语言大模型 / LLM

MASTE: A Multi-Agent Pipeline for Zero-Shot Aspect Sentiment Triplet Extraction

MASTE：一种用于零样本方面情感三元组提取的多智能体管道

Ao Hong, Lehang Wang, Zhirun Yue, Mingxin Wang, Zihan Wang, Houde Liu

机构 * Tsinghua University（清华大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 研究针对方面情感三元组提取问题，提出多智能体管道MASTE，将其分解为四个阶段，由专门智能体处理不同子任务，实现完全无训练的零样本提取，在多个基准测试中显著优于基线，缩小与全监督方法差距。

Beyond Skepticism: Evaluating LLMs Pedagogical Intent Reasoning with the Adaptive Pedagogical Vigilance Framework

超越怀疑：用自适应教学警觉框架评估大语言模型的教学意图推理

Minghao Chen, Ruihan Zhou, Jiayi Tang, Zihan Xu, Bowen Huang, Yuxin Liu

机构 * Zhejiang University（浙江大学） 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

AI总结 提出自适应教学警觉（APV）框架，通过贝叶斯教学意图推理引擎建模教学选择与学习者推理，显著提升LLM区分教学与暴露内容的能力，与人类判断高度相关。

Comments 22 pages

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。

Riazi-8B: An Urdu Large Language Model for Mathematical Reasoning

Riazi-8B：用于数学推理的乌尔都语大语言模型

Azher Ali, Ibtsam Haider, Raja Khurram Shahzad, Seemab Latif, Mehwish Fatima

机构 * School of Electrical Engineering and Computer Science (SEECS)（电气工程与计算机科学学院） ； National University of Sciences and Technology (NUST)（国家科学与技术大学） ； Department of Communication, Quality Management and Information Systems（通信、质量管理与信息系统系） ； Mid Sweden University（中瑞典大学） 纠错

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

AI总结 针对乌尔都语数学推理资源匮乏的问题，提出Riazi-8B模型，通过乌尔都语维基百科继续预训练和GSM8K链式思维数据微调，在MGSM-乌尔都语基准上显著提升答案正确性和推理质量。

Cycle-Consistent Neural Explanation of Formal Verification Certificates

形式验证证书的循环一致性神经解释

Andoni Rodriguez, Alberto Pozanco, Daniel Borrajo

机构 * J.P. Morgan AI Research（摩根大通人工智能研究院） 纠错

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

AI总结 提出循环一致性神经架构，通过前向和逆向网络结合符号验证器，生成忠实于形式验证证书的自然语言解释，在金融合规领域测试中达到90.0%的循环验证正确性，比多LLM基线高13.9个百分点。

Comments 15 pages of main text

VeryTrace: Verifying Reasoning Traces through Compilable Formalism and Structured Verification

VeryTrace: 通过可编译形式化与结构化验证验证推理轨迹

Ninghan Zhong, Ahmet Ege Tanriverdi, Kaan Kale, Sriram Vishwanath

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, USA（佐治亚理工学院电子与计算机工程学院） ； Department of Electrical and Computer Engineering, Bogazici University, Turkey（博亚奇大学电子与计算机工程系） 纠错

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

AI总结 提出VeryTrace框架，将自然语言推理轨迹形式化为可编译的领域特定语言（DSL），结合确定性检查与LLM审计进行混合验证，实现步骤级错误定位与修复，在数学、机器人规划、亲属推理任务上提升准确率。

Comments Accepted at LM4Plan Workshop @ ICML 2026

Seeing Before Reasoning: Decoupling Perception and Reasoning for Shortcut-Resilient Multimodal On-Policy Self-Distillation

先看后思：解耦感知与推理以实现抗捷径的多模态在策略自蒸馏

Sihan Wang, Xiyao Liu, Lianqing Liu, Zhi Han

机构 * State Key Laboratory of Robotics and Intelligent Systems, Shenyang Institute of Automation, Chinese Academy of Sciences（机器人与智能系统国家重点实验室，沈阳自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 提出ViGOS框架，通过解耦感知和推理，在MLLM后训练中避免文本捷径，提升图像依赖行为。

Comments 29 pages, 5 figures, 8 tables; Project page: https://oedosoldier.github.io/ViGOS/

AFFORDANCE20Q: Evaluating Affordance Reasoning from Physical Properties

AFFORDANCE20Q：从物理属性评估可承担性推理

Yifan Jiang, Meige Yang, Zitong Li, Jay Pujara

机构 * Information Sciences Institute, University of Southern California（南加州大学信息科学研究所） ； University of Southern California（南加州大学） 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.AI

