大模型推理能力

LORE: A Large Generative Model for Search Relevance

LORE：一种大规模生成模型用于搜索相关性

Chenji Lu, Zhuo Chen, Hui Zhao, Zhiyuan Zeng, Gang Zhao, Junjie Ren, Ruicong Xu, Haoran Li, Songyan Liu, Pengjie Wang, Jian Xu, Bo Zheng

机构 * Alibaba Group（阿里巴巴集团） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 LORE提出了一种基于大规模生成模型的搜索相关性框架，通过两阶段训练和分层部署策略提升搜索效果，为垂直领域提供方法参考。

RobotDiffuse: Diffusion-Based Motion Planning for Redundant Manipulators with the ROP Obstacle Avoidance Dataset

RobotDiffuse: 基于扩散模型的冗余机械臂运动规划与ROP障碍避让数据集

Xudong Mou, Xiaohan Zhang, Tiejun Wang, Tianyu Wo, Cangbai Xu, Ningbo Gu, Rui Wang, Xudong Liu

机构 * School of Computer Science and Engineering, Beihang University, Beijing, China（北京航空航天大学计算机科学与工程学院） ； School of Software, Beihang University, Beijing, China（北京航空航天大学软件学院） ； Hangzhou Innovation Institute, Beihang University, Hangzhou, China（北京航空航天大学杭州创新研究院） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.LG

AI总结 RobotDiffuse通过扩散模型实现冗余机械臂运动规划，结合物理约束与点云编码器，并发布ROP数据集提升障碍避让性能。

Time-Scaling Is What Agents Need Now

现在智能体需要时间扩展

Zhi Liu, Guangzhi Wang

机构 * CareerInternational Research Team（CareerInternational研究团队） 纠错

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

AI总结 本文提出时间扩展概念，旨在通过扩展时间路径提升智能体的深度推理和问题解决能力，无需增加静态参数。

LiCoMemory: Lightweight and Cognitive Agentic Memory for Efficient Long-Term Reasoning

LiCoMemory: 轻量级和认知代理记忆用于高效的长期推理

Zhengjun Huang, Zhoujin Tian, Qintian Guo, Fangyuan Zhang, Yingli Zhou, Di Jiang, Zeying Xie, Xiaofang Zhou

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 LiCoMemory通过轻量级分层图和时间感知检索提升长期对话推理效率和准确性

EComStage: Stage-wise and Orientation-specific Benchmarking for Large Language Models in E-commerce

EComStage：面向电商大语言模型的分阶段和方向特定基准测试

Kaiyan Zhao, Zijie Meng, Zheyong Xie, Jin Duan, Yao Hu, Zuozhu Liu, Shaosheng Cao

机构 * The University of Tokyo（东京大学） ； Zhejiang University（浙江大学） ； Xiaohongshu Inc.（小红书公司） 纠错

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.CL

AI总结 EComStage提出一个分阶段和方向特定的电商大语言模型基准测试，评估LLM在感知、规划和行动阶段的表现，揭示不同规模和类型的模型在电商场景中的优势与不足。

Comments preprint

The Path Ahead for Agentic AI: Challenges and Opportunities

代理AI的未来之路：挑战与机遇

Nadia Sibai, Yara Ahmed, Serry Sibaee, Sawsan AlHalawani, Adel Ammar, Wadii Boulila

机构 * Robotics and Internet-of-Things (RIOTU) Lab, Prince Sultan University, Riyadh, Saudi Arabia（机器人与物联网（RIOTU）实验室，普森大学，利雅得，沙特阿拉伯） 纠错

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI

AI总结 本文探讨了代理AI从被动生成到自主行动的转变，分析了其技术挑战与核心方法，并提出了实现自主行为的关键研究方向。

ReCode: Unify Plan and Action for Universal Granularity Control

ReCode：统一计划与行动以实现通用粒度控制

Zhaoyang Yu, Jiayi Zhang, Huixue Su, Yufan Zhao, Yifan Wu, Mingyi Deng, Jinyu Xiang, Yizhang Lin, Lingxiao Tang, Yuyu Luo, Bang Liu, Chenglin Wu

