语言大模型 / LLM

Persona Non Grata: LLM Persona-Driven Generations in MCQA are Unstable in Distinct Dimensions

不受欢迎的人：多选问答中LLM角色驱动生成在不同维度上不稳定

César Guerra-Solano, Xiang Lorraine Li

机构 * Department of Computer Science, University of Pittsburgh（匹兹堡大学计算机科学系） 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

AI总结 本研究提出三个指标评估LLM在MCQA任务中角色驱动生成的不稳定性，发现模型家族、大小、问题领域及提示格式均影响稳定性，且不稳定性与任务准确性相关。

Comments 23 pages, 12 figures. Under review at ARR

Comparing Large Language Models on Scrum Certification-Style Questions: Accuracy, Stability, and Error Patterns

在Scrum认证风格问题上比较大型语言模型：准确性、稳定性和错误模式

Robson Alves Vilar, Emanuel Dantas Filho, Ademar França de Sousa Neto, Mirko Perkusich, Danyllo Wagner Albuquerque, João Paiva, Kyller Gorgônio, Angelo Perkusich

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

AI总结 评估GPT-5 mini、Gemini 3 Flash和DeepSeek Chat 3.2在993个Scrum认证问题上的表现，发现模型间差异显著，Gemini 3 Flash准确率最高，错误模式具有系统性。

RepoRescue: An Empirical Study of LLM Agents on Whole-Repository Compatibility Rescue

RepoRescue: LLM智能体在全仓库兼容性修复上的实证研究

Zhihao Lin, Mingyi Zhou, Zhensu Sun, Yizhuo Yang, Renyu Yang, David Lo, Li Li

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 研究LLM智能体能否自动修复因环境演化而失效的旧仓库，提出RepoRescue基准，包含315个仓库，评估多种智能体系统，发现跨文件协调是主要难点，且系统间互补性显著。

Antaeus: Hunting Repository-Level Logic Vulnerabilities via Context-Grounded LLM Reasoning

Antaeus: 通过上下文锚定的LLM推理发现仓库级逻辑漏洞

Michele Armillotta, Nicolò Romandini, Rebecca Montanari, Lorenzo Cavallaro

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 提出Antaeus框架，通过仓库级代码上下文锚定LLM推理，结合函数优先级排序、上下文推理、比较验证和结构化报告，有效检测逻辑漏洞，在28个仓库中检测出15个漏洞，优于基线方法。

Evaluating Implicit Biases in LLM Reasoning through Logic Grid Puzzles

通过逻辑网格谜题评估LLM推理中的隐性偏见

Fatima Jahara, Mark Dredze, Sharon Levy

机构 * Rutgers University（罗格斯大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提出PRIME框架，利用逻辑网格谜题系统探测LLM在复杂推理中受社会刻板印象的影响，发现模型在解与刻板印象一致时推理更准确。

Comments 26 pages (including appendix)

Leveraging High-Level Synthesis and Large Language Models to Generate, Simulate, and Deploy a Uniform Random Number Generator Hardware Design

利用高级综合与大语言模型生成、模拟和部署统一随机数生成器硬件设计

James T. Meech

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

AI总结 本文提出一种利用大语言模型生成硬件设计的高级综合方法，通过生成带有wishbone接口的置换同余随机数生成器并验证其功能与质量，展示了开源工具在ASIC设计中的潜力。

Comments The taped out chip didn't work and AI tools have evolved significantly since produced this design was produced

Predicting LLM Reasoning Performance with Small Proxy Model

用小代理模型预测LLM推理性能

Woosung Koh, Juyoung Suk, Sungjun Han, Se-Young Yun, Jamin Shin

机构 * Trillion Labs ； KAIST AI（韩国科学技术院人工智能系） 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、cs.LG

