语言大模型 / LLM

Temporal Backtracking Search for Test-time Generative Video Reasoning

时间回溯搜索：测试时生成式视频推理

Sejoon Jun, Zheng Ding, Huangyuan Su, Weirui Ye, Yilun Du

机构 * Northeastern University（东北大学） ； Independent Researcher（独立研究者） ； Harvard & Kempner（哈佛大学与肯普纳研究所） ； MIT（麻省理工学院） 纠错

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

AI总结 提出时间回溯搜索（TBS），通过将搜索空间转移到时间轴，在扩散过程中定位失败点并回溯重启，显著提升视频模型在测试时的推理能力。

Beyond the Commitment Boundary: Probing Epiphenomenal Chain-of-Thought in Large Reasoning Models

超越承诺边界：探究大型推理模型中的附带思维链

Daniel Scalena, Sara Candussio, Luca Bortolussi, Elisabetta Fersini, Malvina Nissim, Gabriele Sarti

机构 * CLCG, University of Groningen（格罗宁根大学CLCG） ； University of Milano-Bicocca（米兰-布雷拉大学） ； University of Trieste（特里耶大学） ； Khoury College of Computer Sciences, Northeastern University（东北大学Khoury计算机科学学院） 纠错

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

AI总结 通过早期退出估计思维链步骤的因果重要性，发现推理中存在从瞬态猜测到稳定答案的“承诺边界”，后续步骤为附带现象，可提前退出以缩短推理长度达55%而不影响性能。

CQC-RAG: Robust Retrieval-Augmented Generation via Cross-Query Consistency

CQC-RAG: 通过跨查询一致性实现鲁棒的检索增强生成

Yanjia Sun, Sifan Liu, Jie Shao

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

AI总结 提出CQC-RAG框架，通过生成语义等价但句法多样的查询，并基于跨查询一致性评估答案置信度稳定性，有效过滤噪声诱导的幻觉，在开放域问答任务上显著提升性能。

Auto formalisation of Chaitin and of the surprise incompleteness Theorem

Chaitin 定理与意外不完备性定理的自动形式化

Thierry Coquand

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

AI总结 基于先前在Agda中使用Claude自动形式化Gödel第二不完备性定理的实验，进一步自动形式化Chaitin第一不完备性定理的证明和Kritchman-Raz意外考试悖论版本的第二不完备性定理，展示了当前大语言模型在数学中的优势与局限。

Temporal-Aware Reasoning Optimization for Video Temporal Grounding

时间感知推理优化用于视频时间定位

Minghang Zheng, Zihao Yin, Yi Yang, Yuxin Peng, Yang Liu

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(abstract)；language model(abstract)

AI总结 提出TaRO框架，通过构造性推理探索和时间敏感性奖励，增强多模态大模型在视频时间定位中的时间感知推理能力，实现最先进性能。

Comments Accepted by ICML 2026

TICoder: A Repository-Level Code Generation Framework with Test-Driven Planning and Implementation-Aware Reuse

TICoder: 一种具有测试驱动规划和实现感知复用的仓库级代码生成框架

Siyu Nan, Yaling Luo, Jian Wang, Neng Zhang, Bing Li

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

AI总结 提出TICoder框架，通过测试驱动迭代规划机制和实现感知代码复用策略，解决仓库级代码生成中的依赖和上下文限制问题，在多个基准上平均提升11.52%。

Comments 11 pages

DyCo-RL: Dynamic Cross-Modal Coordination for Visual Reasoning

DyCo-RL: 用于视觉推理的动态跨模态协调

Hangui Lin, Yan Shu, Zhengyang Liang, Chi Liu, Xiangrui Liu, Minghao Qin, Teng Long, Zheng Liu, Nicu Sebe

机构 * University of Trento（特伦托大学） ； BAAI（北京智源人工智能研究院） ； Singapore Management University（新加坡管理大学） ； IQuest Research 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DyCo-RL，通过Fisher-Rao测地距离量化模态内注意力转移，实现动态跨模态协调，并利用对齐引导的优势重加权优化策略，提升多模态大模型在视觉推理中的表现。

VisualFLIP: Do Predictions Depend on Task-Critical Visual Evidence in Multimodal Reasoning?