AI总结 提出Affordance20Q基准，通过20个问题游戏评估模型从物理属性推理物体可承担性的能力，发现LLM与人类差距约20分，并开发KARI方法提升开源模型达15.2分。

Harsher on Male? Evaluating LLMs on Gender-Asymmetric Moral Framing Across Diverse Conflict Scenarios

对男性更严厉？评估LLM在不同冲突场景中的性别不对称道德框架

Guangzong Si, Dong Wang, Zhenhao Li, Yifan Yu, Panwang Pan, Wentao Zhu

机构 * University of Science and Technology of China（中国科学技术大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） 纠错

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

AI总结 提出GAMA-Bench基准，通过性别镜像场景评估LLM对相同负面行为的回应，发现模型对男性更倾向于惩罚和责备，对女性则更强调共情和治疗。

Comments underreview

When Similar Means Different: Evaluating LLMs on Arabic--Hebrew Cognates

当相似意味着不同：评估大语言模型在阿拉伯语-希伯来语同源词上的表现

Junhong Liang, Noor Abo Mokh, Bashar Alhafni

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·穆扎伊德人工智能大学） 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

AI总结 针对阿拉伯语和希伯来语同源词、假朋友和借词，构建SemCog Bench基准（1858对词对），评估LLM跨语言语义理解，发现模型依赖表面形式相似性，在假朋友和借词上表现差，上下文帮助有限。

Architecture-Aware Reinforcement Learning Makes Sliding-Window Attention Competitive in Math Reasoning

架构感知强化学习使滑动窗口注意力在数学推理中具有竞争力

Kai Liu, Peijie Dong, Xinchen Xie, Jianfei Gao, Qipeng Guo, Xiaowen Chu, Shaoting Zhang, Kai Chen

机构 * Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（上海智能自主系统研究院，同济大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） 纠错

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

AI总结 提出SWARR方法，通过监督微调将预训练自注意力模型高效转换为滑动窗口注意力，并利用强化学习策略适应，缩小了与自注意力的性能差距，同时保持线性复杂度的高效性。

Counterexample Guided Learning in the Large using Reasoning Agents

使用推理代理的大规模反例引导学习

Hongyi Liu, Frederic Sala, Thomas Reps, Adithya Murali

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 ：LLM(summary_cn,abstract)；prompting(abstract)；分类 cs.LG

AI总结 提出反例引导的LLM正则表达式归纳框架，通过验证器反馈和代理策略（如反思与修复循环）显著提升样本效率和复杂任务成功率。

Comments Code, data, and resources are publicly available for research purposes: https://github.com/Lhtie/CEGML

Earth-OneVision: Extending Remote Sensing Multimodal Large Language Models to More Sensor Modalities and Tasks

Earth-OneVision：将遥感多模态大语言模型扩展到更多传感器模态和任务

Miaoxin Cai, Guanqun Wang, Wei Zhang, Guangyao Zhou, Yin Zhuang, Tong Zhang, Hao Wang, He Chen, Jun Li

机构 * National Key Laboratory of Science and Technology on Space-Born Intelligent Information Processing (SBIIP), Beijing Institute of Technology（北京理工大学空间智能信息处理国家重点实验室） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； Key Laboratory of Technology in Geo-Spatial Information Processing and Application System, Chinese Academy of Sciences（中国科学院地理空间信息处理与应用系统技术重点实验室） ； Advanced Research Institute of Multidisciplinary Sciences, Beijing Institute of Technology（北京理工大学前沿交叉科学研究院） ； School of Mechatronical Engineering, Beijing Institute of Technology（北京理工大学机电学院） ； School of Earth and Space Sciences, Peking University（北京大学地球与空间科学学院） ； School of Electronics, Peking University（北京大学电子学院） ； School of Computer Science and Hubei Key Laboratory of Intelligent Geo-Information Processing（华中科技大学计算机科学与技术学院&湖北省智能地理信息处理重点实验室） 纠错

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

AI总结 提出Earth-OneVision，一个2B参数的RS-MLLM，通过全粒度视觉语言对齐、空间语言同构序列化和渐进式跨模态适应机制，统一六种传感器模态和九类任务，在多个基准上达到或超越4B-72B模型。

Self-EmoQ: Plutchik-Guided Value-based Planning to Drive Streaming Emotional TTS

Self-EmoQ: 基于Plutchik引导的价值规划驱动流式情感TTS

Yue Zhao, Hongyan Li, Yong Chen, Luo Ji

机构 * Geely AI Lab（地平线人工智能实验室） 纠错

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

AI总结 提出一种情感规划框架，通过强化学习训练LLM模块，在文本生成前确定情感，以驱动流式TTS，结合Plutchik情感理论进行混合奖励，实验表明在情感确定和响应质量上优于基线。

