OmniEVA: Embodied Versatile Planner via Task-Adaptive 3D-Grounded and Embodiment-aware Reasoning
Huawei Noah’s Ark Lab(华为诺亚实验室)
OmniEVA通过任务自适应3D grounding和具身aware推理,解决具身系统中几何适应性和具身约束的限制,实现先进的具身推理和任务规划。
2026-01-28 cs.AI cs.CL cs.CV
Benchmarking Temporal Reasoning and Alignment Across Chinese Dynasties
Tongyi Lab, Alibaba Group(阿里巴巴集团通义实验室)
针对现有时间推理基准缺乏上下文深度和实体范围有限的问题,提出中国时间推理基准CTM,评估大型语言模型在中国朝代年表中的跨实体关系、成对对齐及文化情境推理能力,实验揭示挑战并指明改进方向。
2025-02-24 cs.CL
MemoTime: Memory-Augmented Temporal Knowledge Graph Enhanced Large Language Model Reasoning
UNSW Data61(新南威尔士大学Data61);CSIRO(澳大利亚联邦科学与工业研究组织);UNSW Sydney Australia(新南威尔士大学悉尼分校);Data61, CSIRO(Data61,澳大利亚联邦科学与工业研究组织)
MemoTime通过带记忆的时序知识图框架提升LLM的时序推理能力,解决多跳推理、多实体同步、运算符适应和经验重用等挑战,实现先进性能。
2026-02-23 cs.CL
Can LLM be a Good Path Planner based on Prompt Engineering? Mitigating the Hallucination for Path Planning
College of Computer Science(计算机科学学院);Sichuan Normal University(四川师范大学);School of Information and Software Engineering(信息与软件工程学院);University of Electronic Science and Technology of China(电子科技大学)
本文提出S2RCQL模型,通过空间到关系转换、基于Q学习的路径规划算法和反向课程学习技术,缓解大语言模型在路径规划中的空间幻觉与上下文不一致幻觉,并在ERNIE-Bot 4.0上实现成功率和最优率23%--40%的提升。
2025-05-07 cs.CL
Unlocking Temporal Question Answering for Large Language Models with Tailor-Made Reasoning Logic
DAMO Academy, Alibaba Group(达摩院(阿里巴巴集团));Nanyang Technological University(南洋理工大学);National University of Singapore(新加坡国立大学);Salesforce AI;Hupan Lab(湖畔实验室)
针对大型语言模型在时间问答中推理不足的问题,提出TempLogic框架,通过检索引导上下文蒸馏、时间数据提取和定制逻辑推理,有效提升复杂时间约束推理性能。
2024-11-04 cs.CL
Collaborating with language models for embodied reasoning
DeepMind(深度思维)
在复杂和模糊的环境中进行推理是强化学习(RL)代理的关键目标。虽然一些复杂的RL代理可以成功地解决困难的任务,但它们需要大量的训练数据,并且经常难以推广到新的未知环境和新任务。另一方面,大规模语言模型(LSLM)表现出强大的推理能力和通过上下文学习适应新任务的能力。然而,LSLM本身并不具有询问或干预环境的能力。在这项工作中,我们将研究如何将这些互补的能力结合在一个由三个部分组成的单一系统中:一个规划师,一个演员和一个记者。规划器是一个预先训练好的语言模型,它可以向一个简单的具体化代理(执行者)发出命令,而报告器则与规划器通信,通知它的下一个命令。我们提出了一组任务,需要推理,测试该系统的能力,推广zero-shot和调查失败的情况下,并演示了该系统的组件可以训练与学习,以提高性能。
2023-02-01 cs.AI cs.CL cs.LG
BaziQA-Benchmark: Evaluating Symbolic and Temporally Compositional Reasoning in Large Language Models
Shanghai Jiao Tong University(上海交通大学)
BaziQA-Benchmark通过结构化推理协议评估大语言模型在符号性和时间组合推理中的表现,揭示其在时间难度和推理顺序上的敏感性及系统性缺陷。
2026-02-13 cs.CL
Living in the Moment: Can Large Language Models Grasp Co-Temporal Reasoning?
