大模型推理能力

Multimodal Plant Root Phenotyping with Integration of 3D Skeleton Extraction and Language Analysis

结合三维骨架提取与语言分析的多模态植物根表型分析

Jiakai Lin, Zijun Li, Guoyu Lu

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 该研究提出多模态机器人AI框架，结合W-LBC无监督三维骨架提取与证据优先语言建模，微调GPT实现12种植物根表型的可解释分析，建立了定量与语义结合的根表型统一分析范式。

SUV: Future Scene Understanding as Video Generation for End-to-End Driving

SUV：将未来场景理解建模为视频生成的端到端驾驶

Yibo Yuan, Jiacheng Fu, Jiangtong Zhu, Yi Li, Jianhua Han, Meng Tian, Zhuohan Liu, Zhiwei Xiong, Hang Xu, Jianwu Fang, Jianru Xue

专题命中 视觉空间推理 ：planning(abstract)

AI总结 SUV是将未来场景理解建模为视频生成的端到端驾驶框架，其在NAVSIM-v2和WOD-E2E基准上优于近期SOTA方法，实现了更优的轨迹规划性能。

Comments 16 pages, 5 figures. Code: https://github.com/ASH-2046/SUV

Global Graph-Validated Optimization for VLM-based 3D Indoor Scene Generation

基于全局图验证的VLM驱动3D室内场景生成优化

Jialu Huang, Yingxuan You, Fei Wang, Zheng Dang

专题命中 视觉空间推理 ：reasoning(abstract)

AI总结 该研究针对VLM驱动3D室内布局生成中全局一致性与物理可行性不足的问题，提出结合GSV与GPFS的混合策略，实现了该任务的当前最优性能。

Comments 15 pages, 8 figures

Self-Guided Adaptive Safety Alignment: Synthesizing and Internalizing Guidelines in Reasoning Models

自引导防御：通过合成指南实现推理模型的自适应安全对齐

Yuhang Wang, Yanxu Zhu, Jiaming Zhang, Dongyuan Lu, Jitao Sang

机构 * Beijing Key Lab of Traffic Data Analysis and Mining（北京交通大数据分析与挖掘重点实验室） ； Beijing Jiaotong University（北京交通大学） ； School of Information Technology and Management（信息科技与管理学院） ； University of International Business and Economics（国际经济贸易大学） 纠错

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

AI总结 本文提出SGASA框架，通过合成指南实现推理模型的自适应安全对齐，提升对抗性提示防御能力并减少对良性请求的拒绝。

PAMT: Process-Aligned Reinforcement Learning for Multi-Domain Machine Translation

PAMT：面向多领域机器翻译的过程对齐强化学习

Yongshi Ye, Biao Fu, Chongxuan Huang, Yidong Chen, Xiaodong Shi

专题命中 测试时计算 ：CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL

AI总结 针对多领域机器翻译中显式推理的偏差问题，提出过程对齐强化学习框架PAMT，结合长思维链监督与多维度奖励机制，在多种场景下表现优于基线模型。

Comments 23 pages, 10 figures, and 18 tables

Where Reasoning Diverges: Localized Multi-Agent Debate for Multi-Hop Question Answering

推理分歧之处：本地化多智能体辩论

Weijun Gao, Xiang Ding, Haoyang Liu, Tiancheng Xing

机构 * The Chinese University of Hong Kong（香港中文大学） ； Nagoya University（名古屋大学） ； Institute of Science Tokyo（东京科学大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 测试时计算 ：reasoning(title)；分类 cs.AI

AI总结 针对多智能体辩论冗余交换完整推理轨迹的问题，提出LMAD协议，通过定位冲突并限制辩论范围，在十个骨干模型上实现宏平均评判准确率提升7.20个百分点。

Aligning Large Vision-Language Models at Test Time: A Trajectory-Guided Structured Sampling Approach

测试时对齐大型视觉语言模型：一种轨迹引导的结构化采样方法

Tianbao Jiang, Weicong Ni, Gerard de Melo, Linlin Wang

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

AI总结 针对现有视觉语言模型测试时对齐方法资源密集、训练与推理分布不匹配的问题，提出轨迹引导结构化采样的测试时对齐方法，在多模态推理数据集上提升准确率且推理开销可控。

Interpretable Adaptive Sampling for LLM Test-Time Scaling

面向大语言模型测试时缩放的可解释自适应采样

Mobina Kashaniyan, Ali Jannesari

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

AI总结 该研究针对LLM测试时推理的固定计算预算不灵活、不可解释的问题，提出带轻量级模糊控制器的自适应采样方法，在问答和数学任务上提升性能并减少平均采样数，为高效测试时推理提供实用方向。