AI总结 提出rBridge方法，通过任务对齐加权负对数似然，使小模型（≤1B）有效预测大模型推理性能，成本降低超100倍，在1B-32B规模上实现最强相关性。

Comments ICLR 2026

Reasoning Up the Instruction Ladder for Controllable Language Models

在指令阶梯上推理以实现可控语言模型

Zishuo Zheng, Vidhisha Balachandran, Chan Young Park, Faeze Brahman, Sachin Kumar

机构 * Department of Computer Science and Engineering, The Ohio State University（俄亥俄州立大学计算机科学与工程系） ； Microsoft Research（微软研究院） ； Allen Institute for AI（艾伦人工智能研究所） 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 通过将指令层级解析重构为推理任务，并构建VerIH数据集进行轻量级强化学习，使模型能优先处理高层级指令，在冲突场景下提升约20%的指令遵循准确率，并增强对越狱和提示注入的鲁棒性。

Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pages 39332-39354

BT-APE: A Computationally Light Backtracking Approach to Automatic Prompt Engineering for Requirements Classification

BT-APE: 一种用于需求分类的轻量级回溯自动提示工程方法

Mohammad Amin Zadenoori, Waad Alhoshan, Jacek Dąbrowski, Liping Zhao, Alessio Ferrari

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

AI总结 提出轻量级回溯自动提示工程方法BT-APE，通过LLM生成候选、回溯搜索和动态示例选择迭代优化提示，在需求分类任务中以更低计算成本达到与资源密集型方法相当的准确率。

Bridging Symbolic Control and Neural Reasoning in LLM Agents -- The Structured Cognitive Loop

连接符号控制与神经推理的LLM代理——结构认知循环

Myung Ho Kim

机构 * JEI University（JEI大学） 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.CL、cs.AI

AI总结 本文提出结构认知循环(SCL)架构，通过分离检索、认知、控制、行动和记忆模块，解决LLM代理的推理与执行纠缠、记忆波动和行动序列失控问题，实现零策略违规、防止冗余调用并保持决策可追溯性。

Comments This update clarifies the theoretical architecture by separating Regulation as the Soft Symbolic Control layer from Control as a deterministic runtime engine, while adding explicit discussion of how the current implementation should be interpreted in light of that distinction

A Large-Language-Model Supported Personalized Driving Framework for Lane Change in Highway Scenarios

大语言模型支持的高速公路换道场景个性化驾驶框架

Dong Bi, Yongqi Zhao, Paul Kovacevic, Tomislav Mihalj, Ji Zhou, Jiayuan Gong, Arno Eichberger

机构 * Hubei University of Automotive Technology（湖北汽车工业学院） ； Graz University of Technology（格拉茨技术大学） 纠错

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

AI总结 提出一种LLM支持的个性化驾驶框架，通过映射自然语言指令到Apollo规划参数，结合聚类和风格强度排序生成可区分的换道行为，并利用检索增强生成解释隐式指令。

Prompting GPT-5 on Scrum Certification Questions: An Empirical Accuracy Study

在Scrum认证问题上提示GPT-5：一项实证准确性研究

Mirko Perkusich, Danyllo Albuquerque, João Paiva, Robson Vilar, Emanuel Dantas, Ademar França de Sousa Neto, Rohit Gheyi, Kyller Gorgônio, Angelo Perkusich

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

AI总结 本研究通过三种提示技术（零样本、思维链、带源引用）测试GPT-5在993个PSM认证问题上的准确性，发现所有提示均达到85%以上准确率，其中带源引用最佳（89.1%），并分析了错误类型。

Understanding Why Language Models Hallucinate: Testing Reasoning Against Priors

理解语言模型为何产生幻觉：针对先验知识的推理测试

Yangfan Hu, Xuhan Tong, Haoyue Bai, Xi Ding, Shashank Muralidhar Bharadwaj, Siyang Cao, Robert Nowak, Jiawei Zhang

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出推理错位假说，认为幻觉源于模型偏向统计显著的潜在关联而非遵循提示约束，并通过TrapQA测试集验证了两种偏差模式。

