大模型推理能力

SPARC: Scenario Planning and Reasoning for Automated C Unit Test Generation

SPARC：面向自动化C单元测试生成的场景规划与推理

Jaid Monwar Chowdhury, Chi-An Fu, Reyhaneh Jabbarvand

机构 * Bangladesh University of Engineering and Technology（孟加拉工程科技大学） ； National Taiwan University（台湾国立大学） ； 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 ：reasoning(title,abstract)；planning(title)；self-correction(abstract)；分类 cs.AI

AI总结 SPARC通过神经符号方法和场景规划，提升C语言单元测试生成的覆盖率和代码质量，显著优于传统方法。

Comments 9 pages, 6 figures, 4 tables

Vision and Language: Novel Representations and Artificial intelligence for Driving Scene Safety Assessment and Autonomous Vehicle Planning

视觉与语言：新颖的表示方法和人工智能用于驾驶场景安全评估与自动驾驶规划

Ross Greer, Maitrayee Keskar, Angel Martinez-Sanchez, Parthib Roy, Shashank Shriram, Mohan Trivedi

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

AI总结 本文研究了视觉-语言表示在自动驾驶安全评估和规划中的应用，提出轻量级危险检测、轨迹规划框架整合及自然语言约束方法，强调表示-任务对齐的重要性。

MedReasoner: Reinforcement Learning Drives Reasoning Grounding from Clinical Thought to Pixel-Level Precision

MedReasoner: 通过强化学习实现从临床思维到像素级精度的推理 grounding

Zhonghao Yan, Muxi Diao, Yuxuan Yang, Ruoyan Jing, Jiayuan Xu, Kaizhou Zhang, Lele Yang, Yanxi Liu, Kongming Liang, Zhanyu Ma

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

AI总结 MedReasoner 通过强化学习实现从临床推理到像素级精度的医学影像 grounding，提出统一医学推理 grounding 任务和 U-MRG-14K 数据集，展示其在医学影像分析中的优越性能。

Comments AAAI2026

Experience-based Knowledge Correction for Robust Planning in Minecraft

基于经验的知识修正以实现Minecraft中的鲁棒规划

Seungjoon Lee, Suhwan Kim, Minhyeon Oh, Youngsik Yoon, Jungseul Ok

机构 * Department of Computer Science and Engineering, POSTECH（POSTECH计算机科学与工程系） ； Graduate School of Artificial Intelligence, POSTECH（POSTECH人工智能研究生院） 纠错

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

AI总结 XENON通过经验修正知识，提升Minecraft中的鲁棒规划能力，优于现有方法。

Comments ICLR 2026

ReaCritic: Reasoning Transformer-based DRL Critic-model Scaling For Wireless Networks

ReaCritic: 基于推理的变压器DRL批评模型扩展用于无线网络

Feiran You, Hongyang Du

机构 * Department of Electrical and Electronic Engineering, University of Hong Kong（香港大学电子与电气工程系） 纠错

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

AI总结 ReaCritic通过引入基于推理的变压器结构，提升DRL在无线网络中的适应性和性能表现。

Cocoa: Co-Planning and Co-Execution with AI Agents

Cocoa：基于AI代理的协同规划与协同执行

K. J. Kevin Feng, Kevin Pu, Matt Latzke, Tal August, Pao Siangliulue, Jonathan Bragg, Daniel S. Weld, Amy X. Zhang, Joseph Chee Chang

机构 * University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） ； Allen Institute for AI（人工智能研究院） 纠错

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

AI总结 Cocoa通过协同规划与执行机制，提升人机协作灵活性，支持复杂研究任务的自主可控与高效执行。

Comments CHI 2026 paper

Homotopy-Aware Multi-Agent Path Planning on Plane

平面中具有同伦意识的多智能体路径规划

Kazumi Kasaura

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出基于Dynnikov坐标的高效框架，用于平面中多智能体路径规划，通过结合优先规划生成多个同伦不同的解决方案，并验证其在避免局部最优解方面的有效性。

Comments 23 pages with 5 pages of references and appendices, 25 figures

Journal ref Journal of Artificial Intelligence Research 85, Article 15 (February 2026)

MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks

MemoryArena：评估多会话代理任务中的代理记忆

Zexue He, Yu Wang, Churan Zhi, Yuanzhe Hu, Tzu-Ping Chen, Lang Yin, Ze Chen, Tong Arthur Wu, Siru Ouyang, Zihan Wang, Jiaxin Pei, Julian McAuley, Yejin Choi, Alex Pentland

机构 * Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； University of Pittsburgh（匹兹堡大学） 纠错

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

AI总结 MemoryArena是一个用于评估多会话代理任务中代理记忆的统一评估环境，揭示了现有长上下文记忆基准在代理任务中的不足。

VDLM: Variable Diffusion LMs via Robust Latent-to-Text Rendering

VDLM: 通过鲁棒的潜在到文本渲染实现变量扩散语言模型

Shuhui Qu

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 VDLM通过分离语义规划与文本渲染，利用嵌入空间后训练和鲁棒解码技术，在扩散语言模型中实现更高效的多步推理和长形式生成。

EconEvals: Benchmarks and Litmus Tests for Economic Decision-Making by LLM Agents

EconEvals: 用于LLM代理经济决策的基准测试和litmus测试

Sara Fish, Julia Shephard, Minkai Li, Ran I. Shorrer, Yannai A. Gonczarowski

机构 * Harvard University（哈佛大学） ； Penn State University（宾夕法尼亚州立大学） 纠错

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

AI总结 EconEvals提出了一种用于评估LLM经济决策能力的基准测试和litmus测试框架，通过多个冲突目标任务量化LLM的权衡响应和可靠性，为经济决策中的LLM评估提供了新方法。

Comments v3 was a major revision with updated experiments and analysis; v4 consists of minor edits

Algorithm-Based Pipeline for Reliable and Intent-Preserving Code Translation with LLMs

基于算法的可靠且意图保留的代码翻译管道

Shahriar Rumi Dipto, Saikat Mondal, Chanchal K. Roy

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出一种基于算法的代码翻译管道，通过引入语言中立的中间规范提升翻译准确性和可靠性，实验结果显示其在多个指标上均优于直接翻译方法。

Comments Accepted at 34th IEEE/ACM International Conference on Program Comprehension (ICPC 2026)