AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
CFPO：用于多模态推理的反事实策略优化
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.CL
AI总结 提出反事实策略优化框架，通过跨模态反事实增强机制强制视觉与文本推理的因果一致性，显著提升多模态推理的准确性。
Comments Accepted to ICML 2026. 17 pages
看得见的链，答不出的答案：针对视频MME上强制思维链的多方面评估方案
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Northeastern University（东北大学） ； Southern Methodist University（南卫理公会大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.LG
AI总结 提出三探针评估方案检验强制思维链在视频问答中的可靠性，应用于Qwen2.5-VL发现思维链强依赖视频但未提升准确率，甚至在小模型上导致下降。
Comments 10 pages, 5 figures. To appear at The 2nd Workshop on Evaluation for Multimodal Generation @ SIGIR 2026 (EvalMG '26)
相同的 Token 是否意味着相同的状态？MoE 路由作为推理控制的信号
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.CL
AI总结 研究发现稀疏 MoE 语言模型中相同 token 的路由状态因上下文而异，基于此提出 RAD 方法，通过路由一致性选择输出，无需解析答案字符串，在数学、GPQA 和代码任务上表现与多数投票相当。
SCOPE：面向开放环境规划的演化符号世界
机构 * Zhejiang University（浙江大学） ； Chalmers University of Technology（查尔姆斯理工大学） ； Lanzhou University（兰州大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出SCOPE框架，通过符号执行模拟器和自适应符号记忆模块，在开放环境中演化符号世界表示，提升规划完整性和鲁棒性。
Comments Accepted to ICML 2026
金点狙击手：VLM中的自引导视觉推理用于细粒度动作理解
机构 * Beijing National Research Center for Information Science and Technology (BNRist), Department of Automation, Tsinghua University（清华大学自动化系北京信息科学与技术国家研究中心） ； State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院通用人工智能国家重点实验室）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出金点狙击手框架，通过金点提取器、选择性苏格拉底提问器和语义蕴含评估器三个模块，增强轻量级VLM的细粒度人类动作理解能力，在CAP基准上达到接近GPT-4o的性能且事实准确性更优。
Robusto-2: 在利马与纽约市对自动驾驶中人类与VLM的基准测试
机构 * Artificio Lima, Peru
专题命中 推理与问题求解 ：prompting(abstract)；分类 cs.AI
AI总结 本研究通过视觉问答范式，比较人类驾驶员（来自利马和纽约）与视觉语言模型在利马和纽约的驾驶场景中的表现，发现人类与模型在回答事实、评级、反事实和推理四类问题时存在差异，但地理因素影响不显著。
Comments 11 pages main body. 42 pages total. Data publicly available online
Vesta: 一种通用具身推理模型
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Michigan（密歇根大学） ； Nanyang Technological University（南洋理工大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Tübingen（图宾根大学）
专题命中 推理与问题求解 ：foundation model(abstract)；分类 cs.AI
AI总结 提出统一的基础模型Vesta，整合定位、空间推理、导航和长时规划能力，通过大规模空间感知语料库和简单多模态记忆机制，在多个基准上平均优于专用模型20%以上，在真实机器人任务中成功率提升35%。
SPARC：用于电路问答的多智能体系统
机构 * University of Michigan（密歇根大学） ； Bangladesh University of Engineering and Technology（孟加拉工程与技术大学）
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.AI
AI总结 提出SPARC多智能体系统，通过可执行的物理仿真程序进行推理，在电路问答任务上实现83%准确率，较基线提升高达58%。
基于Lean的过程验证强化学习用于定理证明
机构 * KAIST AI（韩国科学技术院人工智能系）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出利用Lean证明助手提供过程级验证信号，结合GRPO风格强化学习目标，通过策略级监督提升定理证明性能。