Comments Accepted to ACL 2026 Findings

Diverse Thinking Schemata Elicit Better Reasoning in Large Language Models

多样思维图式激发大型语言模型更优推理

Xinyue Liang, Yizhe Yang, Yu Bai, Bin Xu, Jiawei Li, Yang Gao

机构 * School of Computer Science and Technology, Beijing Institute of Technology（北京理工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 ：large language model(title)；language model(title)；分类 cs.AI

AI总结 提出多样图式策略优化（DiScO），通过增强推理步骤转换和答案候选的多样性，提升大型语言模型在数学推理任务中的表现和错误恢复能力。

Ishigaki-IDS: An Open-Weight Verifier-Aware Model for Information Delivery Specification Drafting in Building Information Modeling

Ishigaki-IDS：一种面向建筑信息模型中信息交付规范起草的开放权重验证器感知模型

Ryo Kanazawa, Koyo Hidaka, Teppei Miyamoto, Takayuki Kato, Tomoki Ando, Chenguang Wang, Dayuan Jiang, Naofumi Fujita, Shuhei Saitoh, Atomu Kondo, Koki Arakawa, Daiho Nishioka

机构 * ONESTRUCTION Inc.（ONESTRUCTION公司） ； AWS GenAI Innovation Center（AWS生成式AI创新中心） 纠错

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

AI总结 针对BIM项目中IDS编写瓶颈，提出开放权重LLM Ishigaki-IDS，结合持续预训练、监督微调和基于验证器奖励的强化学习，生成可通过外部验证器检查的IDS草案，在基准上显著优于基线，并减少54.7%工作时间。

Comments 8 pages, 2 figures, 5 tables. Preprint

SSR: Can Simulated Patients Learn to Stigmatize Themselves? Modeling Self-Stigma through Internal Monologue

SSR: 模拟患者能否学会自我污名化？通过内心独白建模自我污名

Kunyao Lan, Bingrui Jin, Zichen Zhu, Mengyue Wu

机构 * Shanghai Jiao Tong University（上海交通大学） ； X-LANCE Lab, Dept. of Computer Science and Engineering（X-LANCE实验室，计算机科学与工程系） ； MoE Key Lab of Artificial Intelligence, AI Institute（教育部人工智能重点实验室，人工智能研究院） 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

AI总结 提出基于心理3A1H模型的SSR框架，通过内心独白数据集和链式思维微调LLM，使模拟患者根据对话触发动态调整污名表达，生成更真实的情境适应性反应。

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

Hadi Hosseini, Samarth Khanna, Leona Pierce

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

Albilich: Steerable Proof-State Orchestration for LLM-Based Mathematical Research with CAS Integration

Albilich：用于结合计算机代数系统（CAS）的基于大语言模型的数学研究的可操控证明状态编排工具

Ting Gong, Michael Ruofan Zeng, Yong Yang

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 Albilich是结合CAS等功能的开源数学自主研究智能体框架，在RealMath基准和Kourovka开放问题上取得优异效果，可实现AI辅助的可扩展数学研究。

Comments 7 pages, comments welcome!

Traceable LLM Reasoning for Fake-Order Fraud Detection

用于虚假订单欺诈检测的可追溯大语言模型推理

Siqi You, Bingsong Xu, Zhixian Zheng, Xinjian Peng, Yang Xie, Ying Wang, Jiarong Xu

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 针对大规模虚假订单欺诈检测难题，提出基于大语言模型的DeepScrub框架，通过语义统一、持续预训练及SURE机制实现可追溯推理。实验及试点结果显示，该框架提升了欺诈审查精度与召回率，减少工作量并节省成本。

Comments 15 pages, 3 figures

PPL-Factory: Task-Aware and Budget-Aware Data Selection from Language Modeling to Reasoning

PPL-Factory：从语言建模到推理的任务感知和预算感知数据选择

Hang Zhang, Warren J. Gross

机构 * McGill University（麦吉尔大学） 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、cs.LG

AI总结 研究如何从语言建模到推理进行任务和预算感知的数据选择，提出PPL-Factory框架，结合任务感知困惑度得分与数据预算感知标准，实验表明该框架在GSM8K等任务上仅用少量训练集就能超越其他方法，有效提升微调效率。

