AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
CoMAT：数学注释的思维链提升数学推理
机构 * School of Informatics, The University of Edinburgh（信息学院，爱丁堡大学） ； Imperial College London（伦敦帝国学院）
专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 CoMAT通过符号转换和推理执行两个阶段提升数学推理能力，在多个基准测试中超越传统CoT方法。
Comments 9 pages, 12 figures
Journal ref Proc. EMNLP 2025, pp. 20245-20274
协同多智能体测试时间强化学习用于推理
机构 * MIT（麻省理工学院） ； NUS（新加坡国立大学） ； NYU（纽约大学） ； Microsoft（微软） ； Columbia（哥伦比亚大学） ； NTU（国立科技大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 MATTRL通过在推理阶段注入结构化文本经验，提升多智能体在医学、数学和教育等领域的推理准确性，比多智能体基线提升3.67%，比单智能体基线提升8.67%。
Comments Work in Progress
V-Zero：基于零标注的自改进多模态推理
机构 * State Key Laboratory of CAD&CG（计算机辅助设计与图形学国家重点实验室） ； Zhejiang University（浙江大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 V-Zero通过自改进机制在无需人工标注的情况下提升多模态模型的视觉数学推理和通用视觉能力。
通过自适应前缀对齐实现长链推理蒸馏
机构 * School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Institute for AI, Tsinghua University, China（清华大学计算机科学与技术系） ； Alibaba Group, China（阿里巴巴集团）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 通过自适应前缀对齐方法提升学生模型的推理能力，有效蒸馏教师生成的长推理轨迹。
SuS：基于策略的惊喜用于内在探索
机构 * Higher School of Economics（俄罗斯高等经济学院） ； AI Talent Hub（人工智能人才中心） ； ITMO University（ITMO大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 SuS通过结合策略稳定性与策略惊喜，提升强化学习中探索的准确性和多样性，实现显著性能提升。
Comments 8 pages, 7 figures, 3 tables. Code available at https://github.com/mariklolik/sus
MathArena: 在无污染数学竞赛中评估大语言模型
机构 * ETH Zurich（苏黎世联邦理工学院） ； INSAIT
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 MathArena通过评估数学竞赛中的LLM，揭示了模型在推理和证明写作上的能力与局限。
PCN-Rec: 基于代理的证明携带协商用于可靠约束下的推荐
机构 * Wake Technical Community College（韦克技术社区学院） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
专题命中 代码与定理证明 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 PCN-Rec通过代理证明携带协商机制，在满足治理约束的同时提升推荐可靠性与准确性。
SciNets: 图约束多跳推理用于科学文献综合
机构 * Jaypee Institute of Information Technology（杰伊佩 Institute 信息科技学院）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 SciNets通过图约束多跳推理实现科学文献综合，通过多跳路径连接罕见共现的概念，提升机制解释的稳定性和多样性。
Comments 19 pages, 2 figures
ReasAlign: 基于推理增强的安全对齐以抵御提示注入攻击
机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； NVIDIA（NVIDIA公司） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 ReasAlign通过结构化推理和测试时缩放机制，有效防御提示注入攻击，实现安全与效用的最佳平衡。
Comments 15 pages, 10 figures
基于推理语言模型的AI代理在ALD过程优化任务中的性能
机构 * Applied Materials Division, Argonne National Laboratory, Lemont, IL 60439, USA（阿贡国家实验室应用材料部）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究基于推理语言模型的AI代理在ALD过程优化中的性能，发现其能有效完成优化任务，但存在响应不确定性及潜在的推理偏差。
语言模型是高效的推理者吗？从逻辑编程的角度看
机构 * ETH Zürich（苏黎世联邦理工学院） ； MPI for Intelligent Systems, Tübingen（智能系统马克斯·普朗克研究所） ； EPFL（苏黎世联邦理工学院） ； Idiap Research Institute（Idiap研究机构） ； Purdue University（普渡大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文从逻辑编程角度评估语言模型的推理效率，发现其在存在无关信息时推理能力下降，生成证明常包含不必要的推理步骤。
Comments NeurIPS 2025
SIN-Bench：在长上下文多模态科学交织文献中追踪原生证据链
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； KuaiShou Inc.（快手公司） ； Stanford University（斯坦福大学） ； Harvard University（哈佛大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 SIN-Bench 通过构建科学交织语料库和四个逐步任务，评估多模态模型在长上下文科学文献中追踪证据链的能力，揭示接地是主要瓶颈。
通过参数化阶段令牌消除引言生成中的代理工作流
机构 * School of Economics and Management, East China Normal University（经济管理学院，东华大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出STIG方法，通过参数化阶段令牌消除代理工作流，使LLM在单次推理中生成连贯的引言，提升逻辑结构和语义相似性。
C-GRASP：基于临床的感知信号处理推理
机构 * Department of Physics National Central University（物理系国立中央大学） ； Center for Education National Central University（教育中心国立中央大学）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 C-GRASP通过临床基础推理提升情感信号处理的准确性与临床一致性。
临床自然语言推理中的 compartmentalised agentic 推理
机构 * Department of Computer Science, University of Manchester, UK（曼彻斯特大学计算机科学系） ； National Biomarker Centre, CRUK-MI, University of Manchester, UK（曼彻斯特大学国家生物标记中心） ； Idiap Research Institute, Switzerland（日内瓦IDIAP研究所） ； School of Computer Science, University of Sheffield, UK（谢菲尔德大学计算机科学系） ； École Polytechnique Fédérale de Lausanne (EPFL), Switzerland（洛桑联邦理工学院（EPFL））
