语言大模型 / LLM

Can Vibe Coding Beat Graduate CS Students? An LLM vs. Human Coding Tournament on Market-driven Strategic Planning

能否用Vibe编码击败研究生计算机科学学生？一个LLM与人类编码竞赛在市场驱动的战略规划中的表现

Panayiotis Danassis, Naman Goel

机构 * University of Southampton（苏塞克斯大学） ； University of Oxford and Alan Turing Institute（牛津大学和艾伦·图灵研究所） 纠错

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

AI总结 本文提出一个基于现实物流优化问题（拍卖、取件和送货问题）的多智能体推理驱动基准，该问题结合了竞争拍卖与容量受限路由。研究通过比较40个LLM编码代理与17个人类编码代理在12场双打全部比赛和约4万场比赛中的表现，揭示了人类编码代理在战略规划和优化任务中的优势，以及LLM在现实世界中生成有效代码的能力不足。

Advanced AI Service Provisioning in O-RAN through LLM Engine Integration

通过LLM引擎集成在O-RAN中的高级AI服务提供

Seyed Bagher Hashemi Natanzi, Pranshav Gajjar, Bo Tang, Vijay K. Shah

机构 * Department of Electrical and Computer Engineering, Worcester Polytechnic Institute（电气与计算机工程系，沃斯特理工学院） ； Department of Electrical and Computer Engineering, North Carolina State University（电气与计算机工程系，北卡罗来纳州立大学） 纠错

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

AI总结 提出一种双脑架构，结合LLM的推理能力和轻量级ML引擎的实时性，实现O-RAN中AI服务的自动化部署与配置。

The Tell-Tale Norm: $\ell_2$ Magnitude as a Signal for Reasoning Dynamics in Large Language Models

告密范数：$\ell_2$ 幅度作为大语言模型推理动态的信号

Jinyang Zhang, Hongxin Ding, Yue Fang, Weibin Liao, Muyang Ye, Junfeng Zhao, Yasha Wang

机构 * University of Science and Technology of China（中国科学技术大学） 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)；分类 cs.CL

AI总结 本文提出隐藏状态的 $\ell_2$ 范数作为大语言模型推理强度的内生信号，并通过稀疏自编码器分析、理论证明和因果干预验证其有效性，进而引入三种基于 $\ell_2$ 范数的测试时缩放技术以提升推理性能。

Comments ICML

Where Do Large Language Models Fail on Competitive Programming? A Taxonomy of Failures by Algorithm Type and Difficulty Rating

大型语言模型在竞赛编程中哪里失败？基于算法类型和难度评级的失败分类

Ayush Kumar Jha, Shalini Jha

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

AI总结 通过系统实证研究，发现链式思维推理会显著降低GPT-4o的通过率并增加Claude的编译错误，且错误答案主导了两种模型的失败模式。

Comments 12 pages, 4 figures

When Tools Fail: Benchmarking Dynamic Replanning and Anomaly Recovery in LLM Agents

当工具失效时：LLM智能体动态重规划与异常恢复的基准测试

Dongsheng Zhu, Xuchen Ma, Yucheng Shen, Xiang Li, Yukun Zhao, Shuaiqiang Wang, Lingyong Yan, Dawei Yin

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； Sochow University（苏州大学） ； Shandong University（山东大学） ； Baidu Inc.（百度公司） 纠错

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

AI总结 本文提出ToolMaze基准，通过有向无环图拓扑复杂度和工具扰动分类法，评估LLM智能体在工具失效时的动态重规划与错误恢复能力，发现模型对隐式语义故障的恢复率下降约37%，且智能体容错性随模型规模增长的速度远慢于基本任务执行。

Aggregating LLM-Based Weak Verifiers for Spatial Layout Generation

基于LLM的弱验证器聚合用于空间布局生成

Sharon Zhang, R. Kenny Jones, Jiajun Wu, Maneesh Agrawala

机构 * Stanford University（斯坦福大学） ； Roblox 纠错

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

AI总结 提出一种通过聚合LLM生成的弱验证器来构建强验证器的流水线，用于空间布局领域，在3D房间布局和2D海报设计任务中F1分数提升高达7倍。

Can LLMs Be Constrained to the Past? Improving Knowledge Cutoff through Recall-Based Prompting

