大模型推理能力

Think, Act, Learn: A Framework for Autonomous Robotic Agents using Closed-Loop Large Language Models

思考、行动、学习：一种利用闭环大语言模型的自主机器人代理框架

Anjali R. Menon, Rohit K. Sharma, Priya Singh, Chengyu Wang, Aurora M. Ferreira, Mateja Novak

机构 * Dept. of Electronics & Comm. Eng.（电子与通信工程系） ； Government Engineering College（政府工程学院） ； Dept. of Electrical & Electronics Eng.（电气与电子工程系） ； Poornima College of Engineering（波奥尼玛工程学院） ； Dept. of Electronics & Telecom. Eng.（电子与电信工程系） ； Shivaji University College of Eng.（希瓦吉大学工程学院） ； Department of Computer Science（计算机科学系） ； San Francisco State University（旧金山州立大学） ； Dept. of Electrical Eng.（电气工程系） ； Instituto Federal do Maranhão（马里兰联邦学院） ； Dept. of Electrical & Computer Eng.（电气与计算机工程系） ； Technical University of Košice（科希丘夫技术大学） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出T-A-L框架，通过闭环大语言模型实现机器人自主学习与策略优化，显著提升复杂任务的成功率和泛化能力。

Comments 13 pages, 7 figures

GamiBench: Evaluating Spatial Reasoning and 2D-to-3D Planning Capabilities of MLLMs with Origami Folding Tasks

GamiBench: 通过折纸任务评估多模态大语言模型的空间推理和2D到3D规划能力

Ryan Spencer, Roey Yaari, Ritvik Vemavarapu, Joyce Yang, Steven Ngo, Utkarsh Sharma

专题命中 视觉空间推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.AI

AI总结 GamiBench通过折纸任务评估多模态大语言模型的空间推理和2D到3D规划能力，引入新指标并揭示模型在复杂折叠任务中的不足。

Unbiased Visual Reasoning with Controlled Visual Inputs

通过受控视觉输入实现无偏视觉推理

Zhaonan Li, Shijie Lu, Fei Wang, Jacob Dineen, Xiao Ye, Zhikun Xu, Siyi Liu, Young Min Cho, Bangzheng Li, Daniel Chang, Kenny Nguyen, Qizheng Yang, Muhao Chen, Ben Zhou

机构 * Arizona State University（亚利桑那州立大学） ； University of Southern California（南加州大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of California, Davis（加州大学戴维斯分校） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 VISTA通过解耦感知与推理，利用受控接口和强化学习训练，提升了视觉推理的鲁棒性和中立性。

From Indoor to Open World: Revealing the Spatial Reasoning Gap in MLLMs

从室内到开放世界：揭示MLLMs中的空间推理差距

Mingrui Wu, Zhaozhi Wang, Fangjinhua Wang, Jiaolong Yang, Marc Pollefeys, Tong Zhang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)

AI总结 本文提出了一种大规模基准测试，通过户外数据集揭示MLLMs在空间推理方面的不足，并证明其依赖语言先验而非真实视觉推理。

Comments Project page: https://mingrui-wu.github.io/openbench/

ReSemAct: Advancing Fine-Grained Robotic Manipulation via Semantic Structuring and Affordance Refinement

ReSemAct：通过语义结构化和效用细化推进细粒度机器人操作

Chenyu Su, Weiwei Shang, Chen Qian, Fei Zhang, Shuang Cong

机构 * Department of Automation, University of Science and Technology of China（自动化系，中国科学技术大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 ReSemAct 通过语义结构化和效用细化方法，在细粒度机器人操作中实现更精确的效用目标生成与动态环境适应。

Comments Code and videos: https://github.com/scy-v/ReSemAct and https://resemact.github.io

With Great Context Comes Great Prediction Power: Classifying Objects via Geo-Semantic Scene Graphs

大_context带来大预测能力：通过地-语义场景图进行物体分类

Ciprian Constantinescu, Marius Leordeanu

机构 * National University of Science and Technology（科学与技术国家大学） ； POLITEHNICA Bucharest（布加勒斯特POLITEHNICA） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 本文提出了一种基于地-语义场景图的上下文感知物体分类框架，通过整合深度估计与全景分割模型，显著提升分类准确率至73.4%，优于传统方法和多模态大语言模型。

Comments This paper is a development of the visual riddle game with Human-AI interaction, entitled "GuessWhat - Riddle Eye with AI", developed by Ciprian Constantinescu (POLItEHNICA Bucharest), Serena Stan (Instituto Cervantes Bucarest) and Marius Leordeanu (POLITEHNICA Bucharest), which was the winner (1st place) of the NeoArt Connect NAC 2025 Scholarship Program

VideoScaffold: Elastic-Scale Visual Hierarchies for Streaming Video Understanding in MLLMs