Institute of Computer Science and Technology, Soochow University(苏州大学计算机科学与技术学院);Shanghai AI Laboratory(上海人工智能实验室);Huazhong University of Science and Technology(华中科技大学);Tsinghua University(清华大学);The Chinese University of Hong Kong(香港中文大学)
本文提出共时问答基准 CoTempQA,包含四种共时场景和4,748个样本,发现现有LLMs与人类水平存在显著差距,并提出从数学角度提升共时推理能力的策略。
2024-06-13 cs.CL
Towards Robust Temporal Reasoning of Large Language Models via a Multi-Hop QA Dataset and Pseudo-Instruction Tuning
DAMO Academy, Alibaba Group(阿里巴巴集团达摩院);National University of Singapore(新加坡国立大学)
针对现有时序问答研究未关注多答案多跳推理的问题,本文构建了复杂时序推理数据集Complex-TR并提出新型数据增强策略,显著提升了大语言模型的时序推理性能与鲁棒性。
2024-07-12 cs.CL
Test of Time: A Benchmark for Evaluating LLMs on Temporal Reasoning
Google Research(谷歌研究院);Google DeepMind(谷歌DeepMind);Google(谷歌公司)
本文提出合成基准Test of Time,通过多样化问题类型系统评估LLM的时间推理能力,揭示其优势与不足,并开源数据集与评估框架。
2024-06-13 cs.CL
TRIPPULSE: Multi-Agent Travel Planning with Review-Grounded Reasoning
Microsoft(微软公司);IIT Bhubaneswar(布巴内斯瓦尔印度理工学院)
TRIPPULSE是基于评论推理的多智能体旅行规划框架,分解行程生成任务为多智能体并结合10万+评论与RGPA指标,可兼顾约束满足与个性化体验。
2026-09-01 cs.CL
RetroPlanner: Multi-Route Expansion and Multi-Objective Reasoning for LLM-Based Retrosynthesis Planning
Korea University(高丽大学)
RetroPlanner是一种基于大语言模型的逆合成规划器,通过联合比较多条路线并基于反应合理性等多目标推理,可恢复更多替代路线、提升路线质量且保持高成功率。
2026-10-14 cs.AI cs.CL cs.LG
Distilling Reasoning Without Knowledge: A Framework for Reliable LLMs
本文提出一种模块化框架,通过显式分离规划与事实检索及回答合成,提升大语言模型在需要最新或冲突信息时的可靠性。
2026-03-15 cs.AI cs.CL cs.IR
Back to the Future: Towards Explainable Temporal Reasoning with Large Language Models
The University of Manchester(曼彻斯特大学);Wuhan University(武汉大学)
本文提出首个可解释时序推理任务,构建含2.6万样本的多源指令微调数据集ExpTime,基于LlaMA2推出开源模型系列TimeLlaMA,在时序预测与解释任务上取得SOTA性能。
2023-10-08 cs.AI cs.CL
TimeBench: A Comprehensive Evaluation of Temporal Reasoning Abilities in Large Language Models
Harbin Institute of Technology(哈尔滨工业大学);Zhejiang University(浙江大学);Sun Yat-sen University(中山大学);Peng Cheng Laboratory(鹏城实验室)
本文提出综合分层的时间推理基准TimeBench,通过在GPT-4、LLaMA2等模型上的实验揭示大语言模型与人类在时间推理上的显著差距及类别差异,为相关研究提供评估平台。
2024-06-28 cs.AI cs.CL
Dynamic Planning with a LLM
School of Informatics(信息学院);University of Edinburgh(爱丁堡大学)
本文提出神经符号框架 LLM-DP,让 LLM 与传统规划器协作完成具身规划,以应对不确定性和上下文增长,并在 Alfworld 上优于 ReAct 基线。
2023-08-11 cs.CL cs.RO
AdapTime: Enabling Adaptive Temporal Reasoning in Large Language Models
