大模型推理能力

Auditing Discovery Claims: A Two-Sided Criterion for Agentic Science, with the Negative Side Decidable

审计发现主张：面向智能体科学的双边准则，其负面侧可判定

Wenhui Chen, Jianlin Chen, Ziyao Lin, Chi Man Vong

机构 * University of Macau（澳门大学） ； South China University of Technology（华南理工大学） 纠错

专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI

AI总结 该研究提出面向智能体科学的双边审计准则，通过实验揭示AI科学系统能力主张的夸大问题，证实智能体编写的程序在低计算量下可击败人类程序，但未明确可迁移的机制。

Comments 51 pages, 10 figures, 10 tables

An Autonomous Scientific Knowledge Generation Framework for AI-Driven Scientific Discovery

一种用于人工智能驱动科学发现的自主科学知识生成框架

Dibakar Datta

专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI

AI总结 该研究提出自主科学知识生成框架，整合多种技术将科学出版物转化为适用于人工智能的知识库，以电光材料为例进行验证，实现从文献到知识库的转变，为人工智能驱动的科学发现提供了可扩展、领域独立的基础。

Comments 32 pages, 6 figures

D-MUTRA: DLT-based MUTual Remote Attestation for Multi-Agent Systems

D-MUTRA：面向多智能体系统的基于分布式账本（DLT）的相互远程证明

Adam Zahir, Vincent Lefebvre, Mark Angoustures, Milan Groshev, Carlos J. Bernardos

专题命中 代码与定理证明 ：verifier(abstract)

AI总结 针对多智能体系统传统远程证明的局限，本文提出基于区块链的D-MUTRA框架，实现智能体间的持续相互证明，可检测恶意软件修改，且扩展时开销可忽略。

A False Average: Chain-of-Thought Monitors Collapse Where They Are the Only Defense

虚假的平均值：思维链监控在其作为唯一防御的地方失效

Shikhar Shiromani, Leo Richter

专题命中 逻辑推理 ：chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 该研究指出思维链监控在作为唯一防御时会失效，攻击者通过重写智能体推理可大幅降低监控捕获率，攻击可跨模型迁移，仅轨迹防御难恢复，需外部信息辅助。

Attend to Your Own Thoughts: Breaking the Barrier for Post-Training Quantization of Reasoning LLMs through the Lens of 1.58-Bit Quantization

关注自身思维：通过1.58比特量化视角打破推理型大语言模型的后训练量化障碍

Shigeng Wang, Chao Li, Yangyuxuan Kang, Jiawei Fan, Anbang Yao

机构 * Intel Labs China（英特尔中国实验室） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 该研究提出ScaleQ-1.58三值后训练量化框架，通过集成AYOT校准方法，提升推理型LLM量化性能，该框架可扩展且泛化性强，仅需少量校准token即可实现优异效果。

Comments This research work was completed and submitted for publication in early May 2026. The project page: https://github.com/IntelChina-AI/BitTern

MonitorVLM-v2: A Deployed Vision-Language Framework for Real-Time Safety Violation Detection

MonitorVLM-v2：用于实时安全违规检测的已部署视觉-语言框架

Jiang Wu, Sichao Wu, Yinsong Ma, Lifang Zheng, Jingliang Duan

机构 * School of Mechanical Engineering, University of Science and Technology Beijing（北京科技大学机械工程学院） ； The Laboratory for Computational Sensing and Robotics, Johns Hopkins University（约翰霍普金斯大学计算传感与机器人实验室） 纠错

专题命中 逻辑推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)

AI总结 本文提出MonitorVLM-v2框架，将VLM安全评估转化为有限符号空间概率推理，结合SymPO算法与熵驱动分类机制，在地下矿部署中实现19.45倍提速，确认违规量达人工检查的2.78倍，满足实时可审计工业监控需求。

Recursive Vision Language Models for General Symbolic Reasoning

用于通用符号推理的递归视觉语言模型

Omid Nejati Manzari, Guillaume Lajoie, Hassan Rivaz

专题命中 逻辑推理 ：reasoning(title,abstract)

AI总结 提出基于预训练Qwen的递归推理框架R-Qwen，结合递归模型与预训练LLMs的优势，在8个基准测试中优于同类模型和更大LLMs，ARC-AGI上提升27.6%。

DeceptionX: From Multimodal Evidence to Explainable Deception Detection

DeceptionX: 基于多模态大语言模型的可解释欺骗检测

Jiayu Zhang, Shuo Ye, Jiajian Huang, Yawen Cui, Taorui Wang, Wei Xia, Zeheng Wang, Haowen Tang, Yelin Wang, Hui Ma, Zitong Yu

机构 * Great Bay University（大湾区大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；chain-of-thought(abstract)；logical reasoning(abstract)

