大模型推理能力

ParallelWorld: Test-Time Scaling for Embodied Reasoning

ParallelWorld：具身推理的测试时缩放方法

Min Chen, Shengjun Zhang, Yuxin Li, Zhang Zhang, Xin Fei, Chong Xia, Yueqi Duan

机构 * Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文针对具身推理现有方法缺乏长程规划的局限，提出ParallelWorld多步测试时缩放框架，通过验证器引导的树搜索实现并行多步轨迹模拟，在ESI-Bench上显著提升了主动感知与推理性能。

Comments Project Page: this https URL (https://chen-min-22.github.io/ParallelWorld-page/)

The Chase Is the Curriculum, the Capture Anchors the Credit: Pursuit-Evasion Self-Play for Zero-Data LLM Reasoning

追逐即课程，捕获锚定信用：用于零数据大语言模型推理的追逃自博弈

Jing Yu, Shengchao Chen, Yiyun Tan

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

AI总结 本研究提出LURE框架，将零数据自博弈转化为追逃博弈，通过捕获锚定信用机制，在三类推理环境和主干模型上，实现优于先进基线的零数据LLM推理性能。

Comments 9 pages, 5 figures, 5 tables

When Should a Robot Think? Resource-Aware Reasoning via Reinforcement Learning for Embodied Robotic Decision-Making

机器人何时应该思考？基于强化学习的资源感知推理在具身机器人决策中的应用

Jun Liu, Pu Zhao, Zhenglun Kong, Xuan Shen, Peiyan Dong, Fan Yang, Lin Cui, Hao Tang, Geng Yuan, Wei Niu, Wenbin Zhang, Xue Lin, Gaowen Liu, Yanzhi Wang, Dong Huang

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Northeastern University（东北大学） ； Harvard University（哈佛大学） ； Cornell University（康奈尔大学） ； MIT（麻省理工学院） ； Fujitsu Research of America（美国富士通研究） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； University of Georgia（佐治亚大学） ； Florida International University（佛罗里达国际大学） ； EmbodyX Inc（EmbodyX公司） ； Cisco Systems（思科系统） 纠错

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

AI总结 提出RARRL框架，通过强化学习学习高层编排策略，使具身代理能自适应决定是否调用LLM推理、选择推理角色及分配计算预算，以平衡推理开销与任务成功率。

Geo-VLA: Geometry-Aware Vision-Language-Action Planning via Internalization of Map Semantics

Geo-VLA：通过内化地图语义实现几何感知的视觉-语言-动作规划

Ran Chen, Jiaxing Ren, Zhikun Zhang, Yunhao Hou, Junbao Zhuo, Bochao Zou

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

AI总结 该研究针对VLA模型在复杂驾驶场景中规划性能不足的问题，提出可即插即用的Geo-VLA框架，结合自研Geo-QA数据集，在NAVSIM v1上实现单目VLA规划器的新SOTA。

Guardian: Detecting Robotic Planning and Execution Errors with Vision-Language Models

为视觉-语言机器人操控扩展跨环境故障推理数据

Paul Pacaud, Ricardo Garcia, Shizhe Chen, Cordelia Schmid

机构 * Inria, École normale supérieure, CNRS, PSL Research University（法国国家信息与自动化研究所、巴黎高等师范学院、法国国家科学研究中心、巴黎文理研究大学） 纠错

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

AI总结 本文提出自动框架生成多样化的机器人规划与执行故障数据，构建FailCoT数据集，训练Guardian模型提升故障检测泛化能力。

Comments Code, Data, and Models available at this https URL (https://www.di.ens.fr/willow/research/guardian/). The paper contains 8 pages, 7 figures, 7 tables

Beyond Verdicts: A Graph-Based Analysis of Human and LLM Reasoning in Scientific Fact-Checking

超越裁决：科学事实核查中人类与大语言模型推理的基于图的分析

Abdul Ghafoor, Muhammad Arslan Manzoor, Yufang Hou

机构 * Interdisciplinary Transformation University Austria (ITU)（奥地利跨学科转型大学（ITU）） 纠错

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

AI总结 本研究提出类型化推理图框架，用于对比科学事实核查中人类与LLM的推理路径，基于MISSCIPLUS数据集评估GPT-5等模型，发现各模型在裁决性能与人类对齐度上存在差异。

Hierarchy-Aware Supervised Uncertainty Estimation for Black-box LLM Taxonomic Reasoning