DreamReasoner-8B：面向扩散推理模型的块大小课程学习
机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.CL
AI总结 提出块大小课程学习，通过从细粒度到粗粒度的渐进训练，解决块扩散语言模型在长链推理中性能差距问题，DreamReasoner-8B在数学和代码推理上达到与Qwen3-8B相当的水平。
GraphPO：基于图的推理模型策略优化
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Ant Group（蚂蚁集团）
专题命中 推理与问题求解 ：LLM(abstract_cn)；分类 cs.CL
AI总结 提出GraphPO框架，将推理轨迹建模为有向无环图，通过合并语义等价路径减少冗余探索，并利用边级优势函数提高推理效率，在多个基准上优于链式和树式方法。
Guava: 一种有效且通用的具身操作工具框架
机构 * University of Maryland College Park（马里兰大学帕克分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Waterloo（滑铁卢大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Amazon FAR（亚马逊 FAR）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出Guava框架，通过迭代感知-推理-行动循环、语义动作抽象和多模态观测三大关键设计，将具身操作能力蒸馏到4B开源模型中，在仿真和真实环境中性能媲美前沿专有模型。
“你撒谎了吗？”评估不同规模模型和信念验证模型生物体的谎言检测器
机构 * AI Security Institute（AI安全研究所）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 本研究通过构建13个信念可验证的推理模型生物体和多样化提示撒谎测试集，评估了四种谎言检测器在不同规模模型上的表现，发现基于激活和概率的检测器在训练模型生物体上性能显著下降，而思维链法官保持较强性能，但存在伪影。
Comments 12 pages, 6 figures
PearlVLA：潜在空间中的渐进式具身动作计划精炼
机构 * Imperial College London（帝国理工学院） ； Tsinghua University（清华大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出PearlVLA框架，通过在VLM潜在空间中进行迭代计划精炼，平衡动作生成效率与显式推理，在LIBERO基准上达到最先进性能。
Comments 21 pages, 2 figures. Preprint
多轮反射掩码激发掩码扩散模型中的推理能力
机构 * University of Maryland（马里兰大学） ； Virginia Tech（弗吉尼亚理工大学） ； Intuit ； UC Davis（加州大学戴维斯分校） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
专题命中 推理与问题求解 ：post-training(abstract)；分类 cs.CL
AI总结 提出反射掩码（RM）方法，通过轻量级后训练使掩码扩散模型具备多轮掩码与去噪能力，实现迭代局部修正，无需架构改变，在文本生成、数独和图像编辑等任务中优于基线。
Comments 22 pages, 6 figures, 5 tables
编织多源证据进行生物医学推理：BioMedHop基准与BioWeave框架
机构 * University of New South Wales（新南威尔士大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； University of Technology Sydney（悉尼科技大学）
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.CL
AI总结 提出BioMedHop基准和BioWeave框架，用于评估和实现生物医学多源证据推理，BioWeave在基准上优于基线方法10.5%，并提升小模型性能。
GRACE：基于上下文忠实推理的步骤级基准
机构 * Nanyang Technological University（南洋理工大学） ； VinUniversity
专题命中 推理与问题求解 ：prompting(abstract)；分类 cs.CL
AI总结 提出GRACE，首个带人工标注的步骤级忠实性基准，通过数据驱动错误分类法评估上下文推理中的链式思维步骤，并证明步骤级忠实信号可提升下游准确性和推理可靠性。
视觉锚定思维
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出视觉锚定思维方法，让视觉语言模型在推理时交替生成自然语言和视觉锚点（点或框），并通过合成数据管道和锚定感知强化学习训练，在计数和空间推理任务上显著提升性能。
EChO-Agent: 用于音频推理的证据链编排智能体
机构 * School of Artificial Intelligence, Tianjin University（天津大学人工智能学院）
专题命中 推理与问题求解 ：prompting(abstract)；分类 cs.AI
AI总结 提出EChO-Agent模块化框架，将复杂音频问答转化为规划、工具执行、证据整合和答案验证流程，在MMAR基准上提升准确率和评分。
Comments 5 pages, 2 figures. Accepted by Interspeech 2026
既非并行也非顺序：DiffusionGemma 实际如何提交令牌
机构 * Transformer Lab
