大模型推理能力

IMAGINE: Integrating Multi-Agent System into One Model for Complex Reasoning and Planning

IMAGINE：将多智能体系统整合到一个模型中以实现复杂推理和规划

Xikai Zhang, Bo Wang, Likang Xiao, Yongzhi Li, Quan Chen, Wenjun Wu, Liu Liu

机构 * Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； Kuaishou Technology（快手科技） 纠错

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

AI总结 IMAGINE通过整合多智能体系统的推理与规划能力，实现高效复杂推理和规划，实验显示其在TravelPlanner任务中表现优异。

Bridging Efficiency and Transparency: Explainable CoT Compression in Multimodal Large Reasoning Models

连接效率与透明性：可解释的CoT压缩在多模态大推理模型中

Yizhi Wang, Linan Yue, Min-Ling Zhang

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of Computer Network and Information Integration (SEU), Ministry of Education, China（计算机网络与信息集成重点实验室（SEU）） 纠错

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

AI总结 XMCC通过强化学习优化的顺序决策过程，实现多模态大推理模型中可解释的CoT压缩，同时保持推理正确性和生成可解释的压缩解释。

Neural Force Field: Few-shot Learning of Generalized Physical Reasoning

神经力场：基于少量样本的学习通用物理推理

Shiqian Li, Ruihong Shen, Yaoyu Tao, Chi Zhang, Yixin Zhu

机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； School of Psychological and Cognitive Sciences, Peking University（心理学与认知科学学院，北京大学） ； School of EECS, Peking University（电子工程学院，北京大学） ； School of Integrated Circuits, Peking University（集成电路学院，北京大学） ； State Key Lab of General AI, Peking University（通用人工智能国家重点实验室，北京大学） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室，北京大学） 纠错

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

AI总结 神经力场通过力场表示实现基于少量样本的学习通用物理推理，有效提升物理动态的泛化能力。

Comments 27 pages, ICLR 2026

Learning from the Irrecoverable: Error-Localized Policy Optimization for Tool-Integrated LLM Reasoning

从不可恢复中学习：用于工具集成大语言模型推理的误差局部化策略优化

Qiao Liang, Yuke Zhu, Chao Ge, Lei Yang, Ying Shen, Bo Zheng, Sheng Guo

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

AI总结 ELPO通过误差局部化策略优化提升工具集成大语言模型推理的性能，有效解决稀疏奖励和信用分配问题。

Comments 20 pages, 11 figures

ReAcTree: Hierarchical LLM Agent Trees with Control Flow for Long-Horizon Task Planning

ReAcTree：具有控制流的分层LLM代理树用于长时间任务规划

Jae-Woo Choi, Hyungmin Kim, Hyobin Ong, Youngwoo Yoon, Minsu Jang, Dohyung Kim, Jaehong Kim

机构 * ETRI & UST（ETRI与UST） ； UST 纠错

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

AI总结 ReAcTree通过分层代理树和控制流实现复杂任务规划，显著提升长周期任务的完成效率和成功率。

Comments Accepted as a Full Paper at AAMAS 2026. This is the extended version including full appendices. Code is available at https://github.com/Choi-JaeWoo/ReAcTree.git

CAPER: Constrained and Procedural Reasoning for Robotic Scientific Experiments

CAPER：用于机器人科学实验的约束和程序性推理

Jinghan Yang, Jingyi Hou, Xinbo Yu, Wei He, Yifan Wu

机构 * University of Science and Technology Beijing（北京科技大学） ； Beijing Information Science and Technology University（北京信息科技大学） 纠错

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

AI总结 CAPER通过约束和程序性推理框架提升机器人在科学实验中的可控性、鲁棒性和数据效率。

Knowledge Integration Decay in Search-Augmented Reasoning of Large Language Models

在大语言模型的搜索增强推理中知识整合衰减

Sangwon Yu, Ik-hwan Kim, Donghun Kang, Bongkyu Hwang, Junhwa Choi, Suk-hoon Jung, Seungki Hong, Taehee Lee, Sungroh Yoon

