语言大模型 / LLM

GVGAI-LLM: Evaluating Large Language Model Agents with Infinite Games

GVGAI-LLM：通过无限游戏评估大语言模型代理

Yuchen Li, Cong Lin, Muhammad Umair Nasir, Philip Bontrager, Jialin Liu, Julian Togelius

机构 * New York University（纽约大学） ； University of the Witwatersrand（沃尔特·斯通大学） ； Meta ； Lingnan University（岭南大学） 纠错

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

AI总结 GVGAI-LLM通过 arcade 式游戏测试大语言模型的推理与问题解决能力，定义了可解释的评估指标，揭示了模型在空间推理和基本规划中的局限性。

Prompt reinforcing for long-term planning of large language models

通过提示强化实现大语言模型的长期规划

Hsien-Chin Lin, Benjamin Matthias Ruppik, Carel van Niekerk, Chia-Hao Shen, Michael Heck, Nurul Lubis, Renato Vukovic, Shutong Feng, Milica Gašić

机构 * Heinrich-Heine-Universität Düsseldorf（杜伊斯堡-埃森大学） 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)；prompting(abstract)

AI总结 本文提出了一种基于强化学习的提示优化框架，通过修改LLM代理的任务指令提示来实现长期规划，提升了多轮交互任务如文本到SQL和任务导向对话的表现，并能泛化到不同LLM代理和多种LLM作为元提示代理。

VLM-AutoDrive: Post-Training Vision-Language Models for Safety-Critical Autonomous Driving Events

VLM-AutoDrive: 事后训练视觉-语言模型用于安全关键的自动驾驶事件

Mohammad Qazim Bhat, Yufan Huang, Niket Agarwal, Hao Wang, Michael Woods, John Kenyon, Tsung-Yi Lin, Xiaodong Yang, Ming-Yu Liu, Kevin Xie

机构 * NVIDIA 纠错

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

AI总结 本文提出VLM-AutoDrive框架，通过整合元数据生成的描述、LLM生成的描述、视觉问答对和推理监督，提升预训练视觉语言模型在安全关键自动驾驶事件中的检测性能。

Comments 16 pages, 9 figures, submitted to arXiv

AutoLLMResearch: Training Research Agents for Automating LLM Experiment Configuration - Learning from Cheap, Optimizing Expensive

AutoLLMResearch: 训练研究代理以自动化LLM实验配置 - 从低成本学习，优化高成本

Taicheng Guo, Nitesh V. Chawla, Olaf Wiest, Xiangliang Zhang

机构 * University of Notre Dame（诺丁汉大学） 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.CL、cs.AI、cs.LG

AI总结 本文提出AutoLLMResearch框架，通过多保真度实验环境学习LLM配置原则，解决高成本实验自动化问题，展示其在大规模LLM实验中的有效性与通用性。

Strategic Exploitation in LLM Agent Markets: A Simulation Framework for E-Commerce Trust

LLM代理市场中的战略利用：电子商务信任的模拟框架

Shijun Lei, Quang Nguyen, Swapneel S Mehta, Zeping Li, Huichuan Fu, Xiaolong Zheng, Siki Chen, Yunji Liang, Philip Torr, Zhenfei Yin

机构 * Northwestern Polytechnical University（西北工业大学） ； Boston University（波士顿大学） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Chinese Academy of Sciences（中国科学院） ； University of Oxford（牛津大学） 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TruthMarketTwin模拟框架，用于研究LLM代理在电子商务市场中的行为，发现LLM代理在传统市场中会利用声誉治理的弱点，而强制执行可减少欺骗并重塑战略推理。

Scientific Logicality Enriched Methodology for LLM Reasoning: A Practice in Physics

具有科学逻辑性的方法论：LLM推理的实践：物理学

Zhaoxin Yu, Nan Xu, Kun Chen, Jiahao Zhao, Lei Wang, Wenji Mao

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China ； Beijing Wenge Technology Co., Ltd, Beijing, China ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China 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 本文提出了一种增强科学逻辑性的方法论，旨在提升LLM在科学推理中的逻辑正确性与任务表现，通过物理学中的多样逻辑结构和形式化进行实践验证。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)