Comments Project page: https://neohughus.github.io/Understanding_Why_Language_Models_Hallucinate/

Measuring Reasoning Quality in LLMs: A Multi-Dimensional Behavioral Framework

衡量LLM中的推理质量：一个多维行为框架

Ali Şenol, Garima Agrawal, Huan Liu

机构 * Department of Computer Engineering, Tarsus University（塔鲁斯大学计算机工程系） ； School of Computing and Augmented Intelligence (SCAI), Arizona State University (ASU)（计算与增强智能学院（SCAI），亚利桑那州立大学（ASU）） ； HumaConn AI Consulting（HumaConn AI咨询） 纠错

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

AI总结 提出一个基于行为的多维框架，从正确性、一致性、鲁棒性、逻辑连贯性、效率和稳定性六个维度评估LLM推理质量，揭示仅靠准确率无法观察到的行为，并支持部署决策。

Selective Expert Guidance for Effective and Diverse Exploration in Reinforcement Learning of LLMs

选择性专家引导实现强化学习中有效且多样的探索

Zishang Jiang, Jinyi Han, Tingyun Li, Xinyi Wang, Sihang Jiang, Jiaqing Liang, Zhaoqian Dai, Shuguang Ma, Fei Yu, Yanghua Xiao

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Institute of Artificial Intelligence for Education, East China Normal University（华东师范大学上海智能教育研究院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与技术学院） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 提出MENTOR框架，仅在关键决策点提供专家引导，平衡探索的有效性与多样性，提升LLM在可验证奖励强化学习中的推理能力。

Comments Accepted by ICLR 2026

TerraBench: Can Agents Reason Over Heterogeneous Earth-System Data?

TerraBench: 智能体能否对异构地球系统数据进行推理？

Dat Tien Nguyen, Thao Nguyen, Fadillah Adamsyah Maani, Huy M. Le, Muhammad Umer Sheikh, Numan Saeed, Muhammad Haris Khan, Salman Khan

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 提出TerraBench基准，基于TerraAgent框架，通过结合大语言模型规划与科学工具，实现跨网格数据、卫星图像、地理空间和模拟器的交互式推理，包含403个任务和24,500个执行步骤。

Explicit Logic Channel for Validation and Enhancement of MLLMs on Zero-Shot Tasks

显式逻辑通道用于验证和增强用于零样本任务的前沿多模态大语言模型

Mei Chee Leong, Ying Gu, Hui Li Tan, Liyuan Li, Nancy Chen

机构 * Institute for Infocomm Research (I$^2$R)（信息通信研究所） ； Agency for Science, Technology and Research (A*STAR)（科技研究局） ； Singapore（新加坡） 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 本文提出显式逻辑通道用于验证和增强多模态大语言模型在零样本任务中的性能，通过显式逻辑推理提高模型的可解释性和可信度。

Comments Accepted to ECCV 2026

When AI Agents Compete for Jobs: Strategic Capabilities and Economic Dynamics of AI Labour Markets

当AI代理竞争工作岗位：AI劳动力市场的战略能力与经济动态

Christopher Chiu, Simpson Zhang, Mihaela van der Schaar

机构 * DAMTP, University of Cambridge（剑桥大学应用数学与理论物理系） 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AI-Work模拟平台，研究AI代理在劳动力市场中的竞争行为，发现元认知、竞争意识和长期战略规划能力使代理获得更高利润和市场份额。

Comments Accepted at ICML 2026, Code available at https://github.com/chy-chiu/ai-work

GEAR-Seg: A Grounded Explainable Agent for Reasoning Segmentation and Data Engine

GEAR-Seg：用于推理分割和数据引擎的基于可解释智能体

Yanan Wang, Wen Li, Yibin Ying, Zhenghao Fei

机构 * College of Biosystems Engineering and Food Science, Zhejiang University（浙江大学生物系统工程与食品科学学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州国际科创中心） 纠错

