大模型推理能力

IRL-DAL: Safe and Adaptive Trajectory Planning for Autonomous Driving via Energy-Guided Diffusion Models

IRL-DAL：通过能量引导扩散模型实现自动驾驶的安全自适应轨迹规划

Seyed Ahmad Hosseini Miangoleh, Amin Jalal Aghdasian, Farzaneh Abdollahi

机构 * Department of Electrical Engineering, Amirkabir University of Technology (Tehran Polytechnic)（电气工程系，阿米尔卡比尔技术大学（德黑兰理工大学）） 纠错

专题命中 规划推理 ：planning(title)；分类 cs.AI

AI总结 本文提出IRL-DAL框架，通过能量引导扩散模型实现自动驾驶的安全自适应轨迹规划，结合模仿学习与强化学习，提升行驶安全性和鲁棒性。

From Retrieving Information to Reasoning with AI: Exploring Different Interaction Modalities to Support Human-AI Coordination in Clinical Decision-Making

从信息检索到AI推理：探索不同交互方式以支持临床决策中的人类-AI协作

Behnam Rahdari, Sameer Shaikh, Jonathan H Chen, Tobias Gerstenberg, Shriti Raj

机构 * Stanford University Palo Alto CA USA ； Joseph Brant Hospital \& Foundation Ontario ON Canada ； Stanford University ； Joseph Brant Hospital \& Foundation 纠错

专题命中 规划推理 ：reasoning(title)；分类 cs.AI

AI总结 研究探讨了不同交互方式在临床决策支持中的应用，发现临床医生更倾向于使用工具进行信息检索而非主动协作，且交互方式的选择受个体认知风格影响。

Evaluating from Benign to Dynamic Adversarial: A Squid Game for Large Language Models

从温和到动态对抗的评估：一个大型语言模型的鱿鱼游戏

Zijian Chen, Wenjun Zhang, Guangtao Zhai

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Shanghai AI Laboratory, Shanghai, China（上海人工智能实验室） 纠错

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

AI总结 本文提出鱿鱼游戏，一个动态对抗性评估环境，用于评估大型语言模型的多方面能力，并揭示静态基准中可能存在的评估范式污染问题。

Comments 31 pages, 15 figures

Task-Aware LLM Council with Adaptive Decision Pathways for Decision Support

具有自适应决策路径的任务感知大语言模型委员会用于决策支持

Wei Zhu, Lixing Yu, Hao-Ren Yao, Zhiwen Tang, Kun Yue

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

AI总结 TALC通过任务感知的LLM委员会和自适应决策路径，提升决策支持任务的成功率和搜索效率。

Comments A shorter version of this work has been accepted by ICASSP 2026

SSL: Sweet Spot Learning for Differentiated Guidance in Agentic Optimization

SSL：在代理优化中差异化引导的甜蜜点学习

Jinyang Wu, Changpeng Yang, Yuhao Shen, Fangzhi Xu, Bolin Ni, Chonghua Liao, Yuchen Liu, Hongzhen Wang, Shuai Nie, Shuai Zhang, Haoran Luo, Jiaming Xu

机构 * Tsinghua University（清华大学） ； Xiaomi Corporation（小米公司） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 SSL通过分层奖励引导代理优化，提升解空间中的方向性优化，实现样本效率提升和跨任务迁移能力。

Deep Search with Hierarchical Meta-Cognitive Monitoring Inspired by Cognitive Neuroscience

受认知神经科学启发的深度搜索与分层元认知监控

Zhongxiang Sun, Qipeng Wang, Weijie Yu, Jingxuan Yang, Haolang Lu, Jun Xu

机构 * Gaoling School of Artificial Intelligence\ University of China Beijing China ； School of Information Technology ； Search Applications Department, Tencent Beijing China ； Beijing University of Posts ； Gaoling School of Artificial Intelligence\ University of China ； Search Applications Department, Tencent 纠错

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

AI总结 本研究提出DS-MCM框架，通过分层元认知监控机制提升深度搜索的性能和鲁棒性。

Comments 11 pages, 3 figures

Understanding and Bridging the Planner-Coder Gap: A Systematic Study on the Robustness of Multi-Agent Systems for Code Generation

理解并弥合规划者-生成者之间的差距：对多智能体系统在代码生成中鲁棒性的系统研究

Zongyi Lyu, Songqiang Chen, Zhenlan Ji, Liwen Wang, Shuai Wang, Daoyuan Wu, Wenxuan Wang, Shing-Chi Cheung