LLMs 能否被约束到过去？通过基于回忆的提示改进知识截止

Michiro Asai, Ailiang Lin, Yu Kishimoto, Takao Obi, Satoshi Kosugi, Kotaro Funakoshi, Manabu Okumura

机构 * Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 提出两种基于回忆的提示策略（Self-Recall 和 Question-Recall）来改进大语言模型在知识截止约束下的表现，在反事实问题上尤其有效，并构建了多截止历史事件基准（MHEB）进行鲁棒性评估。

When Evidence is Sparse: Weakly Supervised Early Failure Alerting in Dialogs and LLM-Agent Trajectories

当证据稀疏时：对话和LLM-Agent轨迹中的弱监督早期失败预警

Avinash Baidya, Xinran Liang, Ruocheng Guo, Xiang Gao, Kamalika Das

机构 * Intuit AI Research（Intuit AI研究院） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 针对对话和LLM-Agent轨迹中早期失败预警问题，提出一种两阶段方法，通过注意力机制从稀疏的轨迹级标签中学习回合级失败证据，并结合α-STOP策略实现可控的早期预警，在多个基准上显著提升帕累托前沿质量并降低训练成本。

Comments 9 pages, 14 figures, and appendix

VOLD: Reasoning Transfer from LLMs to Vision-Language Models via On-Policy Distillation

VOLD：通过在线蒸馏将LLM推理能力转移到视觉语言模型

Walid Bousselham, Hilde Kuehne, Cordelia Schmid

机构 * Tuebingen AI Center（图宾根人工智能中心） ； University of Tuebingen（图宾根大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Inria, École Normale Supérieure, CNRS, PSL Research University（法国国家科学研究院、巴黎-萨克勒大学、École Normale Supérieure、PSL研究大学） 纠错

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

AI总结 本文提出VOLD框架，通过在线蒸馏将文本模型的推理能力转移到视觉语言模型，利用组相对策略优化与在线蒸馏结合，提升推理性能，并验证了冷启动对齐在在线训练中的重要性。

Comments www.walidbousselham.com/VOLD/

IDRBench: Understanding the Capability of Large Language Models on Interdisciplinary Research

IDRBench: 理解大型语言模型在跨学科研究中的能力

Yuanhao Shen, Daniel Xavier de Sousa, Ricardo Marçal, Hongyu Guo, Xiaodan Zhu

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 本文研究了大型语言模型在跨学科研究中的能力，提出IDRBench框架，通过三个任务评估不同模型的跨学科知识整合能力，并为未来研究建立基准。

Linear Probes Detect Task Format, Not Reasoning Mode in Language Model Hidden States

线性探针检测语言模型隐藏状态中的任务格式，而非推理模式

Subramanyam Sahoo, Vinija Jain, Aman Chadha, Divya Chaudhary

机构 * Horizon Research（远景研究） ； Meta ； Apple（苹果公司） ； Northeastern University（东北大学） 纠错

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

AI总结 通过线性探针实验发现，大语言模型隐藏状态中看似分离的推理模式实际上由任务格式（如来源、选项数、响应长度）混淆导致，而非真正的推理计算结构。

Comments Accepted in the 6th Workshop on Trustworthy NLP, ACL 2026

Latent Reasoning with Normalizing Flows

基于归一化流的潜在推理

Guancheng Tu, Xiangjun Fu, Suhao Yu, Yao Tang, Haoqiang Kang, Lianhui Qin, Yizhe Zhang, Jiatao Gu

机构 * University of Pennsylvania（宾夕法尼亚大学） ； UC San Diego（圣地亚哥大学） ； Meta 纠错

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

AI总结 提出NF-CoT框架，通过归一化流在LLM内部建模连续潜在思维，保留自回归生成、概率采样、KV缓存解码和似然估计等优势，在代码生成任务中提升通过率并降低推理成本。