AI总结 提出DeceptionX框架，将欺骗检测从黑箱分类转变为可解释的观察-思考-总结推理过程，通过构建DeceptChain数据集和三阶段训练管道，在标准基准上超越现有方法，同时提供专家级可解释推理路径。

Goal-Oriented Logic-based Semantic Communication for Neuro-Symbolic Reasoning with Applications onto Autonomous Driving

面向目标的基于逻辑的语义通信及用于自动驾驶的神经符号推理

Ahmet Faruk Saz, Duo Xu, Faramarz Fekri

专题命中 逻辑推理 ：reasoning(title)

AI总结 本文针对自动驾驶场景，提出基于一阶逻辑的目标导向语义通信方法，通过选择关键证据传输实现安全决策，在相同通信预算下优于均匀证据选择。

Chart Specification: Structural Representations for Incentivizing VLM Reasoning in Chart-to-Code Generation

图表规范：用于促进VLM在图表到代码生成中推理的结构表示

Minggui He, Mingchen Dai, Jian Zhang, Yilun Liu, Shimin Tao, Pufan Zeng, Osamu Yoshie, Yuya Ieiri

机构 * Waseda University（早稻田大学） ； University of Science and Technology of China（中国科学技术大学） ； NanKai University（南开大学） 纠错

专题命中 逻辑推理 ：reasoning(title)

AI总结 本文提出图表规范，通过结构化中间表示提升VLM在图表到代码生成中的结构保真度，实验显示其在数据效率和性能上优于现有方法。

Comments Accepted by Neurocomputing

EntailLLM: Verifying LLM-Generated Vulnerability Discovery Paths with Domain Knowledge via Logic Programming

EntailLLM：通过逻辑编程结合领域知识验证大语言模型生成的漏洞发现路径

Kaustuv Mukherji, Jaikrishna Manojkumar Patil, Colton Payne, Paulo Shakarian, Dana Warmsley, Nigel Stepp, Evelyn Kim

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI

AI总结 EntailLLM通过逻辑编程结合领域知识验证LLM生成的漏洞发现路径，在三类CWE、四个LLM等多组实验中，将合并蕴含率从78%提升至98%，可端到端部署且无需逐设备调优。

Gram-Space: Structure-Preserving Codebook Compression for Memory-Efficient Neuro-Symbolic AI

Gram-Space：面向内存高效神经符号AI的结构保持码本压缩

Weilun Wang, Wantong Li

机构 * University of California Riverside（加州大学河滨分校） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG

AI总结 本文提出Gram-Space压缩框架，通过格拉姆-施密特正交化保留VSA所需点积结构，可降低神经符号AI模型GPU内存使用与推理延迟，提升硬件利用率。

Comments International Conference on Neuro-symbolic Systems (NeuS) 2026

Neuro-Symbolic Participation Governance for Verifiable AI Agents in Open Digital Twin Ecosystems

开放数字孪生生态中可验证AI智能体的神经符号参与治理

Juan Li, Wei Cai, Yan Bai

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI

AI总结 该研究针对开放数字孪生生态中AI智能体的验证需求，提出神经符号去中心化治理框架，结合神经推理与制度治理，通过区块链智能合约实现可审计参与，经原型验证可管控开销下保障合规协作。

Comments Accepted at the 2026 IEEE International Conference on Systems, Man, and Cybernetics (SMC 2026), Bellevue, WA, USA, October 4-7, 2026. 7 pages, 1 figure, 5 tables. Code: https://github.com/weicaiuw/verigov-ai (DOI: 10.5281/zenodo.21706699)

Do Maps Still Matter for Machines: Revisiting the Role of Choropleth Maps in Foundation Model Spatial Understanding

地图对机器来说仍然重要吗：重新审视分级统计图在基础模型空间理解中的作用

Zhiwei Wei, Yonghe Sun, Zhenjia Liu, Wenjia Xu, Chao He, Weihua Dong, Chunbo Liu, Hua Liao

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI

AI总结 研究探讨分级统计图对基础模型空间理解的作用，引入ChoroplethMap-Bench基准，在三种输入条件下评估22个模型，发现地图能显著提升空间推理，尤其结合符号数据及高层次空间模式理解任务时，证明地图是基础模型空间推理的重要外部表示。

Comments 34 pages, 4 figures, and 10 tables

Don't Judge a Book by its Cover: Testing LLMs' Robustness Under Logical Obfuscation