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Lingnan University（岭南大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 本文研究多智能体系统在代码生成中的鲁棒性问题，发现规划者与生成者之间的信息丢失是主要缺陷，并提出修复方法以提升系统鲁棒性。

Comments 18pages, 5 figures, 6 tables

Revealed Multi-Objective Utility Aggregation in Human Driving

揭示人类驾驶中的多目标效用聚合

Atrisha Sarkar, Kate Larson, Krzysztof Czarnecki

机构 * University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 本文通过分析人类驾驶中的多目标效用聚合，提出基于理性化概念的算法，揭示了安全与进度效用的聚合机制及情境依赖性，并提升了行为模型的预测准确性。

Journal ref AAMAS '23: Proceedings of the 2023 International Conference on Autonomous Agents and Multiagent Systems Pages 1979 - 1987

TSLM: Tree-Structured Language Modeling for Divergent Thinking

TSLM：用于发散思维的树状语言建模

Doyoung Kim, Jaehyeok Doo, Minjoon Seo

机构 * NYU（纽约大学） ； KAIST（韩国科学技术院） 纠错

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

AI总结 TSLM通过树状结构语言建模实现发散思维，利用完整搜索树训练提升推理效率和鲁棒性。

Test-Time Mixture of World Models for Embodied Agents in Dynamic Environments

动态环境中具身智能体的测试时间世界模型混合

Jinwoo Jang, Minjong Yoo, Sihyung Yoon, Honguk Woo

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Sungkyunkwan University（庆尚大学） 纠错

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

AI总结 TMoW通过测试时间更新路由函数，提升具身智能体在动态环境中的适应性与持续学习能力。

Comments Accepted at ICLR 2026. 10 pages. Code available at https://github.com/doldam0/tmow

Synthetic Socratic Debates: Examining Persona Effects on Moral Decision and Persuasion Dynamics

合成苏格拉底辩论：考察人格对道德决策与说服动态的影响

Jiarui Liu, Yueqi Song, Yunze Xiao, Mingqian Zheng, Lindia Tjuatja, Jana Schaich Borg, Mona Diab, Maarten Sap

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Duke University（杜克大学） 纠错

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

AI总结 本文通过模拟AI-AI辩论研究人格对道德决策和说服效果的影响，发现政治意识形态和性格特质对辩论结果影响最大，且随着辩论进行，论证趋于温和。

RoboStriker: Hierarchical Decision-Making for Autonomous Humanoid Boxing

RoboStriker: 为自主人形 boxing 的分层决策

Kangning Yin, Zhe Cao, Wentao Dong, Weishuai Zeng, Tianyi Zhang, Qiang Zhang, Jingbo Wang, Jiangmiao Pang, Ming Zhou, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

专题命中 规划推理 ：reasoning(abstract)

AI总结 RoboStriker通过分层三阶段框架实现自主人形拳击，结合动作跟踪学习与潜在空间正则化，提升竞争性能和现实迁移能力。

Open-Vocabulary Functional 3D Human-Scene Interaction Generation

开放词汇功能3D人类-场景交互生成

Jie Liu, Yu Sun, Alpar Cseke, Yao Feng, Nicolas Heron, Michael J. Black, Yan Zhang

机构 * Meshcapade ； University of Amsterdam（阿姆斯特丹大学） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Stanford University（斯坦福大学） 纠错

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

AI总结 FunHSI通过功能驱动框架生成开放词汇任务下的功能正确3D人类-场景交互。

Comments 18 pages

FlexMap: Generalized HD Map Construction from Flexible Camera Configurations

FlexMap：从灵活的相机配置构建通用HD地图

Run Wang, Chaoyi Zhou, Amir Salarpour, Xi Liu, Zhi-Qi Cheng, Feng Luo, Mert D. Pesé, Siyu Huang

机构 * School of Computing, Clemson University ； School of Engineering \& Technology, University of Washington 纠错

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 FlexMap通过几何感知基础模型和跨帧注意力机制，实现从灵活相机配置构建通用HD地图，提升了自动驾驶系统在传感器失效和配置变化时的鲁棒性。

