Berkeley and Heiserman as an Unexhausted Architecture for Embodied Machine Intelligence
伯克利和海斯曼作为具身机器智能的未穷尽架构
专题命中 长上下文与记忆 ：LLM(abstract)；分类 cs.AI
AI总结 本文以伯克利的《符号逻辑与智能机器》及海斯曼的工作为研究对象，探讨其在具身机器智能方面贡献。他们将逻辑与硬件、行为等联系，超越静态逻辑形式，为具身机器人认知架构方法提供思路，不应被视为历史终点。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 长上下文与记忆 15 篇
2. 推理与问题求解 49 篇
Mean-Field Dynamics of Chain-of-Thought Reasoning in Large Language Models
大型语言模型中思维链推理的平均场动力学
机构 * Tsinghua University（清华大学）
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、cs.AI
AI总结 本研究提出框架，将LLM推理建模为线索图引导式发现过程，用平均场近似推导线索占比的常微分方程，实验验证所得统计规律可复现且能被该方程拟合。
PPDL: LLM-Based Flows as Probabilistic Programs
PPDL：基于大语言模型的流作为概率程序
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 本文提出用于编程基于LLM的流的概率语言PPDL，可量化传播流中不确定性，无需额外代码即可尝试推理缩放技术，还通过实验及面向Rocq的定理证明智能体案例验证了其能力。
Comments Published at ICML 2026
CARE: Pre-Execution Command Verification for Shell-Executing LLM Agents
CARE：用于执行 shell 的语言模型代理的执行前命令验证
专题命中 推理与问题求解 ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)
AI总结 研究 LLM 代理执行 shell 命令时的调度风险，提出 CARE 验证器，通过规范化命令、推导证据并结合 LLM 判断，实现命令级调解，降低调度边界风险，平衡良性恢复、误报负担、延迟和危害降低之间的关系。
Comments Accepted by ISSRE 2026
A note on conditional PAC-efficient reasoning in large language model routing
关于大语言模型中条件PAC有效推理不可能性的注记
机构 * Department of Statistics and Data Science（统计与数据科学系）
专题命中 推理与问题求解 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI、cs.LG
AI总结 该研究证明了在无分布设定下，大语言模型无法实现条件PAC有效推理，指出任何满足此条件的算法必须依赖专家模型。
Counterfactual Analysis via Large Language Models
基于大语言模型的反事实分析
机构 * Stevens Institute of Technology（史蒂文斯理工学院）
专题命中 推理与问题求解 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI
AI总结 本文研究用GPT-3.5模型开展在线借贷反事实分析，经提示工程优化后其预测性能接近梯度提升回归，验证了LLMs用于反事实分析的潜力。
When Self-Evolution Backfires: Pre-Commit Gating against Skill Contamination in LLM Agents
当自进化适得其反：针对LLM智能体中技能污染的预提交门控机制
专题命中 推理与问题求解 ：LLM(title,title_cn)；分类 cs.CL、cs.AI
AI总结 该研究发现LLM智能体自进化会出现技能污染导致性能下降的不可逆问题，提出VaG预提交门控机制，可提升性能并实现技能池跨模型迁移。
Refining Over Resampling: Test-Time Self-Correction for LLM Reasoning
过重采样优化：大语言模型推理的测试时自校正
机构 * University of Oklahoma（俄克拉荷马大学） ； Stanford University（斯坦福大学） ； Universitat Pompeu Fabra（庞培法布拉大学） ； Air University（空军大学）
专题命中 推理与问题求解 ：LLM(title,summary_cn)；分类 cs.CL、cs.AI
AI总结 本文提出无验证器的广度-深度优化框架，通过迭代自我批判与校正优化采样的 LLM 推理轨迹，在多个数学推理数据集及多款开放权重模型上，较基线方法实现了推理准确率的显著提升。
Comments Submitted to EMNLP 2026
Agent-Based Test Assertion Generation via Diverse Perspective Aggregation
基于智能体的多视角聚合测试断言生成
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 针对现有LLM断言生成方法的局限，提出基于智能体的AssertMate框架，通过三个组件聚合多视角，在Defects4J和EvoSuite验证中性能显著优于现有技术。
As You Wish: Mission Planning with Formal Verification using LLMs in Precision Agriculture
如您所愿：利用LLM在精准农业中进行形式化验证的任务规划
机构 * University of California, Merced（加州大学默塞德分校）
专题命中 推理与问题求解 ：LLM(title_cn,summary_cn)；分类 cs.AI
AI总结 针对自然语言歧义性，提出基于线性时序逻辑（LTL）反馈循环的LLM任务规划系统，通过双LLM分工实现规范生成与验证，提升精准农业任务规划的可靠性。
Journal ref Published in Proceedings of 2026 International Conference on Robotics and Automation (ICRA)
Afford-X: Generalizable and Slim Affordance Reasoning for Task-oriented Manipulation
Afford-X：面向任务型操作的通用且轻量化的可供性推理模型
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所） ； Institute for Al Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Department of Computer Science, Tsinghua University（清华大学计算机科学系）