Comments 13 pages, 4 figures, 5 tables

Depth-Entropy Guided Sampling for Training-Free LLM Reasoning

用于无训练语言模型推理的深度熵引导采样

Zibin Meng, Peng Xie, Kani Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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 研究旨在提升无训练语言模型推理能力，提出深度熵引导采样（DEGS）方法，利用逐层熵坍缩作为质量信号，结合序列似然性与深度熵结构，在多个模型和基准测试中达到无训练最优精度，在域外和难题测试中表现出色。

What LLM Forecasters Know but Don't Say: Probing Internal Representations for Calibration and Faithfulness

大语言模型预测器知道但不说的内容：探究校准和忠实性的内部表示

Raphaël Sarfati, Pratyush Ranjan Tiwari, Siddharth Boppana, Christopher J. Earls, Srikar Varadaraj, Eric Ho

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

AI总结 研究针对预测微调的大语言模型校准和忠实性问题，通过在中间激活上训练表示池探测器，发现其校准效果更好，还能评估CoT忠实性、追踪行为变化等，证明探究内部表示可用于校准、审计和分类语言模型预测器及推理模型。

Most LLM Conformity Needs No Speaker: Measuring the Speaker-Free Floor in Peer-Pressure Benchmarks

大多数大语言模型的从众现象无需说话者：在同伴压力基准测试中测量无说话者底线

Yibo Hu, Jiaming Qu

机构 * Illinois Institute of Technology（伊利诺伊理工学院） ； Amazon（亚马逊） 纠错

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

AI总结 研究大语言模型从众现象，发现多数从众在去除同伴后仍存。因标准提示混杂线索致现有基准无法分辨。引入无来源条件测试，发现其在多数案例中致有害修正，还揭示来源框架对底线的调节作用及相关问题，强调从众基准测试应先测无说话者底线。

CCBENCH: Assessing LLM Cultural Competence via Implicitly Signaled Norms using Health Queries

CCBENCH：通过健康查询使用隐式信号规范评估大语言模型的文化能力

Vasudha Varadarajan, Akhila Yerukola, Mona T. Diab, Maarten Sap

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 该研究引入CCBENCH框架，以健康领域为案例创建CCBENCH-Health评估大语言模型文化能力。通过60个角色、3120次互动对五个领先模型进行基准测试，发现模型文化恰当回应比例低，提示关注文化线索能适度提升性能，还揭示了模型与文化线索互动的一些特点。

Comments 34 pages

A Comprehensive Anatomy of Human and DeepSeek-R1 LLM Mathematical Reasoning

人类与DeepSeek-R1大语言模型数学推理的全面解剖

Yuxiang Chen, Jun Wang

机构 * UCL Centre for Artificial Intelligence（伦敦大学人工智能中心） 纠错

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 通过AIME 2025所有30道题目的10247个推理步骤注释，发现DeepSeek-R1存在拓扑模仿（表面模仿推理而非真正推理），但成功轨迹中分支与回溯的稳定使用以及反射在演绎推理中的有效放置是真正推理的信号。

Think in Latent, Explain in Language: Self-Explainable Latent Reasoning

在潜空间思考，以语言解释：自解释潜推理

Dayuan Zhao, Shengcao Cao, Yu-Xiong Wang, Liang-Yan Gui

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

AI总结 本研究提出自解释潜推理框架SELR，通过多任务训练使单个模型兼具高效潜推理与自解释能力，在LLMs和VLMs上实现更优效率、准确性与自包含可解释性。

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

Germana Bertoli, Ilaria Amelia Caggiano, Francesca Lagioia, Riccardo Rovatti, Giovanni Sartor, Emiliano Troisi

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。

Repository-Aware Metamorphic Relation Generation for Augmented Reality Applications using Large Language Models

基于大型语言模型的增强现实应用的仓库感知变形关系生成

Dibyendu Brinto Bose, Jiawei Qin, Chris Brown

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

AI总结 本文提出一种结合仓库级上下文与推理编排的流水线，利用大型语言模型生成优化的变形关系，在142个移动AR仓库数据集上验证了该方法可构建可靠的领域相关测试预言，能有效检测代码变异。

CHARGE: Leveraging CWE Hierarchies for Hardware Security SystemVerilog Assertion Generation

CHARGE：利用CWE层次结构生成硬件安全SystemVerilog断言

Xiao Tan, Cynthia Sturton

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

AI总结 CHARGE是利用CWE层次结构和LLM生成硬件安全SVA的自动化框架，在Hack@DAC系列SoC设计中检测到多个已知与新错误，生成的SVA具备较高有效性。

Comments This paper is an extended version of the paper accepted to the IEEE/ACM International Conference on Computer-Aided Design (ICCAD 2026)