VisualFLIP: 在多模态推理中，预测是否依赖于任务关键的视觉证据？

Didi Zhu, Changrui Chen, Stefanos Zafeiriou, Jiankang Deng

机构 * Imperial College London（伦敦帝国理工学院） 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VisualFLIP基准，通过成对图像扰动测试多模态大模型是否真正依赖关键视觉证据，发现正确预测与证据依赖存在分离。

VeriDrive: Verifiable Counterfactual Supervision for Cost-Efficient Vision-Language Planning

VeriDrive: 可验证的反事实监督用于成本高效的视觉-语言规划

Zikai Zhang, Hubert P. H. Shum, Toby P. Breckon

机构 * Department of Computer Science, Durham University（杜伦大学计算机科学系） 纠错

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

AI总结 提出VeriDrive框架，通过结构化感知-评估-修正链生成可验证的反事实监督，降低视觉-语言驾驶规划的数据构建成本，并在nuScenes数据集上验证其有效性。

WorldBench: A Challenging and Visually Diverse Multimodal Reasoning Benchmark

WorldBench: 一个具有挑战性且视觉多样的多模态推理基准

Yida Yin, Harish Krishnakumar, Chung Peng Lee, Boya Zeng, Wenhao Chai, Shengbang Tong, Wenhu Chen, Hu Xu, Xingyu Fu, Gabriel Sarch, Aleksandra Korolova, Zhuang Liu

机构 * Princeton University（普林斯顿大学） ； NYU（纽约大学） ； University of Waterloo（滑铁卢大学） ； Meta, FAIR（Meta和FAIR） 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WorldBench，通过构建多领域视觉概念分类法并收集多样化图像，设计前沿MLLM难以回答的问题，以评估多模态大语言模型的视觉理解能力，揭示其弱点。

Comments Project page: https://worldbench-vl.github.io/

MEMORA: Embodied Action Memory from Egocentric Videos for Reasoning and Planning

MEMORA：基于自我中心视频的具身动作记忆用于推理与规划

Zihao Yu, Xiu Yuan, Chongjie Zhang

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

AI总结 研究针对长期机器人规划中对具身经验记忆的需求，提出MEMORA方法，通过形成-巩固-检索生命周期及四种类型存储实现具身动作记忆，经实验评估取得良好结果，能为机器人规划提供记忆上下文。

Comments 43 pages, 9 figures. Oral presentation at the Robotics: Science and Systems 2026 Workshop on Foundation Models for Robot Planning (FM4RoboPlan)

Towards Computational Provenance: Carrying Causal-State Evidence in Generated Text

面向计算溯源：在生成文本中携带因果状态证据

Benjamin Belay

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

AI总结 该研究提出计算溯源理念，通过在两种受控模型架构中让已验证内部状态决定生成文本的统计模式，证明答案不变时仍可在生成文本中保留因果相关内部状态的信息。

Comments 16 pages, 1 figure, 7 tables

Neurosymbolic Embodied Agents

神经符号具身智能体

Mohammad Albinhassan, Yuming Feng, Alessandra Russo, Pranava Madhyastha

机构 * Imperial College London（帝国理工学院） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； City, University of London（伦敦城市大学） 纠错

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

AI总结 该研究提出一种神经符号具身智能体，将长周期家庭任务分解为视觉探索与符号规划，在VirtualHome、ALFWorld基准测试中表现优异，约束与搜索结合可大幅提升任务解决率，且无需专门训练。

Schema-Agnostic Graph Reasoning Agent for Hybrid Knowledge Graphs

面向混合知识图谱的模式无关图推理智能体

Marius Dragic, Ruben Ifrah, Alexandre Rio

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

AI总结 提出图推理智能体GRA，探索混合知识图谱，在工业基准UFK-M上准确率优于全上下文智能体，读取令牌更少，增益源于选择性访问。

OmniScientist: An Omni-Modal Omni-Discipline AI Scientist

OmniScientist：一种全模态全学科的AI科学家

Bobo Li, Hao Fei, Tianjie Ju, Mong-Li Lee, Wynne Hsu

机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 本研究提出全模态AI科学家OmniScientist，通过端到端全模态流水线处理多学科异构原始证据，在36个真实案例中完成从原始数据到手稿的全流程，性能优于仅用预计算特征的系统，为通用AI科学家提供可行方案。

Comments 30 pages, 13 figures, 19 tables. Project page: https://omni-scientist.github.io/