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 研究人员推出LVIS-Aff数据集，开发了Afford-X可供性推理模型，其性能优于现有非LLM方法和此前会议论文结果，参数紧凑、推理速度快，可部署于本地设备助力机器人任务导向型操作。
Position: It's Time to Optimize LLMs for Self-Consistency
立场：是时候针对自一致性优化大型语言模型（LLMs）了
专题命中 推理与问题求解 ：LLM(summary_cn,abstract_cn)；language model(abstract)；post-training(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出自一致性框架，指出LM的缺陷源于单输出对独立评估的假设，可通过一致性优化解决，为开发通用一致性LLM提供思路。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026), Position Paper Track
Online Reasoning Calibration: Test-Time Training Enables Generalizable Conformal LLM Reasoning
在线推理校准：测试时训练使可泛化的符合性大语言模型推理
机构 * Department of Electrical Engineering and Computer Science (MIT EECS)（麻省理工学院电气工程与计算机科学系） ； Computer Science and Artificial Intelligence Laboratory (MIT CSAIL)（麻省理工学院计算机科学与人工智能实验室） ； Laboratory for Information and Decision Systems (MIT LIDS)（麻省理工学院信息与决策系统实验室） ； Computational Science and Engineering (MIT CSE)（麻省理工学院计算科学与工程） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出ORCA框架，通过测试时训练和符合性预测校准推理过程，提升大语言模型在分布变化下的效率和泛化能力，实验证明其在不同任务中具有更高的性能。
Comments Published as a conference paper at COLM 2026; 22 pages
Clinician input steers AI toward accurate and harmful recommendations
临床输入引导前沿AI模型做出准确和有害的决策
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 研究评估了临床输入如何影响AI模型在诊断生成和下一步建议中的表现，发现专家上下文显著提升诊断准确性，而对抗性上下文导致诊断退化，且模型在多轮对话中表现出不同的特性。
The Judgment-Consequence Gap: LLM Moral Reasoning in Healthcare Decisions
判断-结果差距：医疗决策中的大语言模型道德推理
专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG
AI总结 该研究发现LLMs在医疗决策中存在判断-结果差距，即虽认同患者对危害健康行为负有责任，但拒绝将该判断用于稀缺医疗资源分配，且随推理能力提升会放大与人类的道德分歧。
Comments Accepted at AIES 2026
Correct Answers from Sound Reasoning: Verifiable Process Supervision for Language Models
通过可验证的推理过程监督获得正确答案：语言模型的可验证过程监督
机构 * KAIST AI（KAIST人工智能研究所） ； University of Texas, Austin（德克萨斯大学奥斯汀分校） ； Rice University（里士满大学） ； Princeton University（普林斯顿大学） ； University of Washington（华盛顿大学） ； Sentient Labs（Sentient实验室）
专题命中 推理与问题求解 ：language model(title,abstract)；post-training(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出VPS框架，通过联合优化预测准确性和推理质量，在可验证领域使语言模型同时获得准确和可靠的推理能力。
Comments COLM 2026
What out-of-the-box LLMs can(t) do in law? A Turing test in Italian exams for lawyers, judges and notaries
开箱即用的大语言模型（LLM）在法律领域能（不能）做什么？针对意大利律师、法官和公证人考试的图灵测试
专题命中 推理与问题求解 ：LLM(title_cn,summary_cn)
AI总结 本研究通过意大利律师、法官、公证人考试的盲法图灵测试，评估开箱即用的主流LLM的法律能力，发现其在部分法律任务表现接近人类但公证人考试全部失败，明确了LLM法律能力的范围与边界。
In-Context VLA: Endowing Vision-Language-Action Models with Language via In-Context Post-Training and Agentic Tool Use
上下文视觉-语言-动作模型：通过上下文后训练与智能体工具使用为视觉-语言-动作模型赋予语言能力
专题命中 推理与问题求解 ：post-training(title,abstract)；language model(abstract)
AI总结 该研究针对现有VLA模型用CoT会降低控制性能的问题，提出通过上下文后训练和智能体工具使用赋予VLA语言能力的方法，在多模拟和真实机器人任务上实现SOTA性能与效率。
Can Open-Weight LLMs Produce Kernel-Verified Coq Proofs? A Pilot Study
开源权重大语言模型能否生成内核验证的Coq证明？一项试点研究
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 本研究在CoqStoq的100个定理上评估6种开源权重LLMs，发现仅Gemma 4等3个模型能生成Coq内核验证的证明，总体成功率3.5%，未确立模型通用排名。
PhaseCoder: Microphone Geometry-Agnostic Spatial Audio Understanding for Multimodal LLMs