Enhancing Metacognitive AI: Knowledge-Graph Population with Graph-Theoretic LLM Enrichment

增强元认知AI：基于图论的LLM知识图谱填充

Deniz Askin, Gal Hadar, Brendan Conway-Smith

机构 * Department of Cognitive Science, Carleton University（认知科学系，卡尔顿大学） ； Faculty of Computer and Information Science, Ben-Gurion University of the Negev（计算机与信息科学学院，贝内-约尔大学） 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MetaKGEnrich系统，通过构建知识图谱、检测稀疏区域、生成问题并检索证据，提升LLM的自我修复能力，在多个数据集上显著提高了回答质量。

Double-Calibration: Towards Reliable LLMs via Calibrating Knowledge and Reasoning Confidence

双重校准：通过校准知识和推理置信度实现可靠的LLM

Yuyin Lu, Ziran Liang, Yanghui Rao, Wenqi Fan, Fu Lee Wang, Qing Li

机构 * School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China（中山大学计算机科学与工程学院，广州，中国） ； Department of Computing, The Hong Kong Polytechnic University, Hong Kong SAR（香港理工大学计算机系，香港特别行政区） ； School of Science and Technology, Hong Kong Metropolitan University, Hong Kong SAR（香港 Metropolitan 大学科技学院，香港特别行政区） 纠错

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

AI总结 本文提出双重校准框架，通过校准知识和推理置信度提升LLM的可靠性，实验表明其在保持低token成本的同时显著提高准确性和置信度校准。

Comments This work is to appear in the Proceedings of the 35th International Joint Conference on Artificial Intelligence (IJCAI 2026)

Distorted Perspectives of LLM-Simulated Preferences: Can AI Mislead Design?

LLM模拟偏好中的扭曲视角：AI是否能误导设计？

Eduard Kuric, Peter Demcak, Matus Krajcovic

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 本研究探讨了LLM驱动的模拟方法所表达的设计偏好与真实用户偏好的一致性，发现LLM模拟在多个操纵下均存在系统性差异，其合成解释缺乏真实深度和细微差别，主要通过关注通用属性、特定元素、详述和过度赞扬等模式来替代。

Event-B Agent: Towards LLM Agent for Formal Model Synthesis and Repair

Event-B Agent：迈向LLM代理的正式模型综合与修复

Hongshu Wang, Xinyue Zuo, Yuhan Sun, Qin Li, Yamine Ait Ameur, Jin Song Dong

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 本文提出Event-B Agent，一种基于LLM的正式模型综合与修复框架，通过自然语言要求构建初始模型并迭代修复和优化，提升模型质量。

Comments accepted by FSE 2026

Propagating Unsafe Actions in LLM Controlled Multi-Robot Collaboration via Single Robot Compromise

通过单个机器人入侵在LLM控制的多机器人协作中传播不安全行为

Zhen Huang, Zhihuang Liu, Mengxuan Luo, Weishang Wu, Zhiping Cai

机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） 纠错

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 本文研究了LLM控制的多机器人协作中的安全问题，提出了一种新型攻击模式，其中攻击者仅通过单个机器人传播恶意意图，导致系统中协调的不安全行为，通过三个指标量化了这一过程，并展示了攻击的高效性和持续性。

Comments Accepted by the 35th International Joint Conference on Artificial Intelligence (IJCAI 2026). 9 pages, 4 figures, 3 tables

Semantics Disentanglement and Composition for Universal Image Coding with Efficiently LLM Reasoning and Generative Diffusion

语义解耦与组合用于具有高效LLM推理和生成扩散的通用图像编码

Jinming Liu, Yuntao Wei, Junyan Lin, Shengyang Zhao, Heming Sun, Zhibo Chen, Wenjun Zeng, Xin Jin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室） ； Ningbo Institute of Digital Twin（宁波数字孪生研究院） ； Eastern Institute of Technology（东部技术研究院） ； University of Science and Technology of China（中国科学技术大学） ； Yokohama National University（Yokohama国立大学） 纠错