Xi’an Jiaotong University(西安交通大学);City University of Hong Kong(香港城市大学);Tencent Jarvis Lab(腾讯 Jarvis实验室);Westlake University(西湖大学)
本文提出AdapTime方法,通过动态执行推理步骤提升大语言模型的时间推理能力,采用重构、重写和复核三步策略,无需外部工具即可增强模型对时间信息的处理能力。
2026-04-27 cs.AI cs.CL
Temporal reasoning for timeline summarisation in social media
Queen Mary University of London(伦敦女王学院);Bar-Ilan University(巴伊兰大学);The Alan Turing Institute(艾伦·图灵研究所)
本文提出通过知识蒸馏将时间推理能力融入LLM,并构建NarrativeReason数据集,以提升社交媒体长线程时间线摘要质量,在心理健康域外任务上验证了其有效性与泛化性。
2025-07-18 cs.AI cs.CL
Chameleon: Plug-and-Play Compositional Reasoning with Large Language Models
University of California, Los Angeles(加州大学洛杉矶分校);Microsoft Research, Redmond(微软研究院(雷德蒙德))
Chameleon 通过即插即用模块组合多种工具,以 LLM 规划器为核心解决复杂多模态推理任务,并在 ScienceQA 和 TabMWP 上显著提升准确率。
2023-10-31 cs.AI cs.CL cs.CV
Timo: Towards Better Temporal Reasoning for Language Models
Institute of Computer Science and Technology, Soochow University(苏州大学计算机科学与技术学院);Shanghai AI Laboratory(上海人工智能实验室);The Chinese University of Hong Kong(香港中文大学)
针对现有大语言模型时间推理方法泛化性不足的问题,研究者结合数学数据增强与自批评时间优化方法,开发了7B和13B规模的Timo模型,在38项时间推理任务上取得同尺寸模型最优性能。
2024-08-19 cs.AI cs.CL
TIME: A Multi-level Benchmark for Temporal Reasoning of LLMs in Real-World Scenarios
State Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University(多媒体信息处理国家重点实验室,计算机学院,北京大学);Huawei Noah’s Ark Lab(华为诺亚实验室)
提出多层级基准TIME,含38,522个问答对,覆盖真实世界时间推理挑战,实验分析推理模型性能并发布人工标注子集TIME-Lite。
2025-10-08 cs.AI cs.CL
Towards Benchmarking and Improving the Temporal Reasoning Capability of Large Language Models
DAMO Academy, Alibaba Group(阿里巴巴集团达摩院);National University of Singapore(新加坡国立大学)
本文针对现有时间依赖问答数据集的偏差问题,提出了全面探测数据集TempReason以评估大语言模型的时间推理能力,并设计了基于时间跨度提取与时间敏感强化学习的新框架来提升该能力,实验证明其方法有效。
2023-06-27 cs.AI cs.CL
Measuring Iterative Temporal Reasoning with Time Puzzles
Department of Linguistics & IACS(语言学系及人工智能与计算科学中心);Stony Brook University(石溪大学)
本文提出时间谜题,一种基于约束的日期推断任务,用于评估工具辅助的迭代时间推理。研究发现,即使使用工具,模型在处理时间推理任务时仍存在可靠性不足的问题。
2026-10-02 cs.AI cs.CL
Large Language Models-guided Dynamic Adaptation for Temporal Knowledge Graph Reasoning
Beijing University of Technology(北京工业大学);Monash University(莫纳什大学);University of Hong Kong(香港大学);Griffith University(格里菲斯大学)
本文提出LLM-DA方法,利用大语言模型从历史数据中提取时序逻辑规则,并通过动态自适应策略更新规则以适应TKG演变,无需微调即可提升时序知识图谱推理的准确性和可解释性。
2024-12-30 cs.AI cs.CL
Language Models can Infer Action Semantics for Symbolic Planners from Environment Feedback