Thought-Aware KV Cache Compaction for Reasoning via Adaptive Attention Matching

基于自适应注意力匹配的思维感知KV缓存压缩方法用于推理

Yang Liu, Bin Chong, Chongyang Zhang, Hao Zheng, Jiayu Liang, Xu Kefu

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Soochow University（苏州大学） 纠错

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

AI总结 该研究针对推理语言模型 KV 缓存的内存瓶颈问题，提出思维感知注意力匹配（TAM）方法，通过三种机制实现高效压缩，在降低内存占用的同时保持了推理准确率。

Comments 16 pages, 5 figures

Policy-as-logic for robust reasoning over rules

作为逻辑的策略：针对规则的鲁棒推理

Rahul Nair, Bastian Lipka, Elizabeth Daly

机构 * IBM Research（IBM研究院） ； IBM（国际商业机器公司） 纠错

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

AI总结 该研究提出混合符号方法，将策略表示为形式逻辑，结合语言模型事实提取与答案集求解器推理，性能优于策略作为提示、策略作为代码方法，令牌用量减少约10倍，助力生成式AI系统做出鲁棒决策。

Comments RobustifAI Workshop at IJCAI-ECAI '26

LookBack: Where and How to Score LVLM Responses via Visual Reference Usage

LookBack：通过视觉参考使用情况对LVLM响应进行评分的位置与方法

Beomsik Cho, Jinhyeong Kim, Dongseok Lee, Jaehyung Kim

机构 * Yonsei University（延世大学） 纠错

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

AI总结 针对LVLM响应存在的图像相关幻觉问题，提出无需训练的LookBack评分方法，结合视觉回溯评分增强token似然，在四个基准和三个模型上提升了Best-of-$N$选择性能且开销极小。

Comments 19 pages, 10 figures. Code: https://github.com/bscho333/LookBack

LEMUR: Latent Entropy-aware Multimodal Unlearning via Visual-anchored Reasoning Redirection

LEMUR：基于视觉锚定推理重定向的潜在熵感知多模态遗忘

Xinhao Zhong, Yuxia Qiao, Junhao Li, Hao Fang, Yi Sun, Bin Chen

专题命中 推理与问题求解 ：post-training(abstract)；分类 cs.CL、cs.LG

AI总结 针对原生RL训练多模态模型的隐私泄漏问题，提出基于熵动态的无训练推理时遗忘框架LEMUR，可更有效地抑制敏感信息在推理轨迹和答案中的泄漏，同时保留模型非敏感效用。

Transformers Struggle to Use Their Emergent World Models: Revisiting the Tower of Hanoi, and the Illusion of Thinking

Transformer难以利用其涌现的世界模型：重新审视汉诺塔与思维的错觉

Devin Pereira, Willem Zuidema

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文研究发现，Qwen3.6-27B等大型推理模型虽能编码汉诺塔的谢尔宾斯基世界模型，但因表示衰减导致圆环数超3时失败，注入提示词时间表示可部分恢复性能。

Ask-E: An Environment for Calibrated Question Generation

Ask-E：一个用于校准型问题生成的环境

Sarah Pratt, Jae Sung Park, Scott Geng, Ali Farhadi

机构 * University of Washington（华盛顿大学） ； 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(abstract)；分类 cs.CL、cs.AI

AI总结 本研究提出Ask-E环境，以两个现有语言模型的能力范围定义目标技能水平，通过生成仅能被其中一个模型解决的问题来校准模型，该环境可用于基准测试与训练，且训练后模型在下游数学基准上表现提升。

Answer First, Reason Later: Commitment Order in Diffusion LLMs

先给出答案，后进行推理：扩散大语言模型中的承诺顺序

Jewon Yeom, Jaewon Sok, Seonghyeon Park, Jeongjae Park, Hwiyeong Lee, Taesup Kim

机构 * Graduate School of Data Science, Seoul National University（首尔国立大学数据科学研究生院） 纠错

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

AI总结 本研究发现扩散大语言模型（dLLMs）的任意顺序提交机制会导致推理失败，通过前沿门控承诺干预可恢复推理性能，同时保留并行解码优势。

Reasoning Errors Have a Region and a Direction in the Residual-Stream Trajectory of LLMs

推理错误在大语言模型（LLMs）残差流轨迹中具有特定区域与方向

Hamed Damirchi, Ignacio Meza De la Jara, Damith Ranasinghe, Yuhang Liu, Javen Shi

