大模型推理能力

JudgeRLVR: Judge First, Generate Second for Efficient Reasoning

JudgeRLVR: 先判后生成以实现高效推理

Jiangshan Duo, Hanyu Li, Hailin Zhang, Yudong Wang, Sujian Li, Liang Zhao

机构 * State Key Laboratory of 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） ； CFCS, School of Computer Science, Peking University（计算机学院，北京大学） ； LLM-Core Xiaomi（小智LLM核心） 纠错

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

AI总结 JudgeRLVR通过先判后生成的双阶段方法，提升大型语言模型在数学领域内的推理效率与准确性。

Comments 16 pages, 5 figures

AgriAgent: Contract-Driven Planning and Capability-Aware Tool Orchestration in Real-World Agriculture

AgriAgent：面向现实农业的合同驱动规划与能力感知工具编排

Bo Yang, Yu Zhang, Yunkui Chen, Lanfei Feng, Xiao Xu, Nueraili Aierken, Shijian Li

机构 * State Key Laboratory of Brain–Machine Intelligence（脑机智能国家重点实验室） ； College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学） 纠错

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

AI总结 AgriAgent通过合同驱动规划和能力感知工具编排，提升现实农业中复杂任务的执行成功率和鲁棒性。

DriveRX: A Vision-Language Reasoning Model for Cross-Task Autonomous Driving

DriveRX：一种用于跨任务自动驾驶的视觉-语言推理模型

Muxi Diao, Lele Yang, Hongbo Yin, Zhexu Wang, Yejie Wang, Daxin Tian, Kongming Liang, Zhanyu Ma

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Zhongguancun Academy（中关村学院） ； Beihang University（北航） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；planning(abstract)

AI总结 DriveRX是一种用于自动驾驶的视觉-语言推理模型，通过结构化推理提升多阶段决策能力，并在复杂驾驶条件下表现优异。

Autonomous Materials Exploration by Integrating Automated Phase Identification and AI-Assisted Human Reasoning

通过整合自动化相识别和AI辅助的人类推理实现自主材料探索

Ming-Chiang Chang, Maximilian Amsler, Duncan R. Sutherland, Sebastian Ament, Katie R. Gann, Lan Zhou, Louisa M. Smieska, Arthur R. Woll, John M. Gregoire, Carla P. Gomes, R. Bruce van Dover, Michael O. Thompson

机构 * Department of Materials Science and Engineering, Cornell University, Ithaca, NY 14853, United States（材料科学与工程系，康奈尔大学，Ithaca, NY 14853, United States） ； Department of Computer Science, Cornell University, Ithaca, NY 14853, United States（计算机科学系，康奈尔大学，Ithaca, NY 14853, United States） ； Joint Center for Artificial Photosynthesis, California Institute of Technology, Pasadena, CA 91125（人工光合作研究中心，加州理工学院，Pasadena, CA 91125） ； Cornell High Energy Synchrotron Source, Cornell University, Ithaca, NY 14850, United States（康奈尔高能同步辐射源，康奈尔大学，Ithaca, NY 14850, United States） 纠错

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

AI总结 通过整合自动化相识别和AI辅助的人类推理，实现自主材料探索，提升材料合成效率和发现新材料的能力。

Comments Main manuscript: 21 pages(including references), 6 figures. Supplementary Information: 12 pages, 9 figures, 1 table

RAG-R1: Incentivizing the Search and Reasoning Capabilities of LLMs through Multi-query Parallelism

RAG-R1：通过多查询并行性激励大语言模型的搜索与推理能力

Zhiwen Tan, Jiaming Huang, Qintong Wu, Hongxuan Zhang, Chenyi Zhuang, Jinjie Gu

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

AI总结 RAG-R1通过多查询并行性提升大语言模型的搜索与推理能力，实验显示其在问答基准中性能优于基线方法，推理效率提升显著。

GraphSearch: Agentic Search-Augmented Reasoning for Zero-Shot Graph Learning

GraphSearch: 基于代理的搜索增强推理用于零样本图学习

Jiajin Liu, Yuanfu Sun, Dongzhe Fan, Qiaoyu Tan

机构 * Department of Computer Science, New York University (Shanghai)（计算机科学系，纽约大学（上海）） 纠错

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

AI总结 GraphSearch通过图感知查询规划器和检索器实现零样本图学习，无需任务特定微调，提升图结构推理效率。

Comments 16 pages, 5 pages

Structured Debate Improves Corporate Credit Reasoning in Financial AI

结构化辩论提升金融AI中的企业信用推理

Yoonjin Lee, Munhee Kim, Hanbi Choi, Juhyeon Park, Seungho Lyoo, Woojin Park

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

AI总结 结构化辩论系统在金融AI中通过提升企业信用推理的严谨性和实用性，展示了更深入的分析能力，尽管计算时间较长。

Comments 18 pages, 4 figures, 2 algorithms, 2 tables, 4 appendices

UNCAP: Uncertainty-Guided Neurosymbolic Planning Using Natural Language Communication for Cooperative Autonomous Vehicles