University of Southern California(南加州大学)
本文提出PSALM,结合符号规划器与LLM,通过环境反馈自动学习动作语义,将计划成功率从36.4%提升至100%。
2024-11-08 cs.AI cs.CL cs.RO
Temporal Reasoning Transfer from Text to Video
The University of Hong Kong(香港大学);Peking University(北京大学);University of California, San Diego(加州大学圣迭戈分校)
本研究发现Video LLMs时间推理瓶颈源于底层LLM的时间概念处理缺陷,提出纯文本时间推理迁移方法T3,无需视频数据即可提升模型时间推理性能,验证了跨域迁移的有效性。
2024-10-08 cs.CL cs.CV
NeSTR: A Neuro-Symbolic Abductive Framework for Temporal Reasoning in Large Language Models
National Key Laboratory of Big Data and Decision(大数据与决策国家重点实验室)
NeSTR通过结合符号表示与反思推理,提升大语言模型在复杂时间约束下的推理能力。
2025-12-08 cs.AI cs.CL cs.LG
GPT-Driver: Learning to Drive with GPT
University of Southern California(南加州大学);Tsinghua University(清华大学)
本文提出 GPT-Driver,将运动规划重构为语言建模问题,利用 GPT-3.5 生成坐标轨迹,并通过提示—推理—微调提升数值推理与可解释性。
2023-12-05 cs.AI cs.CL cs.CV
Learning to Reason Over Time: Timeline Self-Reflection for Improved Temporal Reasoning in Language Models
University of Cambridge(剑桥大学);Amazon AGI(亚马逊人工智能研究院)
本文提出TISER框架,通过结合时间线构建与迭代自我反思的多阶段过程,利用测试时扩展延长推理轨迹,有效增强大型语言模型的时间推理能力,使较小开源模型在时间推理任务上超越较大闭权重模型。
2025-05-30 cs.AI cs.CL cs.LG
An Overview Of Temporal Commonsense Reasoning and Acquisition
University of Innsbruck(因斯布鲁克大学)
本文综述时间常识推理与获取研究,指出大语言模型虽能生成正确句子但推理浅层,通过多种增强手段提升性能仍难及人类,强调谨慎解读评估结果并合理设计数据集与指标。
2023-11-16 cs.AI cs.CL cs.LG
TwoStep: Multi-agent Task Planning using Classical Planners and Large Language Models
University of Southern California(南加州大学)
本研究提出TwoStep方法,结合经典规划器与LLM,通过LLM进行多智能体目标分解,实现比直接求解多智能体PDDL更快的规划时间,同时减少执行步骤并保证执行成功,效果接近人类专家分解。
2025-03-25 cs.AI cs.CL cs.MA
LOCKR: A Hidden-State Trajectory-Guided Planner for Detecting and Repairing Stable-but-Wrong Lock-In in Diffusion Language Models
Rochester Institute of Technology(罗切斯特理工学院);NVIDIA Corporation(英伟达公司)
LOCKR利用扩散语言模型的隐藏状态轨迹,在测试时检测并修复稳定但错误的锁定,通过轨迹引导规划选择修复分支,在两个模型和三个基准上提升准确率2.21-5.37个百分点。
2026-09-25 cs.CL
Overcoming Multi-step Complexity in Multimodal Theory-of-Mind Reasoning: A Scalable Bayesian Planner
Dartmouth College(达特茅斯学院);Honda Research Institute USA(本田美国研究院)
本文提出了一种可扩展的贝叶斯理论思维规划器,通过分步贝叶斯更新分解理论思维推理,利用弱到强控制使小语言模型专精于理论思维似然估计,并将其推理行为转移给大语言模型,从而在多模态理论思维基准测试中实现4.6%的准确率提升。
2026-05-09 cs.AI cs.CL
Temporal Reasoning on Implicit Events from Distant Supervision
Allen Institute for AI(艾伦人工智能研究所);University of Pennsylvania(宾夕法尼亚大学);Amazon(亚马逊)