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

AI总结 本文提出UniCodec，一种基于语义解耦和组合生成的通用图像编码框架，通过高效LLM推理和生成扩散模型实现人类和机器需求的统一压缩，无需重新训练。

Early Stopping Chain-of-thoughts in Large Language Models

大语言模型中的早期停止思维链

Minjia Mao, Bowen Yin, Yu Zhu, Xiao Fang

机构 * University of Delaware（德克萨斯大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出了一种在推理阶段减少思维链生成长度的方法ES-CoT，通过检测答案收敛并提前停止来降低推理成本，同时保持与标准思维链相当的准确性。

CheeseBench: Evaluating Large Language Models on Rodent Behavioral Neuroscience Paradigms

CheeseBench：在啮齿类行为神经科学范式上评估大语言模型

Zacharie Bugaud

机构 * Astera Institute（Astera研究院） 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)；prompting(abstract)

AI总结 CheeseBench通过九种经典行为神经科学范式评估大语言模型，发现模型规模、上下文历史、提示方式和架构对性能有显著影响，且当前模型在空间导航等任务上仍低于啮齿类动物基准。

Comments 8 pages, 6 figures, 4 tables

Harnessing LLM Agents with Skill Programs

通过技能程序 harnessing LLM agents

Hongjun Liu, Yifei Ming, Shafiq Joty, Chen Zhao

机构 * New York University（纽约大学） ； Salesforce AI Research（Salesforce人工智能研究） 纠错

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

AI总结 本文提出 HASP 框架，通过将技能转化为可执行程序函数（PFs）来提升 LLM agent 在复杂任务中的表现，其核心方法是通过 PFs 在失败状态时介入并修正行动，主要贡献是通过模块化设计实现推理、训练和自改进的多场景应用。

Comments 40 pages, 7 figures

CyberCorrect: A Cybernetic Framework for Closed-Loop Self-Correction in Large Language Models

CyberCorrect: 一种基于闭环自修正的大型语言模型框架

Yuning Wu, Yingmin Liu, Yang Shu

机构 * School of Software, Henan University, Kaifeng, China（河南大学软件学院，开封，中国） ； Zhejiang University, Hangzhou, China（浙江大学，杭州，中国） 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、cs.AI

AI总结 本文提出CyberCorrect框架，将大型语言模型的自我修正建模为闭环控制系统，通过三模态错误检测器、类型导向的修正控制器和收敛判断器，提升模型的自我修正能力和准确性。

Comments 6 pages, 1 figure, submitted to IEEE SMC 2026

Rethinking Side-Channel Analysis: Automated Discovery and Analysis of Side-Channel Leakage with LLM-Assisted Agents

重新思考侧信道分析：利用LLM辅助代理自动化发现和分析侧信道泄漏

Zhen Xu, Zihao Wang, Yuhua Sun, XiaoFeng Wang

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

AI总结 本文提出SCAgent框架，利用LLM辅助代理自动分析侧信道风险，通过系统探索和语义推理发现侧信道并进行大规模分析，以解决侧信道泄漏的自动发现和分析问题。

Embodied Task Planning via Graph-Informed Action Generation with Large Language Models

通过大型语言模型的图引导动作生成进行具身任务规划

Xiang Li, Ning Yan, Masood Mortazavi

机构 * Purdue University（普渡大学） ； Futurewei Technologies（未来科技） 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 本文提出GiG框架，通过图神经网络编码环境状态并构建动作连接执行轨迹图，结合有限前瞻性模块提升具身代理的规划能力，在三个具身规划基准测试中取得显著性能提升。

Comments Accepted by ICML 2026

Property-Guided LLM Program Synthesis for Planning

基于属性的LLM程序合成用于规划

André G. Pereira, Augusto B. Corrêa, Jendrik Seipp

机构 * Federal University of Rio Grande do Sul（里约格朗德杜斯尔大学） ； University of Oxford（牛津大学） ； Linköping University（林奈大学） 纠错