面向黑盒大语言模型分类推理的层级感知监督式不确定性估计

Shuting Xie, Nathaniel Lesperance, Graham W. Taylor

机构 * Vector Institute for AI（向量人工智能研究所） ； University of Guelph（圭尔夫大学） 纠错

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

AI总结 针对黑盒LLM在生物多样性监测分类推理中置信度估计难的问题，提出层级感知监督估计器，提升了微AUROC，验证了层级结构对弃权规则的重要性。

SSE-Bio: A Structured Self-Evolving Agent with Agentic Retrieval Policy for Multi-Hop Biomedical Reasoning

SSE-Bio：面向多跳生物医学推理的、具备智能体式检索策略的结构化自进化智能体

Zhaohan Meng, Zaiqiao Meng, Siwei Liu, Hao Xu, Ke Yuan, Iadh Ounis

机构 * School of Computing Science, University of Glasgow（格拉斯哥大学计算科学学院） ； Brigham and Women’s Hospital, Harvard Medical School, Harvard University（哈佛大学医学院附属布莱根妇女医院） ； Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； School of Natural and Computing Science, University of Aberdeen（阿伯丁大学自然与计算科学学院） ； School of Cancer Sciences, University of Glasgow（格拉斯哥大学癌症科学学院） ； Cancer Research UK Scotland Institute（英国癌症研究苏格兰研究所） 纠错

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

AI总结 本研究针对生物医学多跳问答的指令漂移问题，提出SSE-Bio结构化自进化智能体，通过代理策略选择性检索、细粒度模板编辑及组相对策略优化，在三个基准上实现优于现有基线的性能，BioHopR上提升6.56绝对点。

Comments Accepted to EMNLP 2026

EMPIRE: Explicit Manipulation Planning as a Learnable Intermediate Representation for Egocentric Hand-Motion Forecasting

EMPIRE：将显式操作规划作为可学习中间表征用于自我中心视角下手运动预测

Wen Wang, Ruibing Hou, Hong Chang, Shiguang Shan, Xilin Chen

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

AI总结 该研究针对现有手运动预测方法忽略操作过程、梯度干扰的问题，提出两阶段框架EMPIRE，构建EMPIRE-651K数据集，实现了更优的手运动预测精度。

Comments 14 pages, 10 figures, 18 tables

Multi-Agent Orchestration with the Common-Sense Reasoning Capabilities of LLMs for Autonomous Driving

结合大语言模型常识推理能力的多智能体协同框架用于自动驾驶

Mehdi Azarafza, Faezeh Pasandideh, Ali Ehteshami Bejnordi, Stefan Henkler, Achim Rettberg

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

AI总结 该研究针对自动驾驶中强化学习等方法的上下文推理缺陷，提出结合LLM常识推理的混合多智能体协同框架，经CARLA场景验证可保留结构化控制与安全机制，具备应用潜力。

Comments 16 pages, 7 figures

ATP-Bench: Towards Agentic Tool Planning for MLLM Interleaved Generation

ATP-Bench: 向多模态大语言模型交错生成的代理工具规划迈进

Yinuo Liu, Zi Qian, Heng Zhou, Jiahao Zhang, Yajie Zhang, Zhihang Li, Mengyu Zhou, Erchao Zhao, Xiaoxi Jiang, Guanjun Jiang

机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴通义千问大模型应用团队） ； Huazhong University of Science and Technology（华中科技大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 针对多模态大语言模型交错生成中事实性与创造性难以统一的问题，提出ATP-Bench基准，包含7702个问题-答案对，评估代理工具规划能力，揭示模型在交错规划中的不足。

Comments Accepted at the European Conference on Computer Vision (ECCV) 2026

Distributed Trajectory Planning and Resource Allocation for Dynamic Multi-UAV Collaborative Computing

面向动态多无人机协同计算的分布式轨迹规划与资源分配

Tiankui Zhang, Wenlong Xu, Tianyi Shi, Xiaoxia Xu, Arumugam Nallanathan

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文针对动态参与的多无人机协同计算场景，构建分布式MEC框架，基于斯塔克尔伯格博弈联合优化轨迹与资源，提出分层MADRL算法，仿真显示其能提升无人机效率、降低移动终端开销且适配不同网络规模。

OmicSync: Reliability-Aware Spatial Multi-Omics Clustering with Evidence-Constrained LLM Reasoning

OmicSync：结合证据约束大语言模型推理的可靠性感知空间多组学聚类

Rabeya Tus Sadia, Qiang Ye, Qiang Cheng

机构 * University of Kentucky（肯塔基大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 OmicSync是结合证据约束LLM推理的可靠性感知空间多组学聚类框架，集成KAN-GCN骨干等功能，在多组学基准测试中表现优异，OmicSync-R进一步提升了人乳腺癌的聚类性能。

Mitigating Error Propagation in Chain-of-Thought: A Tree-of-Thought Framework for Smart Contract Repair