UNCAP：基于自然语言通信的不确定性引导神经符号规划

Neel P. Bhatt, Po-han Li, Kushagra Gupta, Rohan Siva, Daniel Milan, Alexander T. Hogue, Sandeep P. Chinchali, David Fridovich-Keil, Zhangyang Wang, Ufuk Topcu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 UNCAP通过自然语言通信和不确定性引导方法，提升多车辆协同自动驾驶系统的可扩展性和安全性。

Journal ref AAMAS 2026

Unleashing Tool Engineering and Intelligence for Agentic AI in Next-Generation Communication Networks

释放工具工程与智能以推动下一代通信网络中的智能体AI

Yinqiu Liu, Ruichen Zhang, Dusit Niyato, Abbas Jamalipour, Trung Q. Duong, Dong In Kim

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)

AI总结 本文提出通过工具工程和智能提升下一代通信网络中的智能体AI，展示工具智能在无人飞行器轨迹规划中的应用，并提供6G时代的智能体构建路线图。

Explaning with trees: interpreting CNNs using hierarchies

用树解释：用层次结构解释CNN

Caroline Mazini Rodrigues, Nicolas Boutry, Laurent Najman

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

AI总结 本文提出xAiTrees框架，通过层次分割技术为CNN提供忠实且可解释的解释，提升xAI的可解释性。

Reliable Graph-RAG for Codebases: AST-Derived Graphs vs LLM-Extracted Knowledge Graphs

可靠的代码库图-RAG：基于AST的图与LLM提取的知识图谱

Manideep Reddy Chinthareddy

机构 * Software Engineer, Centerville, USA（美国辛斯维尔软件工程师） 纠错

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

AI总结 本文比较了基于AST的图谱和LLM提取的知识图谱在代码库中的检索性能，发现确定性AST图谱在索引成本和多跳推理方面更具优势。

Comments 46 pages, 2 figures

Exploiting DINOv3-Based Self-Supervised Features for Robust Few-Shot Medical Image Segmentation

利用基于DINOv3的自监督特征进行鲁棒的小样本医学图像分割

Guoping Xu, Jayaram K. Udupa, Weiguo Lu, You Zhang

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

AI总结 本文提出DINO-AugSeg框架，利用DINOv3特征结合小波域增强和上下文融合，提升小样本医学图像分割的鲁棒性。

Comments 36 pages, 11 figures

Rethinking Recurrent Neural Networks for Time Series Forecasting: A Reinforced Recurrent Encoder with Prediction-Oriented Proximal Policy Optimization

重新思考用于时间序列预测的循环神经网络：一种面向预测的强化编码器

Xin Lai, Shiming Deng, Lu Yu, Yumin Lai, Shenghao Qiao, Xinze Zhang

机构 * School of Management, Huazhong University of Science and Technology（华中科技大学管理学院） ； Center for Applied Mathematics, École des Ponts ParisTech（巴黎高等理工学院应用数学中心） ； School of Mechanical Engineering, Dalian Jiaotong University（大连交通大学机械工程学院） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） 纠错

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

AI总结 本文提出RRE-PPO4Pred方法，通过强化编码器和改进的PPO算法提升时间序列预测的准确性和模型能力。

Closed-Loop LLM Discovery of Non-Standard Channel Priors in Vision Models

闭环大语言模型在视觉模型中发现非标准通道先验

Tolgay Atinc Uzun, Dmitry Ignatov, Radu Timofte

机构 * Computer Vision Lab, CAIDAS \& IFI, University of W\"urzburg, Germany 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 本文提出利用大语言模型进行视觉模型通道配置优化，通过生成大量架构数据训练LLM学习通道配置与性能关系，实验表明该方法在CIFAR-100上显著提升准确性。

Effective outdoor pathloss prediction: A multi-layer segmentation approach with weighting map

有效户外路径损耗预测：一种多层分割方法与加权地图

Yuan Gao, Tao Wen, Wenjing Xie, Jianbo Du, Yong Zeng, Dusit Niyato, Shugong Xu

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出一种基于 ResNet 的多层分割方法与加权地图，用于有效预测户外路径损耗，实验表明其在精度和计算效率上优于现有方法。

Hybrid Centralized Distributed Control for Lifelong MAPF over Wireless Connections

混合集中式分布式控制用于无线连接下的终身MAPF

Jinghao Cao, Wanchun Liu, Yonghui Li, Branka Vucetic

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出了一种混合集中式-分布式控制方案，用于解决无线连接下的终身MAPF问题，通过集中式云策略和机载GRU策略相结合，提高通信效率和路径规划安全性。

Comments 11pages, 9 figures

The Impact of AI Generated Content on Decision Making for Topics Requiring Expertise

人工智能生成内容对需要专业知识的决策影响

Shangqian Li, Tianwa Chen, Gianluca Demartini

专题命中 规划推理 ：reasoning(abstract)

AI总结 本研究探讨了AI生成内容在需要专业知识的决策中对用户观点变化的影响，发现领域专业知识不足的用户更倾向于依赖已有结论而非改变观点。

Comments 2 figures, pre-print (not yet being produced) version for HEBT