不要只看封面判断一本书：测试LLMs在逻辑混淆下的鲁棒性

Abhilekh Borah, Shubhra Ghosh, Kedar Joshi, Aditya Kumar Guru, Kripabandhu Ghosh

机构 * Manipal University Jaipur（马纳普大学贾普尔分校） ； Indian Institute of Technology, Patna（印度理工学院帕坦分校） ； Indian Institute of Science Education and Research, Kolkata（印度科学教育与研究学院科钦分校） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本研究提出Logifus框架和LogiQAte基准，测试LLMs在逻辑混淆下的鲁棒性，发现混淆显著降低模型性能，揭示当前LLMs缺乏深度理解。

Comments 19 pages, 6 figures

Rethinking Agentic Kernel Generation for Emerging Accelerators

面向新兴加速器的智能体内核生成方法反思

Ruijie Gao, Jirong Yang, Barry Lyu, Haoran Jin, Nathan Bleier

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 针对新兴加速器内核生成的现有方法反复重建无关语义的问题，提出编译器介导的Zomboss框架，将语义编译为可复用接口，在20个Gemmini和36个PLENA工作负载上实现全实例正确，且性能优于基线方法、推理成本更低。

Comments 12 pages, 7 figures

Breaking the Horizontal Prior: From Long-Tailed Orientation Bias to Roll-Robust Monocular Depth Estimation

打破水平先验：从长尾方向偏差到抗翻滚单目深度估计

Kaihua Tang, Ziqing Xia, Xiaoxu Zheng, Xiaoxue Zhang, Michael Bi Mi, Zhan Xu, Dave Zhenyu Chen

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 该研究针对单目深度估计中受水平先验（长尾方向偏差）导致的相机翻滚鲁棒性差问题，提出训练时监督策略ID-Constraint，经多基准数据集实验验证了方法的有效性。

Comments The code is publicly available on GitHub: https://github.com/KaihuaTang/Horizontal-Prior

ParticleGen: A Multi-Agent System for Particle Effects Generation

ParticleGen：用于粒子效果生成的多智能体系统

Junhao Zhuge, Junyi Yang, Yuqing Wang, Kangzhan Wang, Sipeng Yang, Xiaogang Jin

专题命中 逻辑推理 ：planning(abstract)

AI总结 本研究提出多智能体框架ParticleGen，可从自然语言描述合成结构化可编辑粒子系统，经Unreal Engine 5的Niagara系统多场景验证，能降低创作门槛、提升迭代效率。

Image-Space Rule Discovery

图像空间中的规则发现

Misora Sugiyama, Toya Oyama, Hirokatsu Kataoka

机构 * The University of Tokyo（东京大学） ； National Institute of Advanced Industrial Science and Technology (AIST)（独立行政法人产业技术综合研究所） ； University of Oxford（牛津大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本研究提出WISRD基准测试图像编辑模型的图像空间规则发现能力，发现Nano Banana Pro表现最优，当前模型可部分依赖图像内指令，且该模型在4×4数独等任务上有一定性能。

Comments 20 pages, 5 figures

Joint Optimization of Human Headcount and Stochastic AI Resource Capacity

人力资源配置与随机AI资源容量的联合优化

Marco Montes de Oca

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文针对生成式AI工具带来的成本压力，构建联合分配模型优化人力资源与AI令牌容量，得出相关最优解及替代关系反转的实证检验条件。

Comments 16 pages, 4 figures. Comments welcome

CoT-Edit: Let CoT Guide Instruction Video Editing

CoT-Edit：让思维链（CoT）指导指令视频编辑

Sen Liang, Fengbin Guan, Youliang Zhang, Xin Li, Zhibo Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） 纠错

专题命中 规划推理 ：CoT(title,title_cn)；reasoning(abstract)；chain-of-thought(abstract)

AI总结 本文提出CoT-Edit的plan--guide--edit框架，以CoT增强的MLLM为规划器生成空间先验，结合扩散编辑器实现高保真指令视频编辑，性能优于多个基准方法

Cognitive Demand Steering for Adaptive Meta-Reasoning in Large Language Models

大语言模型自适应元推理的认知需求引导

John Scoville, Shengzhuang Chen, Yejin Bang, Stefan Winzeck, Jonathan Richard Schwarz

机构 * Thomson Reuters Foundational Research（汤森路透基础研究部） ； Imperial College London（帝国理工学院） 纠错

专题命中 规划推理 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 该研究提出无需训练的元推理框架CDS，通过认知量表刻画需求，在三类大模型和六个基准上较直接调用、标准CoT分别提升21.9%、9%准确率，难数学编码任务增益显著。

Comments 21 pages, 3 figures

OTAP: Structure-Aware Optimal Transport for Evaluating Planning and Execution in Agent Trajectories

Otap：用于评估智能体轨迹中规划与执行的结构感知最优传输

Babak Barazandeh, Subhabrata Majumdar, George Michailidis

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

AI总结 研究智能体轨迹评估问题，将其重新定义为执行图与有效解决方案图的距离，通过不平衡融合Gromov-Wasserstein传输问题实例化得到\otap{}分数，该分数可区分有效与无效轨迹，对保持依赖的重新排序不变且对冗余步骤有界敏感。