GenTI: Benchmarking LLMs for Autonomous IDPS Rule Generation for Unseen Attacks

GenTI: 针对未知攻击的自主IDPS规则生成的LLM基准测试

Hassan Jalil Hadi, Rehana Yasmin, Ali Shoker

机构 * Cyber Security and Resilience Technology (CyberSaR), King Abdullah University of Science and Technology (KAUST)（网络安全与韧性技术（CyberSaR），国王阿卜杜勒·阿齐兹大学科学与技术学院（KAUST）） 纠错

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

AI总结 提出GenTI框架，通过构建包含15万条检测与防御规则的数据集GTI，并设计基于LLM的流水线（含结构化提示工程、思维链推理和验证循环），实现针对未知攻击的IDPS规则自动生成，将未知攻击检测率从45%提升至87.4%，误报率从8.5%降至2.3%。

ReasoningFlow: Discourse Structures for Understanding LLM Reasoning Traces

ReasoningFlow: 理解LLM推理轨迹的话语结构

Jinu Lee, Shivam Agarwal, Amruta Parulekar, Siddarth Madala, Dilek Hakkani-Tur, Julia Hockenmaier

机构 * 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 ：LLM(title,title_cn)；post-training(abstract)；分类 cs.CL、cs.AI

AI总结 提出ReasoningFlow框架，将大推理模型的推理轨迹建模为细粒度有向无环图，通过人工和自动标注分析发现模型间结构相似性、多样化推理行为及错误步骤与最终答案的关系。

Toward Culturally Aligned LLMs through Ontology-Guided Multi-Agent Reasoning

通过本体引导的多智能体推理实现文化对齐的大型语言模型

Wonduk Seo, Wonseok Choi, Junseo Koh, Juhyeon Lee, Hyunjin An, Minhyeong Yu, Jian Park, Qingshan Zhou, Seunghyun Lee, Yi Bu

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本文提出OG-MAR框架，通过本体引导的多智能体推理方法，提高大型语言模型在文化对齐和鲁棒性方面的性能，并生成更透明的推理轨迹。

Comments Accepted by ICML 2026 Regular Track

CLASH: Evaluating Language Models on Judging High-Stakes Dilemmas from Multiple Perspectives

CLASH：从多个视角评估语言模型在高风险困境中的判断

Ayoung Lee, Ryan Sungmo Kwon, Peter Railton, Lu Wang

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Department of Philosophy（哲学系） ； University of Michigan Ann Arbor（安娜堡大学） 纠错

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

AI总结 本文提出CLASH数据集，用于研究基于价值观的决策过程，发现语言模型在处理矛盾决策、心理不适和价值观变化时存在显著不足。

Comments Published as a conference paper at ICLR 2026

Critic-Guided Heterogeneous Multi-Agent Reasoning for Reliable Mathematical Problem Solving

基于评论的异构多智能体推理用于可靠的数学问题求解

Muhammad Talha Sharif, Abdul Rehman

机构 * University of Science and Technology of China（中国科学技术大学） 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、cs.LG

AI总结 提出一种基于评论的异构多智能体框架，通过生成器-验证器结构和自适应学习系统，利用中间反馈评估和引导推理过程，在GSM8K基准上实现高达13%的准确率提升，并减少对大模型的依赖。

Comments 6 pages

Ontology-Constrained Neural Reasoning in Enterprise Agentic Systems: A Neurosymbolic Architecture for Domain-Grounded AI Agents

企业智能体系统中的本体约束神经推理：一种面向领域 grounded AI 智能体的神经符号架构

Thanh Luong Tuan, Abhijit Sanyal

机构 * Golden Gate University, San Francisco Foundation（金门大学，旧金山基金会） ； AgenticOS (FAOS)（AgenticOS（FAOS）） ； Associate Director, Data, Digital & IT Novartis Healthcare Pvt. Ltd.（数据、数字与IT部门，诺华健康有限公司） ； Novartis Healthcare Pvt. Ltd., Hyderabad, India（诺华健康有限公司，海得拉巴，印度） 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 本文提出了一种神经符号架构，通过本体约束神经推理解决企业大语言模型在幻觉、领域漂移和无法在推理层面强制执行监管合规性方面的限制，展示了该架构在提升智能体的指标准确性和角色一致性方面的显著效果。

