能力，改进时间线摘要任务，提升准确性、覆盖性和连贯性。

Talk is Cheap, Communication is Hard: Dynamic Grounding Failures and Repair in Multi-Agent Negotiation

言者无罪，沟通艰难：多智能体谈判中的动态 grounding 故障与修复

Yiheng Yao, Chelsea Zou, Robert D. Hawkins

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文研究多智能体谈判中动态 grounding 的故障与修复，通过多轮谈判游戏揭示四类失败模式，发现协调瓶颈在于动态 grounding 而非个体推理或信息不足。

Think Twice, Act Once: Verifier-Guided Action Selection For Embodied Agents

再思一次，行动一次：验证引导的动作选择用于具身智能体

Nishad Singhi, Christian Bialas, Snehal Jauhri, Vignesh Prasad, Georgia Chalvatzaki, Marcus Rohrbach, Anna Rohrbach

机构 * Technical University of Darmstadt（达姆斯塔特技术大学） 纠错

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

AI总结 本文提出验证引导的动作选择框架，通过显式验证步骤提升基于MLLM的具身智能体的鲁棒性，实验证明在复杂任务中性能提升达36%。

Comments CVPR 2026 (Findings)

AgenticAITA: A Proof-Of-Concept About Deliberative Multi-Agent Reasoning for Autonomous Trading Systems

AgenticAITA: 关于自主交易系统中 deliberative 多智能体推理的证明概念

Ivan Letteri

机构 * Department of Information Engineering, Computer Science, and Mathematics, Center of Excellence for Research DEWS, University of L’Aquila（信息工程、计算机科学和数学系，DEWS研究中心，拉奎拉大学） 纠错

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

AI总结 本文提出AGENTICAITA框架，通过多智能体协作推理替代传统信号执行模式，实现自主交易系统中无离线训练的决策流程，展示其在金融决策中的可行性与有效性。

StreamGaze: Gaze-Guided Temporal Reasoning and Proactive Understanding in Streaming Videos

StreamGaze：流媒体视频中的目光引导时间推理与前瞻性理解

Daeun Lee, Subhojyoti Mukherjee, Branislav Kveton, Ryan A. Rossi, Viet Dac Lai, Seunghyun Yoon, Trung Bui, Franck Dernoncourt, Mohit Bansal

机构 * University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校） ； Adobe Research（Adobe研究院） 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.CL、cs.AI

AI总结 StreamGaze通过引入目光引导的任务评估多模态大语言模型在流媒体视频中的时间推理和前瞻性理解能力，揭示了现有模型在目光引导下的时间推理、意图建模和前瞻性预测方面的局限性。

Comments Accepted to CVPR 2026 with strong scores (5/5/5) but desk-rejected after the camera-ready due to not completing all reviewing duties

Doppler Prompting for Stable mmWave-based Human Pose Estimation

多普勒提示用于稳定的毫米波基人体姿态估计

Shuntian Zheng, Jiaqi Li, Xiaoman Lu, Shuai He, Yu Guan

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

AI总结 本文提出PULSE方法，通过将多普勒信号转化为置信度感知的运动提示，改进毫米波人体姿态估计的稳定性和准确性。

Seed Bank, Co-op, Stoop Swap: Metaphors for Governing Language Model Data for Creative Writing

种子库、合作、巷子交换：语言模型数据治理的隐喻

Alicia Guo, Carly Schnitzler, Katy Gero

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

AI总结 本文探讨如何通过隐喻指导语言模型用于创意写作，提出四个主题：同意的重要性、社区边界定义、贡献者认可方式及模型规模的权衡，倡导开放的小型模型。

Seg-Agent: Test-Time Multimodal Reasoning for Training-Free Language-Guided Segmentation

Seg-Agent: 无训练语言引导分割的测试时多模态推理

Chao Hao, Jun Xu, Ji Du, Shuo Ye, Ziyue Qiao, Xiaodong Cun, Guangcong Wang, Xubin Zheng, Zitong Yu