机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； Adelaide University（阿德莱德大学） ； Naval Group Pacific（太平洋海军集团） ； Responsible AI Research Centre（负责任人工智能研究中心） 纠错

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

AI总结 该研究针对大语言模型推理错误检测的权衡问题，提出三流检测器，在推理基准上提升选择准确率，还适用于事实类任务，验证了运动、区域、方向信号的互补性。

Mind the Cap: Output-Budget Regimes Change the Measured Multilingual Reasoning Gap

注意输出上限：输出预算机制会改变测得的多语言推理差距

Ankit Goyal, Jaideep Ray

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

AI总结 该研究发现多语言推理差距受输出token预算机制影响，通过固定Qwen模型的预算峰值等实验，提出应将输出上限作为独立变量，报告不同预算机制下的准确率。

Comments 15 pages, 2 figures, 11 tables. Under review

TurnSight: Turn-Level Hindsight Self-Distillation for Tool-Integrated Reasoning

TurnSight：面向工具集成推理的回合级事后自蒸馏方法

Changle Qu, Sunhao Dai, Hengyi Cai, Yuqi Zhou, Xinran Chen, Simon, Jun Xu

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

AI总结 针对工具集成推理中现有方法缺乏细粒度监督的问题，提出TurnSight框架，通过回合级事后自蒸馏生成可靠监督信号，在三个基准上验证了其有效性。

Evidence-Grounded Multimodal Knowledge Graph Construction for Multi-Lecture Educational Reasoning

面向多讲座教育推理的证据 grounded 多模态知识图谱构建

Sahil Al Farib, Momota Ahsana Meem, Sheikh Redwanul Islam, Md. Tanvir Raihan

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

AI总结 该研究针对讲座视频知识保留不全问题，提出基于证据的多模态知识图谱构建流程，在神经网络讲座实验中取得高覆盖率与检索准确率，贡献可审计的知识图谱构建方法。

Verifier-Guided Model Discovery for Physical Dynamical Systems with Pretrained Symbolic Transformers

基于预训练符号 Transformer 的物理动力系统验证器引导式模型发现

Farbod Faraji, Francesco Belardinelli

机构 * Imperial College London（伦敦帝国学院） 纠错

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

AI总结 该研究提出了一种验证器引导式（VG）工作流程，基于预训练符号 Transformer ODEFormer 实现物理动力系统的可解释预测，在范德波尔振荡器和涡旋脱落场景中展现出优于原方法的性能与泛化能力。

Comments 33 pages, 13 figures, 10 tables

Why LLMs Give In: Conversational Factors and Reasoning Behind Medical Sycophancy

大模型为何妥协：医学谄媚背后的对话因素与推理

Kaike Ping, Buse Çarık, Caleb Wohn, Xiaohan Ding, Tongshuai Wang, Eugenia Rho

机构 * Virginia Tech（弗吉尼亚理工大学） ； Shanghai Tongren Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属同仁医院） ； Emory University（埃默里大学） 纠错

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

AI总结 研究发现医学谄媚是对话属性而非模型属性，通过5个开放权重模型和500个MedQuAD问题的120万次试验，揭示了对话因素对医学谄媚的影响及思维链轨迹的解释。

Comments 21 pages, 7 figures, 14 tables

Can LVLMs Uncover the Truth Behind Visual Illusions? An Analysis of Perceptual and Reasoning Capabilities

大型视觉语言模型（LVLMs）能否揭示视觉错觉背后的真相？感知与推理能力分析

Liangjie Zhao, Jiaqing Lyu, Kexin Tang, Zecheng Fang, Rong Yin, Yulan Hu, Da Li, Jianing Li

机构 * Adelaide University（阿德莱德大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Amap, Alibaba Group（阿里巴巴集团高德地图） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 本文利用IllusionReasoning基准，以视觉错觉为诊断工具评估LVLMs，发现多款LVLMs的推理能力不及宣称水平，为其优化提供了新方向。

TabRank: Chain-of-Thought Distillation for Table Re-Rankers

TabRank：表格重排器的思维链蒸馏

Adarsh Singh, Kushal Raj Bhandari, Jianxi Gao, Soham Dan, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Scale AI 纠错

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

AI总结 研究针对表格检索训练推理重排器的问题，提出TabRank框架，通过构建数据集并探索两种训练紧凑推理模型的变体，经压力测试，该方法在多表格检索数据集上显著提升性能，有效推广到多表格推理。

Comments 8 pages, 3 figures