我们提出了TRACIE,一个新的时间推理数据集,评估系统理解隐式事件的程度-事件没有明确提到的自然语言文本,但可以推断出it. This引入了一个新的挑战,在时间推理研究,以前的工作集中在明确提到的事件。人类读者可以通过常识推理推断出隐含的事件,从而更全面地理解情况,从而更好地推理时间。然而,我们发现,国家的最先进的模型的斗争时,预测隐式和显式事件之间的时间关系。为了解决这个问题,我们提出了一个神经符号的时间推理模型,SYMTIME,它利用远程监督信号从大规模的文本,并使用时间规则结合开始时间和持续时间推断结束时间。SYMTIME在TRACIE上的表现优于强基线系统5%,在零先验知识培训设置中优于强基线系统11%。我们的方法也推广到其他时间推理任务,证明了1%-9%的MATRES,一个明确的事件基准增益。
2021-05-07 cs.CL
ECONET: Effective Continual Pretraining of Language Models for Event Temporal Reasoning
University of Southern California(南加利福尼亚大学);University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
虽然预训练的语言模型(PTLM)在许多NLP任务上取得了显著的成功,但它们仍然难以处理需要事件时间推理的任务,这对于以事件为中心的应用程序至关重要。我们提出了一个持续的预训练方法,装备PTLM有针对性的知识事件的时间关系。我们设计了自监督学习目标来恢复屏蔽的事件和时间指标,并将句子与其损坏的对应物(事件或时间指标被替换)区分开来。通过进一步的预训练PTLM与这些目标联合,我们加强了它的注意事件和时间信息,产生增强的能力,事件的时间推理。这种有效的事件时间推理(ECONET)的连续预训练框架提高了PTLM在五个关系抽取和问答任务中的微调性能,并在我们的大多数下游任务中实现了新的或同等水平的最先进的性能。
2021-09-16 cs.CL
OraPlan-SQL: A Planning-Centric Framework for Complex Bilingual NL2SQL Reasoning
Oracle AI
针对复杂双语NL2SQL推理任务,提出以规划为核心的OraPlan-SQL框架,通过反馈引导元提示优化单规划器、实体链接解决多语言实体问题及规划多样化投票,在2025年Archer挑战赛中夺冠,准确率领先第二名超6%。
2025-10-27 cs.AI cs.CL
Planner and Executor: Collaboration between Discrete Diffusion And Autoregressive Models in Reasoning
EPFL(苏黎世联邦理工学院);MBZUAI(马克斯·普朗克人工智能研究所);ETH Zürich(苏黎世联邦理工学院);Microsoft Research Asia(微软亚洲研究院)
本文研究 DDLM 与 ARM 的混合推理架构,通过文本及潜空间规划—执行协作,在显著减少 token 用量的同时提升 DART-5 和 AIME24 准确率。
2025-10-20 cs.AI cs.CL cs.LG
SagaQA: A Multi-hop Reasoning Benchmark for Long-form Narrative Understanding in TV Series
IRIT, University of Toulouse, France(法国图卢兹大学IRIT中心);Agency for Science, Technology and Research (A*STAR), Singapore(新加坡科技研究局);CNRS, IRIT, France(法国CNRS与IRIT)
提出SagaQA基准,通过跨剧集的多跳推理任务评估模型对完整电视剧多模态叙事的高层次理解,并比较并行、顺序和混合三种规划策略的性能。
2026-06-02 cs.CL cs.CV
Deep compositional robotic planners that follow natural language commands
CSAIL(麻省理工学院计算机科学与人工智能实验室);CBMM(麻省理工学院大脑、思维与机器中心);MIT(麻省理工学院)
我们演示了如何采样为基础的机器人规划可以增强学习理解一系列的自然语言命令在一个连续的配置空间移动和操纵对象。我们的方法结合了一个深度网络结构,根据一个复杂的命令,包括对象,动词,空间关系和属性的解析,与基于采样的规划,RRT。循环层次深度网络控制规划者如何探索环境,确定规划的路径何时可能实现目标,并估计每次移动的信心,以在网络和规划者之间权衡利用和探索。Plantable被设计为在缺少有关任务的信息时具有接近最佳的行为,而网络则学习利用从环境中获得的观察结果,使两者自然互补。将两者结合起来,可以泛化到新的地图、新的障碍物和训练集中没有出现的更复杂的句子。训练模型所需的数据很少,尽管它联合获取了一个CNN,该CNN在学习单词的含义时从环境中提取特征。该模型通过使用注意力地图提供了一定程度的可解释性,允许用户查看其推理步骤,尽管是端到端模型。这种端到端模型允许机器人在具有挑战性的连续环境中学习遵循自然语言命令。