VideoScaffold: 基于弹性尺度的视觉层次结构用于多模态大语言模型中的流媒体视频理解

Naishan Zheng, Jie Huang, Qingpei Guo, Feng Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 VideoScaffold通过弹性尺度事件分割和层次事件整合，实现了流媒体视频理解中的细粒度到抽象事件推理的动态转换，提升多模态大语言模型的视频处理性能。

Comments 11 pages, 4 figures

Training AI Co-Scientists Using Rubric Rewards

利用评分奖励训练AI合作者

Shashwat Goel, Rishi Hazra, Dulhan Jayalath, Timon Willi, Parag Jain, William F. Shen, Ilias Leontiadis, Francesco Barbieri, Yoram Bachrach, Jonas Geiping, Chenxi Whitehouse

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； University of Oxford（牛津大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出利用评分奖励训练AI合作者，通过自动生成研究计划并改进模型性能，实现跨领域泛化和高效训练。

Comments 11 pages in the main paper, total 119 including sample outputs in the Appendix

Lightweight Inference-Time Personalization for Frozen Knowledge Graph Embeddings

轻量级推理时个性化方法用于冻结的知识图谱嵌入

Ozan Oguztuzun, Cerag Oguztuzun

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 GatedBias通过轻量级推理时个性化方法，实现对冻结知识图谱嵌入的个体用户适应，提升对齐度并保持群体性能，同时验证因果响应性。

Evaluating GRPO and DPO for Faithful Chain-of-Thought Reasoning in LLMs

评估GRPO和DPO在LLM中的忠实链式推理能力

Hadi Mohammadi, Tamas Kozak, Anastasia Giachanou

机构 * Utrecht University, Department of Information and Computing Sciences（乌特勒支大学信息与计算科学系） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；分类 cs.CL

AI总结 本文评估GRPO和DPO在提升LLM链式推理忠实性方面的性能，发现GRPO在大模型中表现更优，有助于开发更透明可信的推理方法。

Chain-of-thought Reviewing and Correction for Time Series Question Answering

时间序列问题回答的链式思考审查与修正

Chen Su, Yuanhe Tian, Yan Song

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） 纠错

专题命中 复杂问题求解 ：chain-of-thought(title)；reasoning(abstract)；CoT(abstract)；self-correction(abstract)

AI总结 T3LLM通过引入显式修正机制，利用三个LLM协作实现时间序列问题回答的多步骤推理与自我修正，从而在多个基准测试中取得最佳性能。

A Stepwise-Enhanced Reasoning Framework for Large Language Models Based on External Subgraph Generation

基于外部子图生成的大型语言模型逐步增强推理框架

Xin Zhang, Yang Cao, Baoxing Wu, Xinyi Chen, Kai Song, Siying Li

机构 * School of Information Science and Engineering, Chongqing Jiaotong University（重庆交通大学信息科学与工程学院） ； School of Computer Science and Technology, Chongqing University of Posts and Telecommunications（重庆邮电大学计算机科学与技术学院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL

AI总结 SGR通过外部子图生成提升LLM的推理能力，通过多步骤推理和整合路径生成最终答案，实验表明其优于现有基线模型。

VideoZoomer: Reinforcement-Learned Temporal Focusing for Long Video Reasoning

VideoZoomer: 用于长视频推理的强化学习时序聚焦

Yang Ding, Yizhen Zhang, Xin Lai, Ruihang Chu, Yujiu Yang

机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

AI总结 VideoZoomer通过强化学习实现动态时序聚焦，提升长视频推理性能和效率。

Beyond Correctness: Exposing LLM-generated Logical Flaws in Reasoning via Multi-step Automated Theorem Proving

超越正确性：通过多步骤自动定理证明暴露LLM生成的推理中的逻辑错误

Xinyi Zheng, Ningke Li, Xiaokun Luan, Kailong Wang, Ling Shi, Meng Sun, Haoyu Wang

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 MATP通过多步骤自动定理证明系统性验证LLM推理，揭示其逻辑错误并提升推理可信度。

Video Event Reasoning and Prediction by Fusing World Knowledge from LLMs with Vision Foundation Models

通过融合来自LLM的世界知识与视觉基础模型进行视频事件推理与预测

L'ea Dubois, Klaus Schmidt, Chengyu Wang, Ji-Hoon Park, Lin Wang, Santiago Munoz

机构 * INRIA（法国国家信息与自动化研究所） ； Max Planck Institute for Intelligent Systems（人工智能研究所） ； San Francisco State University（旧金山州立大学） ； Seoul AI Institute (SAII)（首尔人工智能研究所） ； Vision & Robotics Center, Tsinghua University（清华大学视觉与机器人中心） ； Polytechnic University of Madrid（马德里理工大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 本文提出融合视觉基础模型与LLM的世界知识，以提升视频事件推理与预测能力，实现从简单识别到高级认知理解的突破。