Comments 24 pages, 6 tables, 6 figures, 1 algorithm, 65 references. Replication study: 1,800 runs (600 per model) across 5 regulated industries (3 English, 2 Vietnamese) and 3 LLMs (Claude Sonnet 4, Qwen 2.5 72B, Gemma 4 26B). v3 changes: deep-review trim from 34pp. Code and data: https://github.com/frank-luongt/faos-research/tree/main/RA-3

Self-Augmenting Retrieval for Diffusion Language Models

扩散语言模型的自增强检索

Paul Jünger, Justin Lovelace, Linxi Zhao, Dongyoung Go, Kilian Q. Weinberger

机构 * University of California, Berkeley（加州大学伯克利分校） ； Google Research（谷歌研究院） 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 提出SARDI框架，利用扩散语言模型去噪过程中丢弃的低置信度标记作为前瞻信号指导检索，无需训练且与检索器无关，在多跳问答基准上以高达8倍吞吐量超越现有方法。

Comments ICML 2026

TARPO: Token-Wise Latent-Explicit Reasoning via Action-Routing Policy Optimization

TARPO：通过动作路由策略优化的逐令牌隐式-显式推理

Liting Zhang, Shiwan Zhao, Xuyang Zhao, Zichen Xu, Jianye Wang, Qicheng Li

机构 * TMCC, College of Computer Science, Nankai University, Tianjin, China（TMCC，计算机科学学院，南开大学，天津，中国） 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

AI总结 提出TARPO框架，通过动作路由策略优化在每一步自适应切换离散令牌生成和连续隐式推理，以解决隐式推理中连续表示限制策略探索的问题，实验表明其优于现有显式和隐式推理基线。

Comments 18 pages, 12 figures. Code available at https://github.com/NKU-LITI/TARPO-master

Step-by-Step Optimization-like Reasoning in LLMs over Expanding Search Spaces

大语言模型中在扩展搜索空间上的逐步优化类推理

Nicolás Astorga, Nabeel Seedat, Mihaela van der Schaar

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出OPT*任务族，通过可验证奖励训练和搜索引导策略，提升LLM在扩展搜索空间中的逐步优化推理能力。

Synthetic Contrastive Reasoning for Multi-Table Q&A

合成对比推理用于多表问答

Ankit Pratap Singh, Xin Su, Phillip Howard

机构 * Iowa State University（爱荷华州立大学） ； Thoughtworks 纠错

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

AI总结 针对多表问答缺乏推理监督的问题，提出通过异构LLM生成合成对比推理轨迹，并利用对比偏好优化微调模型，在MMQA上提升9.7%-16.3%。

AutoDFT: A Closed-Loop Multi-Agent Framework for Autonomous DFT Calculations

AutoDFT：用于自主DFT计算的闭环多智能体框架

Penghui Yang, Zhonghan Zhang, Yue Li, Xinrun Wang, Yanchen Deng, Yuhao Lu, Bijun Tang, Zheng Liu, Bo An

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Singapore Management University（新加坡管理大学） 纠错

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

AI总结 提出AutoDFT闭环多智能体框架，通过将LLM推理嵌入DFT计算全生命周期，实现从规划到执行的自主适应，在VASPBench基准上达到94.1%任务成功率，并可靠预测电子、磁性和能量性质。

LLMs for Secure Hardware Design and Related Problems: Opportunities and Challenges

利用大语言模型进行安全硬件设计及相关问题：机遇与挑战

Johann Knechtel, Ozgur Sinanoglu, Ramesh Karri

机构 * New York University Abu Dhabi（纽约大学阿布扎克分校） ； NYU Tandon School of Engineering（纽约大学塔能工程学院） 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.LG

AI总结 本文探讨了大语言模型在电子设计自动化和硬件安全领域的应用，分析了其在生成RTL代码、自动生成测试平台以及弥合高层次规格与硅芯片之间语义差距方面的潜力，同时指出了其引入的严重安全漏洞，并总结了当前研究的最新进展和未来研究方向。

