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。
MRAG：生物医学领域检索增强生成的基准测试
机构 * DataSelect AI ； University of Hong Kong（香港大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 MRAG基准测试通过构建医学领域语料库和工具包，评估RAG在生物医学任务中的有效性，揭示RAG在提升LLM可靠性及性能影响因素方面的贡献。
通过对比嵌入链理解LVLMs的语言先验
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 通过对比嵌入链分析，揭示LVLMs中视觉信息整合的关键层及影响响应生成的强度量化方法。
Comments ICLR 2026
你的大语言模型真的掌握了概念吗？一个多智能体基准
机构 * Beijing Normal University（北京师范大学） ； Australian National University（澳大利亚国立大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出CK-Arena，通过多智能体社交推理游戏评估大语言模型的概念理解能力，揭示模型在概念掌握上的差异性。
Comments 8 pages
LOGOS-CA: 一种使用自然语言作为状态和规则的细胞自动机
机构 * Keishu Utimula（独立研究者）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
AI总结 LOGOS-CA利用自然语言作为细胞自动机的状态和规则，通过LLM实现更新，拓展了细胞自动机的模拟能力，用于森林火灾模拟和人工生命研究。
ISD-Agent-Bench: 一个用于评估基于大语言模型的教学系统设计代理的全面基准
机构 * Upstage ； Opentutorials ； Indiana University Bloomington（印第安纳大学布卢明顿分校） ； Korea University Sejong Campus（韩国大学世宗校区）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 ISD-Agent-Bench通过结合经典ISD理论与现代推理方法，为评估基于LLM的教学系统设计代理提供了全面的基准。
大语言模型代理中提示注入威胁的图景：从分类到分析
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 本文综述了大语言模型代理中提示注入威胁的分类与分析，提出AgentPI基准以评估依赖上下文交互的代理行为，揭示现有防御的局限性并提出未来研究方向。
LiveMedBench: 一个无污染的医疗基准测试，用于具有自动评分评估的LLM
机构 * Lehigh University（莱维大学） ； Harvard University（哈佛大学） ； Imperial College London（伦敦帝国学院） ； Massachusetts General Hospital（麻省总医院） ； Harvard Medical School（哈佛医学院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
AI总结 LiveMedBench通过持续更新和自动评分框架，提供无污染的医疗基准测试，验证LLM在临床推理中的性能，揭示数据污染和上下文适应性问题。
ContextBench: 一种用于编码代理代码上下文检索的基准测试
机构 * Nanjing University（南京大学） ； University College London（伦敦大学学院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.LG
AI总结 ContextBench通过评估编码代理在问题解决过程中代码上下文的检索能力，揭示了代理在上下文利用上的不足，为改进LLM在软件任务中的推理提供了新的研究方向。
Comments 36 pages, 6 figures, 4 tables
MapVerse：一个用于在多样化真实世界地图上进行地理问答的基准测试
机构 * University of Southern California（南加州大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； University of Utah（犹他大学） ； Arizona State University（亚利桑那州立大学）
专题命中 推理评测 ：reasoning(abstract)
AI总结 MapVerse是一个基于真实世界地图的大规模基准测试，用于评估地理问答任务中的多模态推理能力，揭示了当前VLMs在复杂空间推理任务上的不足。
秩序从混沌：从 glitchy 游戏视频中理解物理世界
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Peking University（北京大学） ； University of Toronto（多伦多大学） ； Sun Yat-sen University（孙中山大学）
专题命中 推理评测 ：reasoning(abstract)
AI总结 本文提出 PhysGame 数据集和 GameBench 基准，通过利用游戏视频中的 glitch 异常，提升物理推理能力，实验显示在多个基准上取得显著提升。
Comments Accepted by TMLR
代理拼图交互学习：提升视觉感知与推理能力在视觉-语言模型中
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 AGILE通过代理拼图交互学习提升视觉-语言模型的感知与推理能力，显著提高拼图任务性能并增强多模态模型的泛化能力。
何时记忆何时停止：用于长上下文推理的门控循环记忆
机构 * National University of Singapore（新加坡国立大学）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 GRU-Mem通过引入两个文本控制的门，实现了更稳定和高效的长上下文推理，显著提升了推理速度和性能。
Comments 26 pages
多模态信息融合用于图表理解：MLLMs的综述——演变、局限与认知增强