PhaseCoder: 无关麦克风几何的多模态大语言模型空间音频理解
机构 * Google DeepMind（谷歌DeepMind） ； Media Lab, MIT（媒体实验室，麻省理工学院） ； Google AR（谷歌AR）
专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；分类 cs.AI
AI总结 PhaseCoder是一种无需麦克风几何结构的Transformer空间音频编码器，能够生成空间嵌入并使LLM实现复杂空间推理和转录任务。
Hierarchical Latent Prediction for Language Models
语言模型的分层隐式预测
机构 * University of Texas at Austin（得克萨斯大学奥斯汀分校） ； Microsoft Research（微软研究院）
专题命中 推理与问题求解 ：language model(title,abstract)；分类 cs.CL、cs.AI
AI总结 该研究针对语言模型下一个token预测的误差累积问题，提出分层隐式预测方法，在编码、多步推理基准及推测解码上验证了其有效性。
Certifying Collective Reasoning in Multi-Agent Systems via Koopman Spectral Analysis
基于Koopman谱分析的多智能体系统集体推理验证
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 本文提出基于Koopman算子理论的框架，通过分析多智能体集体的Koopman转移算子谱，实现对其推理收敛时间、派系及决策的可验证，在注意力共识模型上验证了方法的有效性，且运行高效。
Reasoning from Traces: Divergence-Guided Agentic Repair of WebAssembly Discrepancies
从痕迹中推理：分歧引导的智能体修复WebAssembly差异
专题命中 推理与问题求解 ：LLM(summary_cn,abstract)
AI总结 本文提出WasmMend系统，通过差分痕迹分析定位Wasm与原生执行的分歧函数，引导LLM智能体生成补丁，在真实C/C++项目上修复率达70.0%，优于基线方法。
On-Policy Delta Distillation for Multilingual Math Reasoning
面向多语言数学推理的在线策略增量蒸馏
机构 * NAVER AI Lab（NAVER AI实验室）
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；post-training(abstract)；分类 cs.CL、cs.LG
AI总结 本研究针对多语言数学推理任务，提出OPD²方法，实验表明其在韩语、日语上性能提升显著，且能缩小英语与韩语的性能差距，凸显多语言数据的重要性。
Comments 9 pages, 3 figures, 10 tables
NeSy-RAG: Neuro-Symbolic RAG for Explainable Question Answering
NeSy-RAG：用于可解释问答的神经符号检索增强生成框架
机构 * Heidelberg University（海德堡大学）
专题命中 推理与问题求解 ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 NeSy-RAG是一种模块化神经符号RAG框架，可生成透明推理轨迹，在ShARC基准上以61.1%的准确率优于同模型RAG基线，实现可解释问答。
Constraint-First Reasoning: A Training-Free Protocol for Exploiting Answer-Space Constraints in Mathematical Problem Solving
约束优先推理：一种在数学问题求解中利用答案空间约束的无训练协议
机构 * Tsinghua University（清华大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.CL
AI总结 该研究针对大型语言模型解数学题易违反约束的问题，提出无训练的两阶段提示协议CFR，经多数据集及多维度实验验证可提升性能，是针对性的测试时干预措施。
Comments 53 pages, 5 figures, 36 tables
Beyond the Library: An Agentic Framework for Autoformalizing Research Mathematics
超越图书馆：用于自动形式化研究数学的智能体框架
专题命中 推理与问题求解 ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 提出一种基于通用编码大语言模型的智能体自动形式化框架，通过多智能体管道和辅助引理技术，成功形式化了PutnamBench和STOC论文中的主要定理，其中两个证明无需额外公理。
Comments preprint
ChronoVision: Temporal Reasoning via Latent State Reconstruction
ChronoVision：基于潜在状态重构的时序推理
专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；post-training(abstract)
AI总结 针对多模态大语言模型时序推理不足的问题，本文提出ChronoVision框架，引入Vbvr-VQA数据集，实验显示其在相关基准上取得最优性能。
Unified Agent: Managing Interactions across Devices
统一智能体：管理跨设备交互
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校）
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 本文针对现有智能体跨设备交互场景的不足，提出带紧凑状态设计的统一智能体，构建对应基准数据集，其性能显著优于多种现有设计，且在不同MLLM设置下表现鲁棒。
STATe-of-Thoughts: Structured Action Templates for Tree-of-Thoughts
STATe-of-Thoughts：用于树状思维的结构化动作模板
机构 * Technion（以色列理工学院） ； Princeton University（普林斯顿大学） ； Independent（独立作者） ； Hebrew University（希伯来大学）
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；分类 cs.CL、cs.LG
AI总结 STATe通过结构化动作模板提升文本生成的多样性和可控性，通过显式动作序列捕捉可解释特征，增强生成质量与可解释性。
Comments Accepted to COLM 2026. Version 3. 11 pages main, 85 pages total, 23 tables, 21 figures