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 CARENLI 通过 compartmentalisation 和验证提升临床自然语言推理的准确率，从 23% 提高到 57%
DecisionLLM: 用于长序列决策探索的大型语言模型
机构 * Renmin University of China, Beijing China（中国人民大学） ； Alibaba Group, Beijing, China（阿里巴巴集团）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 DecisionLLM基于Transformer架构，通过将轨迹视为独立模态，解决LLMs在连续值解释上的不足，实现长序列决策任务的高性能表现。
OUTLINEFORGE: 基于显式状态的分层强化学习用于科学写作
机构 * UC San Diego（圣迭戈大学） ； Ohio State University（俄亥俄州立大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 OUTLINEFORGE通过分层强化学习和显式状态管理，提升科学写作的全局结构和引用一致性，改进文档规划和事实准确性。
WebRollback: 通过显式回滚机制增强网络代理
机构 * City University of Hong Kong（香港城市大学） ； Tencent AI Lab（腾讯人工智能实验室）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI
AI总结 通过显式回滚机制提升网络代理的导航效率与灵活性
Comments EACL 2026
GUI-Eyes: 用于GUI代理视觉接地的工具增强感知
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 GUI-Eyes通过分阶段策略推理和细粒度奖励反馈实现工具感知主动感知，显著提升GUI代理的接地准确率。
异构计算平台用于实时机器人
机构 * WAIYS GmbH（WAIYS公司） ； Zurich University of Applied Sciences（苏黎世应用科学大学） ； SpiNNcloud Systems GmbH（SpiNNcloud系统公司） ； TU Dresden（德累斯顿技术大学） ； Applied Brain Research（应用脑科研） ； NEOM ； The University of Manchester（曼彻斯特大学）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出一种异构计算平台，结合神经形态计算硬件与AI计算集群，用于实时机器人感知与交互任务，提升机器人自主性和智能水平。
DScheLLM：通过微调双系统大语言模型实现动态调度
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 DScheLLM通过微调双系统大语言模型，首次在动态环境中应用大语言模型解决作业车间调度问题，展示其在智能调度优化中的潜力。
Comments 14 pages, 6 figures
基于公平性的多智能体路径寻找问题
专题命中 规划推理 ：planning(abstract)
AI总结 本文提出基于公平性的多智能体路径寻找问题解决方案，针对理性与非理性智能体分别设计机制和启发式方法，确保激励相容与个体理性。
Comments This paper has been accepted in the 18th International Conference on Agents and Artificial Intelligence (ICCART 2026)
MindGuard：内在决策检查用于保护LLM代理免受元数据中毒攻击
专题命中 规划推理 ：reasoning(abstract)
AI总结 MindGuard通过决策依赖图检测和归因LLM代理中的元数据中毒攻击，实现高精度的污染调用检测与溯源。
NoReGeo：非推理几何基准
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 NoReGeo基准评估LLMs在不依赖推理或代数计算的情况下对几何问题的理解能力，发现即使先进模型在二分类任务中也仅达65%准确率，揭示了当前LLMs在几何认知上的不足。
MedVL-SAM2：一种统一的3D医学视觉-语言模型，用于多模态推理和基于提示的分割
机构 * Department of Biomedical Engineering, University of Florida（佛罗里达大学生物医学工程系） ； Department of Radiology, University of Florida（佛罗里达大学放射学系） ； Research Computing, University of Florida（佛罗里达大学研究计算中心） ； Department of Medicine, University of Florida（佛罗里达大学医学系） ； Department of Radiology, UC San Francisco（旧金山大学放射学系）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 MedVL-SAM2是一种统一的3D医学多模态模型，通过联合训练实现报告生成、VQA和多任务分割的高性能表现。
平滑操作符：平滑可验证奖励激活视觉-语言模型的空间推理能力
专题命中 视觉空间推理 ：reasoning(title,abstract)
AI总结 本文提出平滑可验证奖励激活方法，通过平滑操作符和绝对保持GRPO框架提升视觉-语言模型对3D场景的理解能力，实现性能与数据效率的平衡。
思维的几何学：揭示Transformer为热带多项式电路
机构 * Bahçeşehir University（巴切希尔大学）
专题命中 视觉空间推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.LG
AI总结 本研究揭示Transformer在高置信度下通过热带多项式电路实现动态规划，为链式思维提供几何解释。
Comments 7 pages, 2 figures
地形自适应移动三维打印与分层控制
机构 * Department of Electrical and Computer Engineering, University of Washington, USA（电气与计算机工程系，华盛顿大学） ； Department of Applied Mathematics, University of Washington, USA（应用数学系，华盛顿大学）
专题命中 视觉空间推理 ：planning(abstract)
AI总结 本研究提出了一种结合人工智能与分层控制的地形自适应移动三维打印框架，通过多传感器融合和闭环控制实现高精度打印与移动性平衡。
Comments Submitted to the 43rd International Symposium on Automation and Robotics in Construction (ISARC 2026)
STEP3-VL-10B 技术报告
机构 * Multimodal Intelligence Team（多模态智能团队）
专题命中 测试时计算 ：reasoning(abstract)；test-time compute(abstract)
AI总结 STEP3-VL-10B 是一个轻量级开源基础模型，通过统一预训练和强化学习策略，在紧凑规模下实现多模态智能，超越大规模模型并在复杂推理任务中表现优异。
Comments 50 pages
基于患者相似群体的临床文本到SQL推理
专题命中 复杂问题求解 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 CLINSQL基准测试集通过多表连接、临床意义过滤和多步骤查询，推动临床可靠的文本到SQL系统发展。
Comments Accepted by EACL 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