机构 * DeepWisdom ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Renmin University of China（中国人民大学） ； Zhejiang University（浙江大学） ； Université de Montréal & Mila（蒙特利尔大学及Mila） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 ReCode通过递归代码生成统一规划与行动，实现通用粒度控制，提升智能体在不同决策粒度上的灵活性和效率。

Fact-Checking with Large Language Models via Probabilistic Certainty and Consistency

通过概率确定性与一致性进行大型语言模型的事实核查

Haoran Wang, Maryam Khalid, Qiong Wu, Jian Gao, Cheng Cao

机构 * Emory University（埃默里大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 PCC通过概率确定性与一致性框架，自适应决定LLM是否依赖内部知识或启动检索，以提升事实核查的准确性和效率。

From Muscle to Text with MyoText: sEMG to Text via Finger Classification and Transformer-Based Decoding

从肌肉到文本：MyoText：通过手指分类和基于Transformer的解码实现sEMG到文本

Meghna Roy Chowdhury, Shreyas Sen, Yi Ding

机构 * Purdue University（普渡大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；分类 cs.LG

AI总结 MyoText通过手指分类和Transformer解码实现sEMG到文本的高效转换，提升无键盘打字的准确性和可行性。

Comments 25 pages, 11 tables, 11 figures

ChemBART: A Pre-trained BART Model Assisting Organic Chemistry Analysis

ChemBART：一种用于有机化学分析的预训练BART模型

Kenan Li, Yijian Zhang, Jin Wang, Haipeng Gan, Zeying Sun, Xiaoguang Lei, Hao Dong

专题命中 规划推理 ：planning(abstract)；分类 cs.LG

AI总结 ChemBART是一种基于SMILES的预训练模型，通过反应导向的预训练解决多种化学任务，提升合成规划效率。

Agentic AI for Intent-Based Industrial Automation

基于意图的工业自动化代理AI

Marcos Lima Romero, Ricardo Suyama

机构 * Center for Engineering, Modeling（工程、建模中心） ； Applied Social Sciences Federal University of ABC - UFABC（应用社会科学联邦大学-UFABC） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.LG

AI总结 本文提出基于意图的工业自动化代理AI框架，通过自然语言表达目标并分解为可执行组件，实现人本、可持续的自动化系统。

Comments Preprint - Submitted to 16th IEEE/IAS International Conference on Industry Applications - INDUSCON 2025

Less is more: Probabilistic reduction is best explained by small-scale predictability measures

少即是多：概率性缩减最好由小规模可预测性度量解释

Cassandra L. Jacobs, Andrés Buxó-Lugo, Anna K. Taylor, Marie Leopold-Hooke

机构 * Department of Linguistics, University at Buffalo（语言学系，布法罗大学） ； Department of Psychology, University at Buffalo（心理学系，布法罗大学） ； Department of Computer Science and Engineering, University at Buffalo（计算机科学与工程系，布法罗大学） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.CL

AI总结 本文探讨了语言模型概率与认知现象关系中所需上下文量，证明n-gram表示可作为认知规划的单位。

HEXAR: a Hierarchical Explainability Architecture for Robots

HEXAR：机器人中的分层可解释性架构

Tamlin Love, Ferran Gebellí, Pradip Pramanick, Antonio Andriella, Guillem Alenyà, Anais Garrell, Raquel Ros, Silvia Rossi

机构 * Institut de Robòtica i Informàtica Industrial (CSIC-UPC)（机器人与信息工业研究所（CSIC-UPC）） ； PAL Robotics（PAL机器人技术公司） ； University of Naples Federico II（那不勒斯费德里科二世大学） ； Artificial Intelligence Research Institute (IIIA-CSIC)（人工智能研究所（IIIA-CSIC）） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 HEXAR通过分层可解释性架构提升机器人系统的透明度和可解释性，有效提高根因识别和运行效率。

Comments 8 pages, 6 figures

Generative AI for Networking

生成式人工智能用于网络

Faisal Zaman, Ouns Bouachir, Moayad Aloqaily, Ismaeel Al Ridhawi

专题命中 规划推理 ：planning(abstract)

AI总结 本文探讨生成式人工智能在提升网络性能和实现自适应网络中的作用，并展示利用transformers自注意力机制进行长期流量预测的案例。

Comments Accepted in IEEE AIMS-FLLM 2025