MutMem: Cryptographically Authorized Mutation in Persistent Agent Memory

MutMem：持久智能体内存中的密码学授权突变

Walid Saidi

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

AI总结 本研究针对持久智能体内存的授权与防篡改问题，提出HOM-AIMOS中的MutMem协议，经实验验证其在多个基准任务中表现良好，可有效抵御中毒攻击。

Comments https://github.com/wallidsaydi-creator/HOM-AIMOS. 32 Pages

MDArena: Evaluating Coding Agents on Realistic Molecular Dynamics Workflows

MDArena：面向真实分子动力学工作流的编码智能体评估基准

Nithishwer Mouroug Anand, Wei-Tse Hsu, Kyle Vaccaro, Eden James Gage, Jonathan David Colburn, Linda Xi Phan, Minjoon Seo, Kevin Guan, Philip C. Biggin

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

AI总结 MDArena基准评估了6种编码智能体在真实分子动力学任务上的表现，发现其在精细科学工作流细节上存在不足，为追踪其可靠性进展提供了平台。

Comments 17 pages including appendices, 4 figures

A Challenge-Nonce Freshness Gap in Project Veraison's TPM Reference Schemes, Found by Appraising Application-Layer Action Evidence End-to-End

通过端到端评估应用层行动证据发现Project Veraison的TPM参考方案中存在的挑战随机数新鲜度缺口

Anton Sokolov

专题命中 测试时计算 ：verifier(abstract)

AI总结 本文发现Project Veraison的TPM参考方案存在挑战随机数新鲜度缺口，通过端到端测试验证修复方案，使重放Quote的评估结果变为否定，提升了RATS架构的安全性。

Comments 18 pages, 3 figures. Responsible disclosure: veraison/services#427, fixed in PR #432. Artifact and data: doi:10.5281/zenodo.20998730

CURV: Enhancing Chart Understanding Through Curriculum Visual Grounded Reasoning

CURV：通过课程可视化接地推理增强图表理解

Xuehang Guo, Pingyue Zhang, Ruiyi Zhang, Zhenhailong Wang, Hanrui Lyu, Heng Ji, Tong Sun, Qingyun Wang, Manling Li

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

AI总结 针对多模态大语言模型视觉接地与推理不足的问题，提出CURV课程学习框架，结合CCQA数据集，在图表问答任务中实现显著性能提升并具备良好泛化性。

TurnSight: Turn-Level Hindsight Self-Distillation for Tool-Integrated Reasoning

TurnSight：面向工具集成推理的回合级事后自蒸馏方法

Changle Qu, Sunhao Dai, Hengyi Cai, Yuqi Zhou, Xinran Chen, Simon, Jun Xu

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

AI总结 针对工具集成推理中现有方法缺乏细粒度监督的问题，提出TurnSight框架，通过回合级事后自蒸馏生成可靠监督信号，在三个基准上验证了其有效性。

PI-Mem: Pushing Long-Context Reasoning to 3.6M Tokens with Parallel-Iterative Memory

PI-Mem：通过并行迭代式记忆将长上下文推理推向360万 tokens

Dawei Liu, Haixu Song, Shuang Cheng, Shijie Wang, Haozheng Hou, Kaifeng Liu, Ermo Hua, Zhonghang Yuan, Zhijie Zhong, Yuchen Fan, Biqing Qi, Bowen Zhou

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

AI总结 该研究提出PI-Mem并行迭代记忆机制，在360万 tokens长上下文下，使Qwen系列模型在HotpotQA基准上较循环记忆基线实现准确率提升与推理加速，打破长上下文推理的准确率-效率权衡。

ReflectRL: Learning from Golden Negative Trajectories via Reflective-to-Direct Reasoning

ReflectRL：通过反思到直接推理从优质负轨迹中学习

Jinhe Bi, Chennan Zhou, Zengjie Jin, Aniri, Shuo Lu, Wenke Huang, Hu Cao, Xun Xiao, Zhihong Zhu, Volker Tresp, Fei Shen, Yunpu Ma, Tat-Seng Chua

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

AI总结 ReflectRL是一种轻量即插即用框架，将专家失败的优质负轨迹作为反思对象而非丢弃，经反思推理与策略转换，在多基准、多模型及多训练方法上以极小开销提升大语言模型推理性能。