Grounded Vision-Language Interpreter for Long-Horizon Bimanual Task and Motion Planning

用于长 horizon 双臂任务与运动规划的接地视觉语言解释器

Jeremy Siburian, Keisuke Shirai, Cristian C. Beltran-Hernandez, Masashi Hamaya, Michael Görner, Atsushi Hashimoto

机构 * OMRON SINIC X Corporation（OMRON SINIC X公司） ； The University of Tokyo（东京大学） ； University of Hamburg（汉堡大学） 纠错

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

AI总结 针对现有视觉语言机器人规划框架的黑箱缺陷与双臂任务探索不足问题，提出混合规划框架 ViLaIn-TAMP，经烹饪领域任务及实际双臂机器人系统验证，其性能优于基准方法。

Comments IROS 2026

PRISM: Privileged Probabilistic Latent Supervision for End-to-End Autonomous Driving Motion Planning

PRISM：面向端到端自动驾驶运动规划的特权概率潜在监督

Volodymyr Havrylov, Faris Janjoš, Andreas Look, Jürgen Mathes, Andreas Geiger

机构 * University of Tübingen（蒂宾根大学） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； Coburg University（科堡大学） ； Tübingen AI Center（蒂宾根人工智能中心） 纠错

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

AI总结 该研究针对端到端自动驾驶模型梯度微弱问题，提出基于真实值的概率潜在监督框架，在 nuScenes 数据集上实现规划 L2 误差降 8%、碰撞率降 3%，且计算开销可忽略。

Any House Any Task: Scalable Long-Horizon Planning for Abstract Human Tasks

任何房屋任何任务：为抽象人类任务的可扩展长周期规划

Zhihong Liu, Yang Li, Rengming Huang, Cewu Lu, Panpan Cai

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

AI总结 AHAT是一种优化长周期规划的家庭任务规划器，通过结合LLM和TGPO算法，在复杂家庭任务中实现高效规划。

AgentSLABench: Evaluating and Benchmarking Agentic Systems Under Resource Constraints

AgentSLABench：资源约束下智能体系统的评估与基准测试

Meher Bhaskar Madiraju, Meher Sai Preetam Madiraju

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

AI总结 本研究提出AgentSLABench框架，在资源约束下评估自主AI智能体，通过多维度指标分析发现专用智能体表现优于通用基线，验证了效率调整成功率的重要性并开放相关资源。

Comments 7 pages, 2 figures, 9 tables. Code, sealed test sets, and profiling artifacts available at: https://github.com/MeherBhaskar/agentslabench

Agentic Incident Response through Digital Twin-Enhanced Multiscale Planning

基于数字孪生增强多尺度规划的智能体事件响应

Yiran Gao, Tao Li, Kim Hammar

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

AI总结 该研究针对现有智能体事件响应方法的局限，提出结合决策论规划与LLM的多尺度方法，经实验验证可显著缩短恢复时间、提升恢复率。

Comments 31st European Symposium on Research in Computer Security (ESORICS) 2026

HopRefusalBench: Diagnosing Refusal Failures in Search-Augmented Agents for Multi-Hop Reasoning

HopRefusalBench：面向多跳推理的搜索增强智能体的弃权失败诊断基准

Jianan Xie, Xin Sun, Zhongqi Chen, Xing Zheng, Qiang Liu, Bowen Song

机构 * Ant Group（蚂蚁集团） ； NLPR, MAIS, CASIA（中国科学院自动化研究所模式识别国家重点实验室、多模态人工智能系统实验室） 纠错

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

AI总结 研究针对多跳搜索增强智能体的弃权问题，构建首个可控基准HopRefusalBench，经实验发现前沿模型弃权能力存在显著不足，为相关可靠性改进提供基础。

Comments 20 pages

Learning-Based Motion Planning for Dynamic Environments: From Foundational Algorithms to Emerging Paradigms

动态环境下基于学习的运动规划：从基础算法到新兴范式

Zongyuan Shen, Shalabh Gupta, Shancheng Zhao, Dehua Zhou, Gao Wang, Rui Cheng, Yaming Ou, Zhongqiang Ren, Yikui Zhai, C. L. Philip Chen

机构 * College of Information Science and Technology, Jinan University（暨南大学信息科学技术学院） ； University of Connecticut（康涅狄格大学） ； Guangzhou Maritime University（广州海事大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Wuyi University（五邑大学） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 本综述回顾2015至2025年动态环境下基于学习的运动规划代表性研究，提出学习作用分类法，分析相关影响因素，探讨安全可验证规划等开放挑战与未来方向。