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

AI总结 提出GEAR-Seg，一种解耦的智能体框架，通过将像素转换为属性文本实现可解释推理分割，零样本性能优异，并可作为数据引擎构建大规模基准GEAR-131K。

Comments 21 pages, 8 figures

What's Hidden Matters: Identifying Planning-Critical Occluded Agents using Vision-Language Models

隐藏之物至关重要：使用视觉语言模型识别规划关键性的被遮挡智能体

Amirhosein Chahe, Tyler Naes, Jovin D'sa, Faizan M. Tariq, Sangjae Bae, Lifeng Zhou, David Isele

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

AI总结 提出利用视觉语言模型（VLM）识别对自车轨迹影响最大的被遮挡智能体，通过规划KL散度（PKL）度量进行排序，并微调VLM以提升性能，实验表明该方法比随机采样提升约30%。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 9 pages, 5 figures, 5 tables

ReShift: Aha-Moment-Driven Reasoning-Level Backdoor Attacks on Vision-Language Models

ReShift: 视觉-语言模型上基于“啊哈时刻”驱动的推理级后门攻击

Zhihao Dou, Qinjian Zhao, Zhiqiang Gao, Sumon Biswas

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

AI总结 提出ReShift框架，通过“啊哈时刻”驱动推理轨迹重定向，结合PRDC管道和SRJO策略实现隐蔽的后门攻击，理论保证熵反弹与轨迹发散的联系。

Comments ECCV 2026

The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention in Human-AI Collaboration

上下文谄媚的隐性成本：人类-人工智能协作中的AI素养干预

Cansu Koyuturk, Sabrina Guidotti, Dimitri Ognibene

机构 * Università degli Studi di Milano-Bicocca（米兰-比科卡大学） 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 本研究探讨了在人类-人工智能协作中上下文谄媚现象的成因，并通过干预提升AI素养和提示能力以减轻其影响，发现AI反馈质量受用户错误传播影响显著，提示需系统层面改进以促进批判性参与。

Comments SPRINGER AIED 2026: Accepted for LBR, poster presentation at the 27th International Conference on Artificial Intelligence in Education, 27 Jun - 3 Jul 2026, Seoul, Republic of Korea

VisReason: A Large-Scale Dataset for Visual Chain-of-Thought Reasoning

VisReason: 面向视觉思维链推理的大规模数据集

Lingxiao Li, Yifan Wang, Xinyan Gao, Chen Tang, Xiangyu Yue, Chenyu You

机构 * Stony Brook University（石溪大学） ； Boston University（波士顿大学） ； MMLab, The Chinese University of Hong Kong（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)；prompting(abstract)；分类 cs.LG

AI总结 为解决多模态大模型缺乏大规模视觉思维链数据的问题，构建包含48.9万样本的VisReason数据集及专家级子集VisReason-Pro，通过微调Qwen2.5-VL模型显著提升逐步视觉推理准确性与泛化能力。

Comments ECCV Camera Ready, project page: https://y-research-sbu.github.io/VisReason/

Towards Better Linux Kernel Fault Localization: Leveraging Contrastive Reasoning and Hierarchical Context Analysis

迈向更好的Linux内核故障定位：利用对比推理和层次上下文分析

Haichi Wang, Ruiguo Yu, Yesong Pang, Yingquan Zhao, Junjie Chen, Jiajun Jiang, Zan Wang

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

AI总结 提出CoHiKer方法，通过对比推理分析测试用例行为差异，结合层次上下文分析从文件到方法逐级缩小定位范围，在Linux内核故障定位中Top-1准确率提升高达26.07%（文件级）和56.85%（方法级）。

MindEdit-Bench: Benchmarking Object-Level Counterfactual Spatial Reasoning in VLMs from In-the-Wild Photos