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

AI总结 本文研究了一种基于属性的LLM程序合成方法，通过检查候选程序是否满足形式定义的属性来指导LLM生成更高质量的程序，从而减少生成和评估成本。

Merlin's Whisper: Enabling Efficient Reasoning in Large Language Models via Black-box Persuasive Prompting

Merlin's Whisper：通过黑盒说服提示增强大语言模型的高效推理

Heming Xia, Cunxiao Du, Rui Li, Chak Tou Leong, Yongqi Li, Wenjie Li

机构 * Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） ； Sea AI Lab（Sea AI实验室） ； Peking University（北京大学） 纠错

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

AI总结 本文提出Whisper框架，通过黑盒说服提示减少大语言模型（LRM）的推理过程中的token使用量，同时保持性能，展示了在多个基准测试中显著的token减少效果。

Comments ACL 2026 (Long Paper), camera-ready version

GraphMind: Theorem Selection and Conclusion Generation Framework with Dynamic GNN for LLM Reasoning

GraphMind: 一种基于动态GNN的定理选择与结论生成框架用于LLM推理

Yutong Li, Yitian Zhou, Xudong Wang, GuoChen, Caiyan Qin

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.CL、cs.AI

AI总结 GraphMind通过动态图神经网络与LLM结合，实现多步推理中的定理选择和结论生成，提升上下文感知的推理能力。

Comments This paper has been withdrawn by the authors in order to prepare a substantially revised version

Helping Customers in Distress: An LLM-powered Agent that Converses, Probes, and Routes

帮助陷入困境的客户：一个基于LLM的代理，能够对话、探测和分流

Alankar Atreya, Stefan Sylvius Wanger, Devesh Batra, Robert Hankache, Cristovao Iglesias, Patrick Sinclair, Giulio Pelosio, Michael McMillan, Greig A. Cowan, Raad Khraishi

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、cs.LG

AI总结 本文提出一个基于LLM的AI分流代理，通过多轮对话和提问提高客户问题分类准确性，提升银行客户服务效率。

LiTS: A Modular Framework for LLM Tree Search

LiTS：一个用于LLM树搜索的模块化框架

Xinzhe Li, Yaguang Tao

机构 * RMIT University（皇家墨尔本理工大学） 纠错

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

AI总结 本文提出LiTS，一个模块化框架，用于通过树搜索进行LLM推理，展示了其在语言推理、环境规划和工具使用任务中的可组合性，并发现无限动作空间中LLM策略多样性是有效树搜索的瓶颈。

Comments ACL 2026 Demo

Step-wise Rubric Rewards for LLM Reasoning

分步评分奖励用于大语言模型推理

Weichu Xie, Haozhe Zhao, Wenpu Liu, Yongfu Zhu, Liang Chen, Minghao Ye, Zirong Chen, Yuqi Xu, Shuai Dong, Ziyue Wang, Xinbo Xu, Kean Shi, Ruoyu Wu, Xiaoying Zhang, Wenqi Shao, Baobao Chang, Nan Duan, Jiaqi Wang

机构 * Peking University（北京大学） ； JD Explore Academy（京东探索学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本文提出一种分步评分奖励方法，通过引入LLM判官对每个评分项进行归因，规范化每步评分，并结合优势估计器提高推理准确性和减少自我纠正循环。

Comments Code available at https://github.com/akarinmoe/SRaR

Pedestrian-Aware LLM-Driven Behavioral Planning for Autonomous Vehicles

面向行人的LLM驱动行为规划用于自动驾驶车辆

Aidana Baimbetova, Haruki Yonekura, Hamada Rizk, Hirozumi Yamaguchi

机构 * The University of Osaka, Japan（大阪大学，日本） ； RIKEN Center for Computational Science, Japan（日本计算科学研究中心） ； Tanta University, Egypt（埃及塔塔大学） 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 本文提出了一种基于大型语言模型的决策框架，用于自动驾驶车辆在复杂城市环境中考虑行人行为，通过自然语言推理提示将结构化场景观测转换为语言推理，从而生成安全的驾驶决策。