机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院） ； Engineering Research Center of Machine Learning（机器学习工程研究中心） ； China Telecom Institute of AI（中国电信人工智能研究院）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文综述了多模态大语言模型在图表理解中的应用，分析了其演变、局限及未来发展方向，旨在推动更稳健的系统发展。
TableDART: 表格理解的动态自适应多模态路由
机构 * The University of Queensland, Australia（昆士兰大学） ； Griffith University, Australia（格里菲斯大学） ； University of Notre Dame, USA（诺丁汉大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 TableDART通过动态选择文本、图像或融合视角，提升表格理解的准确性和效率，避免昂贵的多模态模型微调。
Comments Accepted to ICLR 2026. 26 pages, 11 figures
揭示'公平性之锯'：在视觉-语言模型中发现并缓解性别和种族偏见
机构 * LMU Munich（慕尼黑莱布尼茨大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出RES-FAIR框架，通过调整隐藏状态缓解视觉-语言模型中的性别和种族偏见，提升响应公平性和置信度校准。
将元经验内化到记忆中以指导大语言模型的强化学习
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 通过将元经验内化到记忆中，MEL提升了大语言模型的强化学习效果，实现了更有效的知识重用和推理能力增强。
通过全局结构意识进行文本摘要
机构 * University of Electronic Science and Technology of China（电子科技大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 GloSA-sum通过拓扑数据分析实现全局结构意识，高效摘要的同时保留语义和逻辑依赖，提升长文本处理效率和下游任务表现。
Comments 24pages
OAT：有序动作标记化
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 OAT通过有序动作标记化方法，实现高压缩性和因果有序的标记空间，提升机器人动作生成的灵活性和性能。
A.X K1 技术报告
机构 * SK Telecom（SK电信）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 A.X K1 是一个5190亿参数的混合专家语言模型，通过Think-Fusion训练配方实现可控推理，具备在韩语基准测试中优于开源模型的性能。
可验证奖励下的强化学习中不对称提示加权
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出不对称提示加权方法，用于提升可验证奖励强化学习中低成功率提示的训练效率，尤其在从头开始的强化学习中表现更佳。
分割、调和、然后征服：利用多模态语言模型解决多商品流问题
机构 * Zhejiang University（浙江大学） ； Hefei University of Technology（合肥工业大学） ； Co-corresponding authors（共同通讯作者）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 Pram利用多模态语言模型解决多商品流问题，通过分解和调和子问题实现高效优化，性能接近线性规划求解器且运行时间显著降低。
Comments Published as a conference paper at ICLR 2026
RePO：通过重新表述策略优化弥合基于策略学习和基于策略知识的差距
机构 * State Key Laboratory of CAD\&CG, the College of Computer Science ； Technology, Zhejiang University. ； FiT, Tencent, Shenzhen, China. ； School of Software Technology, Zhejiang University
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 RePO通过重新表述策略优化，有效结合基于策略学习和基于策略知识，提升困难样本利用和模型性能。
CyberBOT: 通过基于本体的检索增强生成实现可靠的网络安全教育
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 CyberBOT通过基于本体的检索增强生成技术，提供可靠的网络安全教育解决方案，提升教学效果和学生参与度。
Comments Accepted by The Conference on Information and Knowledge Management (CIKM) 2025
AgentTrace: 一种面向智能体系统的结构化日志框架用于可观测性
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 AgentTrace是一种面向智能体系统的结构化日志框架，旨在通过动态可观测性和遥测功能提升智能体的安全性和可追溯性。
Comments AAAI 2026 Workshop LaMAS
对话式大语言模型平台中的隐私控制：一项 walkthrough 研究
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文研究对话式大语言模型平台的数据控制机制，揭示用户数据生成与共享的复杂性，并为开发者和政策制定者提供隐私控制优化的实用建议。
LocoVLM：为适应多功能腿式运动策略而 grounding 视觉和语言
机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（电气工程学院，韩国科学技术院）
专题命中 其他推理 ：reasoning(abstract)
AI总结 LocoVLM通过整合高层常识推理和视觉语言模型，实现了基于指令的实时腿式运动策略适应，准确率达87%。
Comments Project page: https://locovlm.github.io
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