大模型推理能力

DPWriter: Reinforcement Learning with Diverse Planning Branching for Creative Writing

DPWriter: 基于多样化规划分支的强化学习用于创造性写作

Qian Cao, Yahui Liu, Wei Bi, Yi Zhao, Ruihua Song, Xiting Wang, Ruiming Tang, Guorui Zhou, Han Li

机构 * Renmin University of China（中国人民大学） ； Kuaishou Technology（快手科技） 纠错

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

AI总结 DPWriter通过多样化规划分支方法提升创造性写作的输出多样性，同时保持生成质量。

UserLM-R1: Modeling Human Reasoning in User Language Models with Multi-Reward Reinforcement Learning

UserLM-R1: 通过多奖励强化学习建模人类推理在用户语言模型中的应用

Feng Zhang, Shijia Li, Chunmao Zhang, Zhanyu Ma, Jun Xu, Jiuchong Gao, Jinghua Hao, Renqing He, Jingwen Xu, Han Liu

机构 * Meituan（美团） ； Peking University（北京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Dalian University of Technology（大连理工大学） 纠错

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

AI总结 UserLM-R1通过多奖励强化学习和动态目标驱动策略，提升用户语言模型在跨领域和对抗性场景中的推理与策略能力。

AutoToM: Scaling Model-based Mental Inference via Automated Agent Modeling

AutoToM: 通过自动化代理建模实现基于模型的心理推理扩展

Zhining Zhang, Chuanyang Jin, Mung Yao Jia, Shunchi Zhang, Tianmin Shu

机构 * Peking University（北京大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 AutoToM通过自动化代理建模实现可扩展、稳健且可解释的心理推理，优于现有方法并支持在线心理推理。

Comments NeurIPS 2025 (Spotlight). 42 pages, 11 figures, 15 tables. Website at https://chuanyangjin.com/AutoToM/

MAXS: Meta-Adaptive Exploration with LLM Agents

MAXS: 基于LLM代理的元适应性探索

Jian Zhang, Zhiyuan Wang, Zhangqi Wang, Yu He, Haoran Luo, li yuan, Lingling Zhang, Rui Mao, Qika Lin, Jun Liu

机构 * Xi’an Jiaotong University（西安交通大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 MAXS通过元适应性探索框架提升LLM代理在多工具推理中的全局有效性和计算效率。

The AI Hippocampus: How Far are We From Human Memory?

人工智能海马体：我们离人类记忆还有多远？

Zixia Jia, Jiaqi Li, Yipeng Kang, Yuxuan Wang, Tong Wu, Quansen Wang, Xiaobo Wang, Shuyi Zhang, Junzhe Shen, Qing Li, Siyuan Qi, Yitao Liang, Di He, Zilong Zheng, Song-Chun Zhu

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

AI总结 本文综述了大语言模型和多模态大语言模型中记忆机制的分类与研究进展，探讨了隐性、显性和代理记忆框架，以及多模态场景下的记忆整合与挑战。

Journal ref Transactions on Machine Learning Research (11/2025)

The Hierarchy of Agentic Capabilities: Evaluating Frontier Models on Realistic RL Environments

代理能力的层级：在现实强化学习环境中评估前沿模型

Logan Ritchie, Sushant Mehta, Nick Heiner, Mason Yu, Edwin Chen

机构 * Surge AI 纠错

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

AI总结 本文评估了前沿AI模型在现实强化学习环境中的代理能力层级，揭示了模型在工具使用、规划、适应性等任务上的能力差异及改进方向。

Monte-Carlo Tree Search with Neural Network Guidance for Lane-Free Autonomous Driving

基于神经网络引导的蒙特卡罗树搜索用于无车道自动驾驶

Ioannis Peridis, Dimitrios Troullinos, Georgios Chalkiadakis, Pantelis Giankoulidis, Ioannis Papamichail, Markos Papageorgiou

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

AI总结 本文提出了一种基于神经网络引导的蒙特卡罗树搜索方法，用于无车道环境下的自动驾驶，旨在提高交通流率并优化安全性和效率。

A Taxonomy and Review of Algorithms for Modeling and Predicting Human Driver Behavior

自动驾驶中人类驾驶行为建模与预测算法的分类与综述

Raunak P. Bhattacharyya, Kyle Brown, Juanran Wang, Katherine Driggs-Campbell, Mykel J. Kochenderfer

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

AI总结 本文对自动驾驶中人类驾驶行为建模与预测算法进行了分类和综述，统一了意图估计、特质估计和运动预测方法，并指出了该领域未来的研究方向。

Comments This revision has been accepted for publication in the Proceedings of the IEEE. The final version is available on IEEE Xplore

Interpretable Probability Estimation with LLMs via Shapley Reconstruction

通过Shapley重构实现LLM的可解释概率估计

Yang Nan, Qihao Wen, Jiahao Wang, Pengfei He, Ravi Tandon, Yong Ge, Han Xu

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

AI总结 PRISM通过Shapley值重构提升LLM概率估计的透明性和准确性，适用于金融、医疗等多个领域。

When Single-Agent with Skills Replace Multi-Agent Systems and When They Fail

当单智能体与技能取代多智能体系统以及何时会失败

Xiaoxiao Li

机构 * Trusted and Efficient AI (TEA) Lab（可信高效人工智能实验室） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； CIFAR AI Chair（CIFAR人工智能 chair） 纠错

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

AI总结 研究探讨单智能体通过技能库替代多智能体系统在复杂推理中的有效性及局限性，提出基于认知科学的技能选择有限容量理论，并通过层次路由验证其可行性。

Comments 25 pages, technical report

Variance-Penalized MC-Dropout as a Learned Smoothing Prior for Brain Tumour Segmentation

方差惩罚的MC-Dropout作为脑肿瘤分割的学得平滑先验

Satyaki Roy Chowdhury, Golrokh Mirzaei

机构 * Department of Computer Science（计算机科学系） ； Engineering, The Ohio State University（工程系，俄亥俄州立大学） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 UAMSA-UNet通过结合多尺度注意机制和学习的平滑先验，提升脑肿瘤分割的精度和效率，同时减少计算量。

Comments Accepted by ISBI 2026

Scaling Remote Sensing Foundation Models: Data Domain Tradeoffs at the Peta-Scale

在百亿级数据规模下扩展遥感基础模型：在百亿级数据规模下的领域权衡

Charith Wickrema, Eliza Mace, Hunter Brown, Heidys Cabrera, Nick Krall, Matthew O'Neill, Shivangi Sarkar, Lowell Weissman, Eric Hughes, Guido Zarrella

机构 * The MITRE Corporation（MITRE公司） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 研究探讨了在百亿级数据规模下扩展遥感基础模型的挑战与权衡，通过训练更大规模的视觉Transformer主干，揭示了数据受限与模型参数受限之间的关系，并提出了优化数据收集和计算资源的策略。