机构 * Department of Electrical and Computer Engineering, Seoul National University, Seoul, Korea（电气与计算机工程系，首尔国立大学，韩国首尔） ； Interdisciplinary Program in Artificial Intelligence, Seoul National University, Seoul, Korea（人工智能交叉学科项目，首尔国立大学，韩国首尔） 纠错

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

AI总结 本研究提出SAKE方法，通过在推理过程前后锚定检索知识，缓解大语言模型在搜索增强推理中的知识整合衰减问题，提升多跳问答和复杂推理任务的性能。

Auditing Multi-Agent LLM Reasoning Trees Outperforms Majority Vote and LLM-as-Judge

对多智能体大语言模型推理树进行审计优于多数投票和LLM作为裁判

Wei Yang, Shixuan Li, Heng Ping, Peiyu Zhang, Paul Bogdan, Jesse Thomason

机构 * University of Southern California, Los Angeles, CA, USA（美国南加州大学） 纠错

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

AI总结 通过构建推理树路径搜索机制，AgentAuditor在多智能体系统中实现了优于多数投票和LLM作为裁判的推理准确性提升

Words to Describe What I'm Feeling: Exploring the Potential of AI Agents for High Subjectivity Decisions in Advance Care Planning

描述我感受的词语：探索AI代理在前瞻性医疗计划中的潜在作用

Kellie Yu Hui Sim, Pin Sym Foong, Chenyu Zhao, Melanie Yi Ning Quek, Swarangi Subodh Mehta, Kenny Tsu Wei Choo

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； National University of Singapore（国立新加坡大学） 纠错

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

AI总结 本文探讨了AI代理在前瞻性医疗计划中的应用，通过实验发现AI可作为个人倡导者，提升个体与代理之间的相互理解。

Comments Accepted at CHI 2026. 34 pages, 10 figures

From Legible to Inscrutable Trajectories: (Il)legible Motion Planning Accounting for Multiple Observers

从可理解到不可理解的轨迹：考虑多个观察者的（不）可理解运动规划

Ananya Yammanuru, Maria Lusardi, Nancy M. Amato, Katherine Driggs-Campbell

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出MMLO-LMP问题，设计DUBIOUS算法，实现对不同动机观察者的轨迹可理解性与可见性限制的平衡。

Comments 17 pages, 5 figures

FlyAOC: Evaluating Agentic Ontology Curation of Drosophila Scientific Knowledge Bases

FlyAOC：评估代理本体编纂的果蝇科学知识库

Xingjian Zhang, Sophia Moylan, Ziyang Xiong, Qiaozhu Mei, Yichen Luo, Jiaqi W. Ma

机构 * University of Michigan（密歇根大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） 纠错

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

AI总结 FlyAOC通过FlyBench评估AI代理在从科学文献中进行端到端本体编纂的能力，发现多代理设计性能更优，但模型规模扩大效益递减。

Answer First, Reason Later: Aligning Search Relevance via Mode-Balanced Reinforcement Learning

先回答，后推理：通过模式平衡强化学习对齐搜索相关性

Shijie Zhang, Xiang Guo, Rujun Guo, Shaoyu Liu, Xiaozhao Wang, Guanjun Jiang, Kevin Zhang

机构 * Qwen Applications Business Group, Alibaba Group（阿里集团文应用业务组） ； Peking University（北京大学） 纠错

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

AI总结 本研究提出AFRL范式，通过模式平衡优化策略结合SFT与RL，实现低延迟高精度的搜索相关性模型，并有效知识蒸馏。

CoMMa: Contribution-Aware Medical Multi-Agents From A Game-Theoretic Perspective

从博弈论视角出发的贡献感知医疗多智能体：CoMMa

Yichen Wu, Yujin Oh, Sangjoon Park, Kailong Fan, Dania Daye, Hana Farzaneh, Xiang Li, Raul Uppot, Quanzheng Li