缓解思维链中的错误传播：一种用于智能合约修复的思维树框架

Jingping Zhu, Hongping Wang, Xiaoqi Li

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

AI总结 针对智能合约修复中线性推理导致的错误累积问题，提出思维树框架，结合文档解析、静态分析与Tree of Thoughts推理，在50个真实漏洞上测试，性能优于ContractTinker。

Think-to-Personalize: Unifying Reasoning and Retrieval for User-Centric Personalized Dense Retrieval

思考以个性化：统一推理与检索的以用户为中心的个性化密集检索

Angqing Jiang, Gaoming Zhang, Jianchun Song, Kena Qi, Dayao Chen, Wei Lin, Defu Lian

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 本文提出TTP框架，将用户意图推理与密集检索统一，经两阶段训练后在电商场景实验及在线测试中均取得优于基线的效果，提升了订单量。

Comments Accepted at CIKM 2026. 11 pages, 8 figures, and 9 tables

MAVEN-T: Reinforced Heterogeneous Distillation for Real-Time Multi-Agent Trajectory Prediction

MAVEN-T：用于实时多智能体轨迹预测的强化异构蒸馏

Wenchang Duan, Zhenguo Gao, Jinguo Xian, Yi Shi

机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Bio-X Institutes, Key Laboratory for the Genetics of Developmental and Neuropsychiatric Disorders, Shanghai Jiao Tong University（上海交通大学Bio-X研究院、发育与神经精神疾病遗传学重点实验室） ； Shanghai Key Laboratory of Psychotic Disorders, Brain Science and Technology Research Center, Shanghai Jiao Tong University（上海精神疾病重点实验室、脑科学与技术研究中心，上海交通大学） 纠错

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

AI总结 提出MAVEN-T框架，通过高容量教师模型和紧凑学生模型的异构蒸馏，结合强化学习优化，实现实时多智能体轨迹预测，在多个数据集上达到高精度与低延迟。

Benchmarking Retrieval-Augmented Generation Strategies for Large Language Model-Based Travel Mode Choice Prediction

面向基于大语言模型的出行方式选择预测的检索增强生成策略基准测试

Yiming Xu, Junfeng Jiao

机构 * School of Architecture, The University of Texas at Austin（德克萨斯大学建筑学院） 纠错

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

AI总结 该研究开发将RAG集成到LLM出行方式选择预测的模块化框架，测试四种检索策略在三款LLM上的表现，发现结合均衡检索与交叉编码器重排序的GPT-4o准确率达80.8%，优于传统基线模型。

TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning

TRACE：一种用于高效智能体强化学习的统一展开预算分配框架

Heming Zou, Qi Wang, Yun Qu, Yuhang Jiang, Lizhou Cai, Yixiu Mao, Ru Peng, Xin Xu, Weijie Liu, Kai Yang, Saiyong Yang, Xiangyang Ji

机构 * Tsinghua University（清华大学） ； Tencent（腾讯） 纠错

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

AI总结 针对多轮智能体强化学习中奖励对比度不足的问题，提出TRACE框架，通过将每个ReAct式思考-行动-观察步骤建模为语义节点，在固定采样预算内将预算分配到提示根和中间前缀，增强奖励对比，提升策略更新信号。

Comments Accepted by EMNLP 2026 Main Conference, 32 pages, 12 figures, 6 tables

Foundation Models in Robotics: A Comprehensive Review of Methods, Models, Datasets, Challenges and Future Research Directions

机器人中的基础模型：方法、模型、数据集、挑战及未来研究方向的全面综述

Aggelos Psiris, Vasileios Argyriou, Evangelos K. Markakis, Panagiotis Sarigiannidis, Efstratios Gavves, Kostas Bekris, Arash Ajoudani, Georgios Th. Papadopoulos

机构 * Department of Informatics and Telematics, Harokopio University of Athens（信息与电信系，哈罗科比欧大学） 纠错

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

AI总结 本文综述了机器人中基础模型的发展，涵盖方法、模型、数据集、挑战及未来方向，分析了不同阶段的研究演变及关键方面。

Effects of Theory of Mind and Prosocial Beliefs on Steering Human-Aligned Behaviors of LLMs in Ultimatum Games

心理理论与亲社会信念对最后通牒博弈中大型语言模型的人类对齐行为的影响

Neemesh Yadav, Yihuai Lan, Shan Dong, Mai Hieu Hien, Palakorn Achananuparp, Jing Jiang, Ee-Peng Lim

机构 * Singapore Management University（新加坡管理大学） ； Australian National University（澳大利亚国立大学） 纠错