Comments 22 pages, 4 figures

Lessons from Neuroscience for AI: How integrating Actions, Compositional Structure and Episodic Memory could enable Safe, Interpretable and Human-Like AI

从神经科学中汲取教训：如何通过整合动作、组合结构和事件记忆来实现安全、可解释和类人的人工智能

Rajesh P. N. Rao, Vishwas Sathish, Linxing Preston Jiang, Matthew Bryan, Prashant Rangarajan

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.AI

AI总结 通过整合动作、组合结构和事件记忆，改进基础模型以实现安全、可解释和类人的人工智能。

ThinkGen: Generalized Thinking for Visual Generation

ThinkGen: 用于视觉生成的通用思考

Siyu Jiao, Yiheng Lin, Yujie Zhong, Qi She, Wei Zhou, Xiaohan Lan, Zilong Huang, Fei Yu, Yingchen Yu, Yunqing Zhao, Yao Zhao, Yunchao Wei

机构 * Beijing Jiaotong University（北京交通大学） ； Bytedance Home（字节跳动） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)

AI总结 ThinkGen通过结合预训练的大语言模型和扩散变换器，提出了一种基于思考的视觉生成框架，实现了在多种生成任务中的高效推理和高质量图像生成。

Scaling Unverifiable Rewards: A Case Study on Visual Insights

扩展不可验证的奖励：视觉洞察的案例研究

Shuyu Gan, James Mooney, Pan Hao, Renxiang Wang, Mingyi Hong, Qianwen Wang, Dongyeop Kang

机构 * University of Minnesota（明尼苏达大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出Selective TTS框架，通过多阶段流程优化提升视觉洞察质量，实现计算预算固定下的性能提升。

Comments 32 pages, 25 figures

FRoD: Full-Rank Efficient Fine-Tuning with Rotational Degrees for Fast Convergence

FRoD：全秩高效微调与旋转自由度以实现快速收敛

Guoan Wan, Tianyu Chen, Fangzheng Feng, Haoyi Zhou, Runhua Xu

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 FRoD通过结合层次联合分解与旋转自由度，实现高效全秩微调，提升收敛速度和鲁棒性，同时在多个基准测试中保持与全模型微调相当的准确性。

Comments The 40th Annual AAAI Conference on Artificial Intelligence

Geometric Structural Knowledge Graph Foundation Model

几何结构知识图谱基础模型

Ling Xin, Mojtaba Nayyeri, Zahra Makki Nayeri, Steffen Staab

机构 * University of Stuttgart（斯图加特大学） ； University of Southampton（南安普顿大学） ； Shahrood University of Technology（沙霍尔德大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 Gamma通过引入多头几何注意力机制，提升知识图谱推理的表达能力，优于现有方法Ultra，在零样本归纳链接预测中表现更优。

Comments Submitted to IEEE TPAMI, under review

RAVEL: Rare Concept Generation and Editing via Graph-driven Relational Guidance

RAVEL：通过图驱动的关系引导进行罕见概念生成与编辑

Kavana Venkatesh, Yusuf Dalva, Ismini Lourentzou, Pinar Yanardag

机构 * Virginia Tech（弗吉尼亚理工大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.CL

AI总结 RAVEL通过图驱动的关系引导方法，提升罕见概念生成与编辑的可控性和可解释性，适用于长尾领域。

Comments Project Page: https://ravel-diffusion.github.io/

Patience Is The Key to Large Language Model Reasoning

耐心是大型语言模型推理的关键

Yijiong Yu

专题命中 推理评测 ：reasoning(title,abstract)；CoT(abstract)；分类 cs.CL

AI总结 本研究提出了一种无需额外知识或技能的简单方法，通过鼓励模型采用更耐心的推理风格，提升大型语言模型在复杂任务中的性能。

Comments The paper is not solid enough because the evaluation data is too less and the improvement is not significant

The Illusion of Clinical Reasoning: A Benchmark Reveals the Pervasive Gap in Vision-Language Models for Clinical Competency

临床推理的幻觉：一个基准揭示了视觉语言模型在临床能力方面的广泛差距

Dingyu Wang, Zimu Yuan, Jiajun Liu, Shanggui Liu, Nan Zhou, Tianxing Xu, Di Huang, Dong Jiang

专题命中 推理评测 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本研究提出B&J基准测试，揭示了视觉语言模型在临床推理任务中存在显著的多模态整合能力不足问题，强调需在多模态整合和视觉理解上取得突破才能实现临床应用。

Cognitive Alignment in Personality Reasoning: Leveraging Prototype Theory for MBTI Inference

人格推理中的认知对齐：利用原型理论进行MBTI推断

Haoyuan Li, Yuanbo Tong, Yuchen Li, Zirui Wang, Chunhou Liu, Jiamou Liu

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 ProtoMBTI通过原型理论与认知对齐，提升文本人格推断的准确性和泛化能力。