Comments Project page: https://github.com/bibisbar/ReflectRL

CLEAR: Causal Context-Based Agentic Reasoning for Vulnerability Detection

CLEAR：基于因果上下文的智能体推理漏洞检测

Sungju Yun, Sijune Hwang, Yeonjoon Lee, Kyungtae Kang, Sungbin Park

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 该研究针对现有漏洞检测方法无法捕捉漏洞复杂因果依赖的问题，提出CLEAR多智能体框架，通过构建VCKG并结合四类智能体协同推理，在C/C++和Java基准上性能显著优于现有最优方法。

An Agentic Approach to Metadata Reasoning

元数据推理的代理方法

Jiani Zhang, Sercan O. Arik, Cosmin Arad, Fatma Ozcan, Alon Halevy

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 本文提出元数据推理代理，通过检索候选表和自主咨询元数据，有效筛选数据源。在KramaBench和合成基准测试中，其在数据选择和避免低质量数据方面表现优异。

Aligned in Form, Not in Meaning: The Comprehension - Containment Decoupling of LLM Safety in Low-Resource Bangla Derogatory Speech

形式对齐而非意义对齐：低资源孟加拉语贬损言论中大型语言模型（LLM）安全的理解-遏制解耦

Shadab Bin Habib, A K M Ferdous Reza Habib, Subarno Neel, Adib Sakhawat

机构 * Islamic University of Technology（伊斯兰科技大学） 纠错

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

AI总结 该研究针对5个前沿LLM，在6种协议下对孟加拉语贬损言论审计，验证了LLM安全的理解-遏制解耦假设，发现高资源基准无法保障低资源安全，需基于意义的遏制。

Comments 15 pages, 6 figures

Know When to Stop: Segment-Level Credit Assignment for Reducing Overthinking

知止：用于减少过度思考的片段级信用分配

Chia-Hsuan Lee, Sihui Dai, Mingyang Zhou, Isha Slavin, Hsuan Su, Shi-Xiong Zhang, Sambit Sahu, William Campbell

机构 * Capital One（第一资本） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；self-correction(abstract)；分类 cs.CL

AI总结 提出DASH方法，通过将推理轨迹中的最终答案候选与真实值比较，实现片段级信用分配，减少推理语言模型过度思考行为，在AIME25上准确率达50.8%。

Adversarial Fast-Moving Real-World Domains as Test Beds for Benchmarking AI Scientist Capabilities

对抗性快速变化的真实世界领域：用于基准测试AI科学家能力的测试床

William Bolton, Philip Torr

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

AI总结 该研究提出以F1、MTG等对抗性快速变化的真实世界领域为测试床，发现AI科学家的核心能力差距是想法过滤、优先级排序而非生成。

Comments Accepted at the AI for Science workshop at ICML 2026. 14 pages, 11 figures

SphUnc: Hyperspherical Uncertainty Decomposition and Causal Identification via Information Geometry

SphUnc：通过信息几何的超球面不确定性分解与因果识别

Rong Fu, Chunlei Meng, Jinshuo Liu, Dianyu Zhao, Yongtai Liu, Yibo Meng, Xiaowen Ma, Wangyu Wu, Yangchen Zeng, Shuaishuai Cao, Simon Fong

机构 * University of Macau（澳门大学） ； Fudan University（复旦大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Renmin University of China（中国人民大学） ； Hanyang University（翰阳大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Southeast University（东南大学） ； Central South University（中南大学） 纠错

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

AI总结 SphUnc结合超球面表示学习与结构因果建模，通过信息几何融合分解不确定性为epistemic和aleatoric成分，并通过样本模拟实现因果识别，提升多智能体系统中的预测准确性和不确定性校准能力。

Comments 22 pages, 15 figures

FLARE: Few-shot Learning-based Adaptive Reflective Engine

FLARE：基于小样本学习的自适应反思引擎

Dhanasekar Sundararaman, Bharat Gandhi, Aashna Garg, Minjie Li

机构 * Microsoft（微软） 纠错

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

AI总结 本研究提出FLARE框架，利用小样本学习与反思机制优化指令，在多基准任务中优于GEPA，数据效率更高且稳定性更强，凸显小样本学习策略优化对提升LLM性能的重要性。

SpatialCLI: Learning to Reason With Spatial Tools, Then Without Them

SpatialCLI：先借助空间工具进行推理，再脱离工具进行推理

Yang Zhou, Zixuan Huang, Sunzhu Li, Zhuo Yang, Chen Zhang, Shunian Chen, Caijun Yan, Jianyao Xu, Shunyu Liu, Weijie Fu, Peiliang Li, Xiaozhi Chen, Yuxiang Cai