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.LG
AI总结 通过钩取DiffusionGemma 26B的采样器接受步骤，测量其解码顺序，发现解码既非并行也非块自回归，而是呈现部分从左到右的提交偏差，且块大小是测量尺度的伪影而非架构特性。
边界框作为目标：通过神经符号规划实现语言条件抓取
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出GRASP框架，利用预训练VLM将自然语言查询转化为神经符号目标状态，通过边界框检测实现零样本桌面操作，无需任务特定训练。
Comments Project website: https://allisonandreyev.github.io/grasp.github.io/
SpatialClaw：重新思考智能体空间推理的动作接口
机构 * KAIST（韩国科学技术院） ； NVIDIA（英伟达）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出SpatialClaw框架，以代码作为动作接口，通过状态化Python内核和感知几何原语，使VLM智能体逐步执行并灵活组合中间结果，在20个3D/4D空间推理基准上平均准确率59.9%，比现有方法高11.2个百分点。
Comments Project page: https://spatialclaw.github.io/
递归智能体框架
机构 * PricewaterhouseCoopers, U.S.（普华永道（美国））
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.CL
AI总结 提出递归智能体框架（RAH），通过代码优先的框架递归扩展模型递归，在长上下文推理中显著提升编码智能体性能。
ERTS: 通过有界后果空间中的语义扰动进行伦理AI的对抗鲁棒性测试
机构 * Pratyush Chaudhari（普拉蒂什·查德哈里）
专题命中 推理与问题求解 ：LLM(abstract_cn)；分类 cs.AI
AI总结 提出伦理鲁棒性测试系统(ERTS)，通过有界伦理后果空间、语义扰动和领域自适应评估，测试AI在伦理推理中的对抗鲁棒性，实验表明仅33%模型通过测试。
Comments 8 pages, 10 tables
感知、交互、推理：构建工具增强的视觉智能体用于空间推理
机构 * Tsinghua University（清华大学） ； Virginia Tech（弗吉尼亚理工大学） ； NVIDIA（英伟达）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出PERIA智能体，通过视觉感知和交互工具增强VLM的空间推理能力，在13个基准上优于同类模型7.0%-14.8%。
世界模型与物理AI教程
机构 * Department of Computer Science and Artificial Intelligence/CAIIT, Jeonju, Jeonbuk, South Korea（韩国全北全州计算机科学与人工智能系/CAIIT）
专题命中 推理与问题求解 ：foundation model(abstract)；分类 cs.AI
AI总结 本文提出统一框架，区分显式与隐式世界模型，并探讨其在机器人、自动驾驶等物理AI领域的应用，以及迈向通用人工智能的挑战。
Foresight: 关于导航关键线索的迭代推理
机构 * UT Austin（德克萨斯大学奥斯汀分校） ； FieldAI
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出Foresight框架，利用微调VLM交替提出和批评图像空间运动计划，通过人类反馈学习奖励模型进行强化学习后训练，实现无地图导航中稀疏语言指令下的迭代运动优化，任务成功率提升37%。
Comments 22 pages, 10 figures, 3 tables
KCSAT-ML: 用全国队列人类难度探测推理模型
机构 * NAVER Cloud AI（NAVER云AI） ； KAIST AI（韩国科学技术院人工智能系）
专题命中 推理与问题求解 ：LLM(abstract_cn)；分类 cs.CL
AI总结 提出KCSAT-ML基准（含664道韩国高考数学题及339道带官方错误率的核心题）和难度对齐推理增益（DRG）指标，揭示视觉语言模型在人类高错误率题目上准确率崩溃、测试时缩放非单调以及同一模型族内反缩放与过度思考并存的现象。
Comments 18 pages, 14 figures, 8 tables
DIRECT: 在具身规划器中何时何地分配测试时计算？
机构 * Stanford University（斯坦福大学） ； University of Waterloo（滑铁卢大学） ； NVIDIA（英伟达）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出DIRECT路由框架，根据多模态场景上下文按提示分配计算资源，优化成功-成本帕累托前沿，实验表明不同缩放轴带来不同能力增益，在物理机器人上以更低延迟匹配或超越更强模型。
表示空间中的一致性：面向开放式自洽性
机构 * HiTZ Center - Ixa, University of the Basque Country (UPV/EHU)（HiTZ中心 - Ixa，巴斯克大学（UPV/EHU））
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.CL
AI总结 针对开放式生成任务，提出基于嵌入的协议（EBA），通过聚类采样生成的嵌入表示来估计自洽性，无需训练即可鲁棒地选择更可靠的输出。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