Comments The authors have decided to withdraw this version to substantially revise and extend the work

ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning

ClinDEF: 一种用于大语言模型临床推理的动态评估框架

Yuqi Tang, Jing Yu, Zichang Su, Kehua Feng, Zhihui Zhu, Libin Wang, Lei Liang, Qiang Zhang, Keyan Ding, Huajun Chen

机构 * ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州全球科技创新中心） ； ZJU-UIUC Institute, Zhejiang University（浙江大学UIUC研究院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； The Polytechnic Institute, Zhejiang University（浙江大学 polytechnic 院） ； AntGroup（蚂蚁集团） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL

AI总结 ClinDEF通过模拟诊断对话评估大语言模型的临床推理能力，利用疾病知识图谱生成病例并进行多轮交互，提供细粒度效率分析和诊断质量评估，揭示LLM在临床推理中的关键不足。

Comments 23 pages, 4 figures, under review

R-Log: Incentivizing Log Analysis Capability in LLMs via Reasoning-based Reinforcement Learning

R-Log: 通过基于推理的强化学习激励大语言模型的日志分析能力

Yilun Liu, Ziang Chen, Song Xu, Minggui He, Shimin Tao, Weibin Meng, Yuming Xie, Tao Han, Chunguang Zhao, Jingzhou Du, Daimeng Wei, Shenglin Zhang, Yongqian Sun

机构 * Nankai University（南开大学） ； Huawei（华为） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI

AI总结 R-Log通过基于推理的强化学习提升大语言模型的日志分析能力，有效减少幻觉并提升泛化性能。

Comments Accepted by ICSE 2026 (SEIP Track)

Fine-tuning a Large Language Model for Automating Computational Fluid Dynamics Simulations

针对计算流体力学模拟的大型语言模型微调

Zhehao Dong, Zhen Lu, Yue Yang

机构 * State Key Laboratory for Turbulence and Complex Systems, College of Engineering, Peking University, Beijing 100871, China（湍流与复杂系统国家重点实验室，工程学院，北京大学，北京100871，中国） ； HEDPS-CAPT, Peking University, Beijing 100871, China（HEDPS-CAPT，北京大学，北京100871，中国） 纠错

专题命中 推理评测 ：chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI

AI总结 通过微调领域特定LLM，实现从自然语言到CFD模拟配置的自动化，提升复杂工程流程的效率和准确性。

Journal ref Theor. Appl. Mech. Lett. 15, 100594 (2025)

MME-CC: A Challenging Multi-Modal Evaluation Benchmark of Cognitive Capacity

MME-CC：认知能力多模态评估基准

Kaiyuan Zhang, Chenghao Yang, Zhoufutu Wen, Sihang Yuan, Qiuyue Wang, Chaoyi Huang, Guosheng Zhu, He Wang, Huawenyu Lu, Jianing Wen, Jianpeng Jiao, Lishu Luo, Longxiang Liu, Sijin Wu, Xiaolei Zhu, Xuanliang Zhang, Yu Liu, Ge Zhang, Yi Lin, Guang Shi, Chaoyou Fu, Wenhao Huang

机构 * Nanjing University（南京大学） 纠错

专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL

AI总结 MME-CC提出一个以视觉为基础的多模态评估基准，系统评估大语言模型在空间、几何和知识推理中的认知能力，揭示封闭源模型在总体表现上的优势及空间几何推理的薄弱环节。

LiveProteinBench: A Contamination-Free Benchmark for Assessing Models' Specialized Capabilities in Protein Science

LiveProteinBench: 一种无污染的基准测试，用于评估模型在蛋白质科学中的专用能力

Dingyi Rong, Zijian Chen, Qi Jia, Kaiwei Zhang, Haotian Lu, Guangtao Zhai, Ning Liu

专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)

AI总结 LiveProteinBench通过无污染的多模态基准测试，评估LLM在蛋白质科学中的专用能力，揭示了通用模型在零样本性能上的优势及多模态信息融合的挑战。

SelfCheck-Eval: A Multi-Module Framework for Zero-Resource Hallucination Detection in Large Language Models

SelfCheck-Eval: 一个用于大型语言模型中零资源幻觉检测的多模块框架

Diyana Muhammed, Giusy Giulia Tuccari, Gollam Rabby, Sören Auer, Sahar Vahdati

机构 * Department of Mathematics and Computer Science, University of Catania（卡塔尼亚大学数学与计算机科学系） ； L3S Research Center, Leibniz University Hannover（汉诺威莱布尼茨大学L3S研究中心） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 SelfCheck-Eval提出了一种多模块框架，专门用于检测大型语言模型在数学推理中的幻觉问题，通过三个独立模块提升检测效果。