2020-02-19 cs.CL cs.RO
MTGER: Multi-view Temporal Graph Enhanced Temporal Reasoning over Time-Involved Document
Harbin Institute of Technology(哈尔滨工业大学);Peng Cheng Laboratory(鹏城实验室)
针对文档中事实与时间交织导致的时间推理难题,提出多视图时间图增强框架MTGER,通过异质时间图显式建模关系、多视图自适应融合及自监督时间对比目标,在两个数据集上取得更优效果且抗扰动性更强。
2023-11-08 cs.AI cs.CL
Enhancing Temporal Sensitivity and Reasoning for Time-Sensitive Question Answering
University of Technology Sydney(悉尼科技大学);University of Liverpool(利物浦大学)
本文提出结合时间信息感知嵌入与粒度对比强化学习的新框架,以增强大模型的时间敏感性与推理能力,并在四个TSQA数据集上显著超越现有模型。
2024-09-29 cs.AI cs.CL
Temporal-Aware Heterogeneous Graph Reasoning with Multi-View Fusion for Temporal Question Answering
1 School of Internet of Things, Nanjing University of Posts;Telecommunications 2 Faculty of Medicine \& Health, University of New South Wales, Sydney, Australia 3 Dept. of Biomedical Engineering \& Biotechnology, Khalifa University, Abu Dhabi 4 Beijing Information Science;Technology University 5 Shortest Path Technology Co., Ltd.
本文提出一种时序感知异构图推理框架,通过多视角融合提升时序问答的准确性和效率。
2026-02-23 cs.AI cs.CL
A Survey on Temporal Reasoning for Temporal Information Extraction from Text (Extended Abstract)
University Medical Center Utrecht(乌得勒支大学医学中心);KU Leuven(鲁汶大学)
时间深深地融入了人们对世界的感知和交流。我们几乎是无意识地为我们的语言话语提供了时间线索,比如动词时态,没有这些线索,我们很难造句。从文本中提取时间线索,并构建关于描述事件顺序的全局时间视图是自动自然语言理解的主要挑战。时间推理是将不同的时间线索组合成一个连贯的时间视图的过程,在时间信息抽取中起着核心作用。本文综述了过去几十年来关于文本时间信息抽取的时间推理研究,并提供了一个将符号推理与基于机器学习的信息抽取系统相结合的案例研究。
2020-05-15 cs.AI cs.CL cs.LG
Temporal Knowledge Question Answering via Abstract Reasoning Induction
Laboratory for Big Data and Decision, National University of Defense Technology(国防科技大学大数据与决策实验室);Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳))
针对大语言模型时序知识推理能力不足的问题,提出将时序推理分为知识无关与知识相关阶段的ARI框架,结合建构主义引导模型主动从历史推理样本学习,在两个时序问答数据集上分别取得29.7%与9.27%的相对提升。
2024-05-17 cs.AI cs.CL
Temporal Reasoning via Audio Question Answering
Facebook Reality Labs(Facebook现实实验室);Facebook AI Research(Facebook人工智能研究院)
多模态问答任务可以作为代理任务来研究能够感知和推理世界的系统。关于不同类型的输入方式的问题强调了推理的不同方面,如视觉推理,阅读理解,故事理解或导航。本文以音频问答(AQA)为例,研究了机器学习模型的时态推理能力。为此,我们介绍了诊断音频问答(DAQA)数据集,包括自然声音事件的音频序列和编程生成的问题和答案,探测时间推理的各个方面。我们适应最近的几个国家的最先进的视觉问答的AQA任务的方法,并使用DAQA证明,他们表现不佳的问题,需要深入的时间推理。最后,我们提出了一个新的模型,多个辅助控制器的线性调制(MALiMo),扩展了最近的智能线性调制(FILM)模型,并显着提高其时间推理能力。我们设想DAQA促进AQA和时间推理的研究和MALiMo的AQA模型的一步。
2019-11-21 cs.CL cs.LG cs.SD