MindEdit-Bench：基于野外照片的VLM中对象级反事实空间推理基准

Leyuan Yu, Xiao Tang, Minghao Liu, Xinyuan Li, Xiaokai Bai, Sheng Zhou, Qunshu Lin, Weihao Xuan, Naoto Yokoya

机构 * ZODA ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 提出MindEdit-Bench基准，包含六项空间推理任务，其中两项新任务（L4和L5）测试对象级反事实推理，VLM平均准确率仅8%-31%，远低于人类的81%-97%。

Comments 18 pages, 7 figures. Dataset available at https://huggingface.co/datasets/ZODAOfficial/MindEdit-Bench

When Search Agents Should Ask: DiscoBench for Clarification-Aware Deep Search

搜索代理何时应提问：面向澄清感知的深度搜索的DiscoBench基准

Yiling Tao, Shihan Deng, Meiling Tao, Pengzhi Wei, Zhichao Hu, Zhihao Zhu

机构 * Hunyuan, Tencent（腾讯混元） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 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 提出DiscoBench基准，评估大语言模型搜索代理在深度搜索中主动识别歧义、提出有效澄清问题并恢复正确推理路径的能力，实验表明歧义检测与有效澄清是不同能力，且盲目搜索不如直接猜测。

Comments 26 pages, 7 figures, 12 tables

OmniView-Space: Reinforcing Spatial Reasoning via Multi-Perspective Spatial Mapping

OmniView-Space: 通过多视角空间映射增强空间推理

Xudong Li, Mengdan Zhang, Peixian Chen, Jiaxi Tan, Zihao Huang, Jingyuan Zheng, Yan Zhang, Xiawu Zheng, Xing Sun, Rongrong Ji

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（厦门大学多媒体可信感知与高效计算教育部重点实验室） ； Tencent Youtu Lab（腾讯优图实验室） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 提出OmniView-Space框架，通过多视角空间映射、工具引导的自我中心推理和认知图蒸馏，解决多模态大模型在多步空间推理中的参考框架动态重锚问题，在单/多图像基准上达到最优性能。

DART: Difficulty-Adaptive Routing for Zero-Shot Video Temporal Grounding

DART: 难度自适应路由用于零样本视频时间定位

Zhengbo Zhang, Mark He Huang, Zhigang Tu, Ming-Hsuan Yang

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Wuhan University（武汉大学） ； University of California, Merced（加州大学默塞德分校） 纠错

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

AI总结 提出DART方法，通过难度感知路由和结构化推理，利用DPP选择关键帧并评估难度，对简单查询快速预测，复杂查询使用时间标记提示分解定位，在零样本视频时间定位中取得SOTA性能。

Comments Accepted to the European Conference on Computer Vision (ECCV) 2026

Linguistic Relative Policy Optimization for Video Anomaly Reasoning

语言相对策略优化用于视频异常推理

Jiaxu Leng, Jiankang Zheng, Mengjingcheng Mo, Zhanjie Wu, Haosheng Chen, Ji Gan, Xinbo Gao

机构 * Chongqing College of Artificial Intelligence（重庆人工智能学院） 纠错

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

AI总结 提出语言相对策略优化（LRPO），通过从多个推理轨迹中提取群体相对语义优势，构建语言表达的异常经验先验，无需参数更新即可引导模型输出，在无调参设置下显著超越现有方法。

Comments Accepted at ICML 2026; 18 pages, 8 figures, 9 tables

Multimodal Continuous Reasoning via Asymmetric Mutual Variational Learning

非对称互变分学习实现多模态连续推理

Shijie Li, Yilin Gao, Siyuan Yang, Tieyuan Chen, Chaofan Gan, Zhihao He, Zicheng Zhao, Yuyu Guo, Weiyao Lin, Hang Yu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 针对多模态大语言模型离散推理丢失感知细节及训练-推理不匹配问题，提出非对称互变分学习框架，通过双向KL散度校准先验与后验，缓解答案泄露，提升连续潜在推理性能。