Comments Accepted for 2026 IEEE Computer Society Annual Symposium on VLSI (ISVLSI)

Trace2Skill: Distill Trajectory-Local Lessons into Transferable Agent Skills

Trace2Skill: 将轨迹局部经验转化为可迁移的代理技能

Jingwei Ni, Yihao Liu, Xinpeng Liu, Yutao Sun, Mengyu Zhou, Pengyu Cheng, Dexin Wang, Erchao Zhao, Xiaoxi Jiang, Guanjun Jiang

机构 * ETH Zürich University of Zurich（苏黎世联邦理工学院） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Qwen Large Model Application Team, Alibaba（阿里巴巴文心一言应用团队） 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Trace2Skill框架，通过归纳推理将广泛执行轨迹整合为统一的技能目录，有效提升代理技能的可迁移性和实用性，适用于多种领域。

Comments Work in Progress. May version add more experiments

Semantic Partial Grounding via LLMs

通过大语言模型实现语义部分 grounding

Giuseppe Canonaco, Alberto Pozanco, Daniel Borrajo

机构 * Department of Computer Science, University of Cambridge（剑桥大学计算机科学系） 纠错

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

AI总结 本文提出SPG-LLM，利用大语言模型分析领域和问题文件，提前识别可能不相关的对象、动作和谓词，从而减少grounding任务的规模，提升grounding效率并在某些领域实现更优的计划成本。

DocHop-QA: Towards Multi-Hop Reasoning over Multimodal Document Collections

DocHop-QA: 向多跳推理多模态文档集合迈进

Jiwon Park, Seohyun Pyeon, Jinwoo Kim, Rina Carines Cabal, Zhenyuan He, Yihao Ding, Soyeon Caren Han

机构 * Pohang University of Science and Technology（釜山科学技术大学） ； The University of Sydney（悉尼大学） ； The University of Western Australia（西澳大学） ； The University of Melbourne（墨尔本大学） 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.CL

AI总结 本文提出DocHop-QA基准，通过多模态、多文档、多跳科学问答评估多模态证据综合能力，揭示当前模型在长上下文和多证据需求下的局限性。

Harnessing Structural Context for Entity Alignment Foundation Models

利用结构上下文进行实体对齐基础模型

Xingyu Chen, Yuanning Cui, Zequn Sun, Wei Hu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China（南京大学新型软件技术国家重点实验室） ； Nanjing University of Information Science and Technology, Nanjing, China（南京信息科学技术大学） ； National Institute of Healthcare Data Science, Nanjing University, Nanjing, China（南京大学健康数据科学国家研究院） 纠错

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

AI总结 提出ContextEA框架，通过交叉KG交互编码器和结构校准解码器增强结构上下文的构建与利用，在29个数据集上超越强基线，实现更强的跨KG迁移能力。

Learning Self-Correction in Vision-Language Models via Rollout Augmentation

通过回滚增强学习视觉-语言模型中的自我纠正

Yi Ding, Ziliang Qiu, Bolian Li, Ruqi Zhang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出一种基于回滚增强的强化学习框架Octopus，通过重新组合现有回滚生成密集的自我纠正示例，提高样本效率并稳定RL优化，同时引入响应遮蔽策略以解耦自我纠正与直接推理，从而在7个基准测试中实现开源VLM的SOTA性能。

Comments 18 pages

Journal ref ICML 2026

Seeing Time: Benchmarking Chronological Reasoning and Shortcut Biases in Vision-Language Models

Seeing Time: 视觉-语言模型中的时间顺序推理与捷径偏差基准测试

Haoyu Zhou, Qing Qing, Caichong Li, Qixin Zhang, Yongcheng Jing, Ziqi Xu, Juncheng Hu, Xikun Zhang, Renqiang Luo

机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Computing Technologies, RMIT University（皇家墨尔本理工学院计算技术学院） 纠错

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

AI总结 本文提出一个新基准，通过三个专门数据集评估视觉-语言模型在图像内和跨图像的时间顺序推理能力，并揭示模型常利用颜色等表面线索而非真正时间特征。