Comments This paper has been accepted for presentation at the 29th IEEE International Conference on Intelligent Transportation Systems (ITSC)

PopuLoRA: Co-Evolving LLM Populations for Reasoning Self-Play

PopuLoRA: 为推理自博弈的协同进化LLM种群

Roger Creus Castanyer, Geoffrey Bradway, Lorenz Wolf, Maxwill Lin, Augustine N. Mavor-Parker, Matthew James Sargent

机构 * Absolute Zero Reasoner（绝对零理由器） ； LoRA adapters（LoRA适配器） 纠错

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

AI总结 本文提出PopuLoRA，一种基于种群的非对称自博弈框架，用于强化学习中可验证奖励（RLVR）的后训练LLM。通过专门的LoRA适配器在共享冻结基座上进行教师和学生分工，教师提出问题，学生在程序验证器下解决，不同亚种群间的交叉评估取代了限制单智能体自博弈的自我校准。LoRA权重空间进化算子家族作为7B规模种群训练循环的替代步骤，实现了种群的协同进化竞赛。

You Can't Fool Us: Understanding the Resilience of LLM-driven Agent Communities to Misinformation

你无法欺骗我们：理解由LLM驱动的代理社区对谣言的韧性

Chichen Lin, Yijie Jin, Kangbo Hu, Weijian Fan, Han Xiao, Yongbin Wang, Zhihui Ying, Zhanzhan Zhao

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 本文研究了由LLM驱动的代理社区在面对可信谣言冲击时的韧性，通过构建基于LLM的代理模拟，从主动开放思维(AOT)和政治意识形态(PI)两个维度分析社区对谣言的反应机制，发现高AOT提升抗谣言冲击能力和恢复力，而PI影响恢复路径，中等意识形态社区恢复更可靠，极化社区则保留更多支持。

Comments 26 pages, 7 figures, 1 table

Debug Like a Human: Scaling LLM-based Fault Localization to Processor Design via Block-Level Instruction-Oriented Slicing

像人类一样调试：通过块级指令导向切片扩展基于LLM的故障定位到处理器设计

Zizhen Liu, Xiaoguang Mao, Deheng Yang, Jiayu He, Yihao Qin, Guangda Zhang, Yan Lei, Jianjun Xu, Jiang Wu

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 本文提出BluesFL框架，通过块级指令导向切片算法，利用LLM模拟人类调试过程，有效定位处理器设计中的故障，相比现有方法提升了242.9%的定位准确率。

Presupposition and Reasoning in Conditionals: A Theory-Based Study of Humans and LLMs

条件句中的预设与推理：人类与LLM的理论研究

Tara Azin, Yongan Yu, Raj Singh, Olessia Jouravlev

机构 * Department of Cognitive Science, Carleton University（卡尔顿大学认知科学系） ； School of Computer Science, McGill University（麦吉尔大学计算机科学学院） ； Mila – Quebec AI Institute（魁北克人工智能研究所） 纠错

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

AI总结 本文通过对比人类判断和LLM预测，研究条件句中预设投影的机制，发现人类结合概率和语用线索进行判断，而LLM存在不一致的对齐模式，表明LLM的表现可能源于表面模式匹配而非语用能力。

Comments To appear in the Proceedings of CoNLL 2026, colocated with ACL 2026

Knowledge-to-Verification: Exploring RLVR for LLMs in Knowledge-Intensive Domains

知识到验证：探索RLVR在知识密集型领域的LLM应用

Zhonghang Yuan, Zhefan Wang, Fang Hu, Zihong Chen, Jinzhe Li, Gang Li, Jie Ying, Huanjun Kong, Songyang Zhang, Nanqing Dong

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本文提出K2V框架，通过自动化可验证数据合成扩展RLVR到知识密集型领域，提升LLM在这些领域的推理能力，同时不显著影响模型的通用能力。