ReGuLaR: Variational Latent Reasoning Guided by Rendered Chain-of-Thought

ReGuLaR: 基于渲染思维链的变分潜在推理

Fanmeng Wang, Haotian Liu, Guojiang Zhao, Hongteng Xu, Zhifeng Gao

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学 Gallagher人工智能学院） ； Beijing Key Laboratory of Research on Large Models（北京大型模型研究关键实验室） ； Engineering Research Center of Next-Generation Intelligent Search（下一代智能搜索工程研究中心） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；分类 cs.CL

AI总结 ReGuLaR通过渲染思维链图像并利用视觉-语义表示正则化后验分布，实现高效的潜在推理，优于现有方法并在多模态推理中超越CoT。

Mitigating Cognitive Inertia in Large Reasoning Models via Latent Spike Steering

通过潜在尖峰引导缓解大推理模型中的认知惯性

Seojin Lee, ByeongJeong Kim, Hwanhee Lee

机构 * Department of Artificial Intelligence, Chung-Ang University, Seoul, Korea（人工智能系， Chung-Ang 大学，首尔，韩国） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；test-time compute(abstract)；self-correction(abstract)；分类 cs.LG

AI总结 STARS通过监测潜在动态，实时引导大推理模型缓解认知惯性问题，提升推理准确性和效率。

Comments 21 pages, 6 figures

Rethinking the Sampling Criteria in Reinforcement Learning for LLM Reasoning: A Competence-Difficulty Alignment Perspective

重新思考强化学习中用于大语言模型推理的采样标准：一种能力-难度对齐视角

Deyang Kong, Qi Guo, Xiangyu Xi, Wei Wang, Jingang Wang, Xunliang Cai, Shikun Zhang, Wei Ye

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

AI总结 本文提出CDAS方法，通过能力-难度对齐提升大语言模型推理的准确性和效率。

CVeDRL: An Efficient Code Verifier via Difficulty-aware Reinforcement Learning

CVeDRL: 一种通过难度感知强化学习实现的高效代码验证器

Ji Shi, Peiming Guo, Meishan Zhang, Miao Zhang, Xuebo Liu, Min Zhang, Weili Guan

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 测试时计算 ：verifier(title)；分类 cs.AI

AI总结 CVeDRL通过难度感知强化学习提升代码验证效率，实现更高通过率和分支覆盖，参数更少，推理更快。

Comments 17 pages, 3 figures

FESTA: Functionally Equivalent Sampling for Trust Assessment of Multimodal LLMs

FESTA：用于多模态大语言模型信任评估的功能等效采样

Debarpan Bhattacharya, Apoorva Kulkarni, Sriram Ganapathy

机构 * Indian Institute of Science（印度科学研究院） ； University of Maryland College Park（马里兰大学学院公园分校） 纠错

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

AI总结 FESTA通过功能等效采样技术提升多模态大语言模型的预测选择性性能，实现33.3%和29.6%的改进。

Comments Accepted in the Findings of EMNLP, 2025

Journal ref EMNLP 2025

Thoughtbubbles: an Unsupervised Method for Parallel Thinking in Latent Space

Thoughtbubbles: 一种用于潜在空间中并行思维的无监督方法

Houjun Liu, Shikhar Murty, Christopher D. Manning, Róbert Csordás

机构 * Department of Computer Science, Stanford University, Stanford, CA, United States（计算机科学系，斯坦福大学，斯坦福，CA，美国） 纠错

专题命中 测试时计算 ：chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 Thoughtbubbles是一种通过预训练学习并行自适应计算的转换器变体，能够在潜在空间中实现更高效的计算，提升模型的推理性能和零样本评估表现。

LLM-42: Enabling Determinism in LLM Inference with Verified Speculation

LLM-42: 通过验证推测实现LLM推理的确定性

Raja Gond, Aditya K Kamath, Ramachandran Ramjee, Ashish Panwar

机构 * Microsoft Research（微软研究院） ； University of Washington（华盛顿大学） 纠错

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

AI总结 LLM-42通过验证推测方法，在LLM推理中实现确定性，利用形状一致的减少和轻量级验证-回滚循环，减少确定性需求的开销。

Comments https://github.com/microsoft/llm-42

BOTS: A Unified Framework for Bayesian Online Task Selection in LLM Reinforcement Finetuning

BOTS：一种用于LLM强化微调中贝叶斯在线任务选择的统一框架

Qianli Shen, Daoyuan Chen, Yilun Huang, Zhenqing Ling, Yaliang Li, Bolin Ding, Jingren Zhou

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 BOTS通过贝叶斯推断和汤普森采样，提高LLM强化微调中任务选择的效率和性能。