机构 * Center for Advanced Medical Computing（先进医学计算中心） ； Department of Radiology, Massachusetts General Hospital（放射科，马萨诸塞总医院） ； Harvard Medical School（哈佛医学院） ； Department of Radiation Oncology, Yonsei University College of Medicine（放射肿瘤科，延世大学医学院） ； Yonsei University（延世大学） ； Institute for Innovation in Digital Healthcare（数字医疗创新研究所） ； Interventional Radiology Academic Medical Centers, Mass General Brigham（介入放射学学术医疗中心，马萨诸塞总医院 Brigham） 纠错

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

AI总结 CoMMa从博弈论视角提出一种去中心化医疗多智能体框架，通过确定性嵌入投影实现贡献感知的信用分配，提升肿瘤学决策支持的准确性和稳定性。

Comments 9 pages, 3 figures

S1-NexusAgent: a Self-Evolving Agent Framework for Multidisciplinary Scientific Research

S1-NexusAgent：一个多学科科学研究的自演化代理框架

NexusAgent Team

机构 * S1-NexusAgent Team Institute of Automation Chinese Academy of Sciences（S1-NexusAgent团队自动化研究所中国科学院） 纠错

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

AI总结 S1-NexusAgent通过自演化机制和双环架构，实现多学科科学研究中的复杂工作流建模与高效工具协调，验证了其在长视界规划和复杂任务中的卓越性能。

Comments In progress

From Off-Policy to On-Policy: Enhancing GUI Agents via Bi-level Expert-to-Policy Assimilation

从离线到在线：通过双层专家到策略融合提升GUI代理

Zezhou Wang, Ziyun Zhang, Xiaoyi Zhang, Zhuzhong Qian, Yan Lu

机构 * Nanjing University（南京大学） ； Peking University（北京大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 BEPA通过双层专家到策略融合方法，提升GUI代理在OSWorld-Verified等基准测试中的性能。

Comments Work In Progress

Space AI: Leveraging Artificial Intelligence for Space to Improve Life on Earth

空间AI：利用人工智能推动空间探索，改善地球生活

Ziyang Wang

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

AI总结 本文提出空间AI作为跨学科领域，旨在通过人工智能技术提升太空探索能力，同时为地球带来广泛的社会效益。

TreeCUA: Efficiently Scaling GUI Automation with Tree-Structured Verifiable Evolution

TreeCUA: 通过树结构可验证进化高效扩展GUI自动化

Deyang Jiang, Jing Huang, Xuanle Zhao, Lei Chen, Liming Zheng, Fanfan Liu, Haibo Qiu, Peng Shi, Zhixiong Zeng

专题命中 规划推理 ：planning(abstract)

AI总结 TreeCUA通过树结构可验证进化高效扩展GUI自动化，提升GUI规划能力。

Comments 14 pages, 7 figures

SciDataCopilot: An Agentic Data Preparation Framework for AGI-driven Scientific Discovery

SciDataCopilot: 一种面向AGI驱动科学发现的代理数据准备框架

Jiyong Rao, Yicheng Qiu, Jiahui Zhang, Juntao Deng, Shangquan Sun, Fenghua Ling, Hao Chen, Nanqing Dong, Zhangyang Gao, Siqi Sun, Yuqiang Li, Dongzhan Zhou, Guangyu Wang, Lijun Wu, Conghui He, Xuhong Wang, Jing Shao, Xiang Liu, Yu Zhu, Mianxin Liu, Qihao Zheng, Yinghui Zhang, Jiamin Wu, Xiaosong Wang, Shixiang Tang, Wenlong Zhang, Bo Zhang, Wanli Ouyang, Runkai Zhao, Chunfeng Song, Lei Bai, Chi Zhang

专题命中 规划推理 ：reasoning(abstract)

AI总结 SciDataCopilot通过自主代理框架实现端到端的数据准备，提升科学发现效率与一致性，推动实验驱动的科学通用智能发展。

Virtual Force-Based Routing of Modular Agents on a Graph

基于虚拟力的模块化代理在图上的路由

Adam Casselman, Manav Vora, Melkior Ornik

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出了一种基于虚拟力的模块化代理路由算法，通过平衡路径最优性和模块连接成本效益，实现多目标节点的高效访问。