机构 * School of Computing and Information Technology（计算与信息科技学院） ； Great Bay University（大湾大学） ； Hangzhou International Innovation Institute（杭州国际创新研究院） ； Beihang University（北航大学） ； Department of Computing（计算系） ； The Hong Kong Polytechnic University（香港理工大学） 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 Seg-Agent提出无训练的多模态推理框架，通过生成-选择-细化三阶段循环实现视觉区域分割，无需参数更新即可达到与训练方法相当的性能。

Constraints-of-Thought: A Framework for Constrained Reasoning in Language-Model-Guided Search

思维约束：一种在语言模型引导搜索中进行约束推理的框架

Kamel Alrashedy, Vriksha Srihari, Zulfiqar Zaidi, Ridam Srivastava, Pradyumna Tambwekar, Matthew Gombolay

机构 * 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(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 本文提出Const-o-T框架，通过约束推理提升语言模型在多步骤任务中的规划效率和决策可靠性，适用于风险游戏、CAD代码生成和算术推理等复杂领域。

A Hierarchical Language Model with Predictable Scaling Laws and Provable Benefits of Reasoning

具有可预测扩展规律和推理证明益处的分层语言模型

Jason Gaitonde, Frederic Koehler, Elchanan Mossel, Joonhyung Shin, Allan Sly

机构 * Duke University（杜克大学） ； University of Chicago（芝加哥大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 本文提出了一种合成语言家族，通过树上的广播过程生成，分析上下文长度和推理在自回归生成中的作用。通过精确k-gram假设，证明了在特定条件下，上下文深度与序列生成的方差和峰度关系，展示了推理模型在有限内存下能精确生成真实语言。

Context Learning for Multi-Agent Discussion

多智能体讨论中的上下文学习

Xingyuan Hua, Sheng Yue, Xinyi Li, Yizhe Zhao, Jinrui Zhang, Ju Ren

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； School of Cyber Science and Technology, Sun Yat-sen University Shenzhen Campus（中山大学深圳校区网络科学与技术学院） ； College of Computer Science, Northwest University（西北大学计算机学院） ； State Key Laboratory of Internet Architecture, Tsinghua University（清华大学互联网体系结构实验室） 纠错

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

AI总结 本文提出M2CL方法，通过动态生成上下文指令提升多智能体讨论的一致性与协作效率，实验表明其在多个任务中性能优于现有方法。

BoostTaxo: Zero-Shot Taxonomy Induction via Boosting-Style Agentic Reasoning and Constraint-Aware Calibration

BoostTaxo：通过提升式代理推理和约束感知校准进行零样本分类诱导

Yancheng Ling, Zhenlin Qin, Leizhen Wang, Zhenliang Ma

机构 * KTH Royal Institute of Technology（皇家理工学院） ； Monash University（莫纳什大学） 纠错

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

AI总结 BoostTaxo通过提升式代理推理和约束感知校准方法，提升零样本分类诱导的泛化能力、结构可靠性及效率，实验证明其在WordNet、DBLP和SemEval-Sci数据集上性能优异。

Comments 13 pages,7 figtures

Towards Unified Surgical Scene Understanding:Bridging Reasoning and Grounding via MLLMs

迈向统一的手术场景理解：通过多模态大语言模型弥合推理与 grounding

Jincai Huang, Shihao Zou, Yuchen Guo, Jingjing Li, Wei Ji, Kai Wang, Shanshan Wang, Weixin Si

机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Northwestern University（西北大学） ； University of Alberta（阿尔伯塔大学） ； Yale University（耶鲁大学） ； Nanfang Hospital（南华医院） ； Shenzhen University of Advanced Technology（深圳大学先进技术研究院） 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SurgMLLM框架，通过统一推理与视觉 grounding 实现手术场景理解，提升三元组识别和分割精度，实验表明其在三元组识别指标AP_IVT上提升显著。