Comments Accepted as a conference paper at ICLR 2026

FunPRM: Function-as-Step Process Reward Model with Meta Reward Correction for Code Generation

FunPRM：基于元奖励校正的函数作为步骤过程奖励模型用于代码生成

Ruiyi Zhang, Peijia Qin, Qi Cao, Eric Xue, Pengtao Xie

机构 * University of California, San Diego（加州大学圣迭戈分校） 纠错

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

AI总结 FunPRM通过元学习的奖励校正机制提升代码生成性能，实现更高质量的代码输出。

DAJ: Data-Reweighted LLM Judge for Test-Time Scaling in Code Generation

DAJ：用于代码生成测试时缩放的数据重加权LLM评判器

Peijia Qin, Ruiyi Zhang, Qi Cao, Pengtao Xie

机构 * ucsd（加州大学圣地亚哥分校） 纠错

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

AI总结 DAJ通过双层数据重加权学习框架，提升LLM评判器在代码生成测试时缩放中的性能，实现对困难问题和轨迹一致数据的自动强调，取得最佳效果。

Dynamic Reflections: Probing Video Representations with Text Alignment

动态反射：通过文本对齐探测视频表示

Tyler Zhu, Tengda Han, Leonidas Guibas, Viorica Pătrăucean, Maks Ovsjanikov

机构 * Princeton University（普林斯顿大学） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 本研究通过视频-文本表示对齐探索现代视频和语言编码器的能力，揭示了跨模态对齐与数据丰富性、语义对齐与性能相关性以及时间推理与对齐的关系。

Comments To appear at ICLR 2026. 27 pages, 12 figures

EntroCut: Entropy-Guided Adaptive Truncation for Efficient Chain-of-Thought Reasoning in Small-scale Large Reasoning Models

EntroCut: 基于熵的自适应截断以提高小型大推理模型中的链式推理效率

Hongxi Yan, Qingjie Liu, Yunhong Wang

机构 * 1 Beihang University, School of Computer Science \& Engineering, China 2 Zhongguancun Laboratory, China 3 Hangzhou Innovation Institute, China 纠错

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

AI总结 EntroCut通过基于熵的自适应截断方法，显著提高小型大推理模型的推理效率，同时保持较高的准确性。

Comments Accepted by ICASSP26

On the Provable Performance Guarantee of Efficient Reasoning Models

关于高效推理模型的可证明性能保证

Hao Zeng, Jianguo Huang, Bingyi Jing, Hongxin Wei, Bo An

机构 * Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Southern University of Science（南方科技大学） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） 纠错

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

AI总结 本文提出PAC推理方法，通过动态切换思考与非思考模式，在用户指定容忍度下控制性能损失，实现高效推理与性能保障。

Guided by Trajectories: Repairing and Rewarding Tool-Use Trajectories for Tool-Integrated Reasoning

轨迹引导：修复与奖励工具使用轨迹以实现工具集成推理

Siyu Gong, Linan Yue, Weibo Gao, Fangzhou Yao, Shimin Di, Lei Feng, Min-Ling Zhang

机构 * School of Computer Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院） ； Key Lab. of Computer Network and Information Integration (Southeast University), MOE, China（计算机网络与信息集成重点实验室（东南大学）） ； State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China, Hefei, China（认知智能国家重点实验室（中国科学技术大学）） 纠错

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

AI总结 AutoTraj通过自动修复和奖励工具使用轨迹，提升大型语言模型在工具集成推理中的性能。

Navigate the Unknown: Enhancing LLM Reasoning with Intrinsic Motivation Guided Exploration

穿越未知：通过内在动机引导的探索增强大语言模型推理

Jingtong Gao, Ling Pan, Yejing Wang, Rui Zhong, Chi Lu, Maolin Wang, Qingpeng Cai, Peng Jiang, Xiangyu Zhao

机构 * City University of Hong Kong（香港城市大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 IMAGINE通过内在动机引导的探索增强大语言模型推理能力，提升复杂任务性能22.23%

Decoding in Geometry: Alleviating Embedding-Space Crowding for Complex Reasoning

解码中的几何学：缓解嵌入空间拥挤以促进复杂推理

Yixin Yang, Qingxiu Dong, Zhifang Sui

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） 纠错

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

AI总结 本文提出CraEG方法，通过几何引导重新加权缓解嵌入空间拥挤，提升大语言模型在数学问题解决中的推理能力和生成性能。