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

AI总结 本研究提出SpatialCLI框架，通过三个阶段让视觉语言模型先借助专用空间工具推理，再内化感知能力，在MindCube上大幅提升了Qwen3-VL-8B-Instruct的性能，表现优于对比模型。

Fault Cause Identification across Manufacturing Lines through Ontology-Guided and Process-Aware FMEA Graph Learning with LLMs

基于本体引导和流程感知FMEA图学习结合大语言模型的跨生产线故障原因识别

Sho Okazaki, Kohei Kaminishi, Takuma Fujiu, Yusheng Wang, Manu Sasidharan, Jun Ota

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 该研究针对跨生产线故障原因识别难题，提出OGPAL框架，结合LLM与RGCN实现FMEA知识复用，在汽车压力传感器装配线案例中性能优于基线方法。

Automated Visualization Code Synthesis via Multi-Path Reasoning and Feedback-Driven Optimization

通过多路径推理和反馈驱动优化实现自动化可视化代码合成

Wonduk Seo, Daye Kang, Hyunjin An, Taehan Kim, Soohyuk Cho, Seungyong Lee, Minhyeong Yu, Jian Park, Yi Bu, Seunghyun Lee

机构 * AI Research, Enhans, Seoul, South Korea Innovation \& Technology, KAIST, Daejeon, South Korea Department of Computer Science, University of California, Berkeley, CA, United States Department of Electrical 纠错

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

AI总结 VisPath通过多路径推理和反馈驱动优化，提升自动化可视化代码生成的可靠性与准确性。

Comments Accepted by International Conference on Pattern Recognization (ICPR 2026)

Journal ref Pattern Recognition. ICPR 2026. Lecture Notes in Computer Science, vol 16812. Springer, Cham

Risky Business: Measuring The Faithfulness-Safety Tension

危险的业务：测量忠实度与安全性之间的张力

Dominik Meier, Luca Joshua Francis, Marco Bernhard Kaiser, Terry Ruas, Jan Philip Wahle, Bela Gipp

专题命中 推理评测 ：reasoning(abstract,abstract_cn)；chain-of-thought(abstract,abstract_cn)；CoT(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 该研究针对大型推理模型中忠实度与安全性的张力，构建HazMart数据集，提出TRR技术，发现QwQ-32B的反相关内部方向，并通过表征引导提升安全行为9个百分点。

Test-Time Scaling in Reasoning LLMs: Inference Regimes, Evaluation, and Reproducibility

推理大语言模型中的测试时缩放：推理机制、评估与可复现性

Mohsen Hariri, Weicong Chen, Nahal Shahini, Vikash Singh, Kai Ye, Amirhossein Samandar, Debargha Ganguly, Sreehari Sankar, Yanyan Zhang, Shouren Wang, Jerry Peng, Biyao Zhang, Michael Hinczewski, Vipin Chaudhary

专题命中 推理评测 ：reasoning(title,abstract)；verifier(abstract)；分类 cs.AI、cs.LG

AI总结 该研究针对推理大语言模型的测试时缩放，明确三种推理机制，提出系统评估原则与可复现性要求，应用于多类基准并发布超20亿条推理轨迹。

Shorter Reasoning, Earlier Answers? An Evaluation of Reasoning Interfaces

更短的推理，更早的答案？对推理接口的评估

Francesca Carlon, Vincent Ginis, Andres Algaba

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI、cs.LG

AI总结 本研究评估大型语言模型的推理接口，测试提示词和训练设置对推理长度、准确率的影响，发现早答指令和低 effort 推理在特定 token 限制下可提升部分数据集准确率，需综合报告多维度评估指标。

Comments 52 pages, 13 figures, 30 tables

Filtered Reasoning Score: Evaluating Reasoning Quality on a Model's Most-Confident Traces

过滤推理得分：在模型最自信的轨迹上评估推理质量

Manas Pathak, Xingyao Chen, Shuozhe Li, Amy Zhang, Liu Leqi

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文提出过滤推理得分，用于评估模型推理质量，区分相似准确率的模型，并提高对输入提示和生成配置变化的鲁棒性。

Comments Accepted at the Conference on Language Modeling (COLM) 2026. Camera-ready version

Beyond Accuracy: A Multidimensional Evaluation of Statistical Reasoning in Large Language Models

超越准确率：大型语言模型统计推理的多维度评估

Monnie McGee, Mateo Langston Smith, Julian Cabrera

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

AI总结 本研究结合多维度分析框架评估15款LLMs的统计推理，发现仅用准确率无法全面描述其统计推理能力，且存在厂商专属解释风格差异。

Comments 15 pages, 5 tables, 2 figures, presented at JSM 2026 and submitted for publication