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

AI总结 本研究以最后通牒博弈为任务，赋予LLM不同亲社会信念与推理方法，开展2700次模拟，发现ToM推理可增强LLM行为对齐度等，且不同游戏角色适配不同ToM顺序，Llama 3.3 70B的推理与行动信念最一致。

SRMT: Shared Memory for Multi-agent Lifelong Pathfinding

SRMT：面向多智能体终身路径规划的共享内存

Alsu Sagirova, Yuri Kuratov, Mikhail Burtsev

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

AI总结 本文提出共享循环记忆Transformer（SRMT），通过全局共享内存工作区实现去中心化多智能体的无约束协调，在PO-MAPF等任务上表现优于基线，可扩展且无需领域特定启发式。

Comments 16 pages, 11 figures

MobilePA-Bench: Benchmarking Mobile Planner Agents on Complex Real-World Tasks

MobilePA-Bench：面向复杂真实世界任务的移动规划智能体基准测试

Yi Zhu, Xiongwei Wu, Qiyi Wang, Tingyu Qu, Jiajun Liu, Sihan Cao, Long Chen, Weigao Sun, Feida Zhu, Yiran Zhong, Steven Hoi

机构 * Alibaba（阿里巴巴） 纠错

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

AI总结 该研究提出 MobilePA-Bench 基准，针对现有移动智能体评估基准的盲区，从多维度测试移动规划智能体，发现前沿 LLM 在移动场景中存在可靠性问题，该基准可用于诊断与加速可靠移动智能体开发。

Meta-Moderator: Empowering Multi-Agent Debate with Meta-Cognition

元审核员：用元认知赋能多智能体辩论

Wentao Hu, Zhuoyue Wan, Jinhao Shen, Chen Jason Zhang, Xiaoyong Wei, Qing Li

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） 纠错

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

AI总结 该研究提出Meta-Moderator可学习框架，将多智能体辩论的审核视为元认知过程，经结果驱动策略优化训练，在五个基准测试中性能优于现有决策层，能动态调控辩论并减少错误聚合。

Comments Accepted by EMNLP 2026 Findings

Toward Effective and Reliable LLM Agents via Dynamic Ontology

基于动态本体的有效可靠大语言模型智能体研究

Xiaohui Zhang, Zequn Sun, Chengyuan Yang, Yuanning Cui, Lingbing Guo, Wei Hu

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

AI总结 本文提出OaK框架，通过动态构建优化面向任务的本体论，在TravelPlanner等数据集上验证其可提升LLM智能体的证据基础与多步推理可靠性。

CDEG: Learning Decision-Critical Evidence for Long-Horizon Diagnostic Agents

CDEG：为长程诊断智能体学习决策关键证据

Xiwei Dai, Zijie Meng, Zhiting Fan, Yixuan Tang, Ziru Niu, Zuozhu Liu

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

AI总结 本研究提出基于图的框架CDEG，通过对比同一病例的成功与失败轨迹、受控反事实干预等学习决策关键证据，在多基准测试中使长程诊断智能体准确率最高提升11.5%。

Comments 9 pages, 5 figures

Physical Agentic AI: An Architecture for Orchestrating a Robot Crew with LLMs

物理智能体AI：一种用于协调机器人团队与大语言模型的架构

Xinyuan Liu, Eren Sadikoglu, Riana Chatterjee, Ransalu Senanayake

机构 * School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院） 纠错

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

AI总结 本文提出Physical Agentic AI框架，通过语义规划与执行间的显式架构接口协调机器人团队，在两类任务中验证其可提升技能落地率、减少故障动作，为物理机器人团队提供可靠协调方案。

Learning Generalizable Behaviors for Terminal Agents

学习终端智能体的可泛化行为

Yihang Yao, Bo Pang, Xuan Phi Nguyen, Ding Zhao, Shafiq Joty, Semih Yavuz

机构 * Salesforce AI Research（Salesforce人工智能研究院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本研究针对终端智能体泛化问题，提出智能体组合泛化假设，开发训练方案River，其用不足30%的TMax环境使多规模模型在两个基准上RL增益平均提升超100%，且性能优于开源8B模型、可跨多维度泛化。

Aligned Alone, Misaligned Together: Forecasting Adversarial Capture in LLM Agent Populations

单独对齐，共同错位：预测大语言模型智能体群体中的对抗捕获

Isotta Magistrali, Chen Shani

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

AI总结 该研究针对LLM智能体群体，提出从群体无攻击时的良性运行状态校准响应函数，可提前预测坚定少数群体引发的对抗捕获，且捕获为临时状态，孤立对齐不等同于群体对齐。

Where World Models Break: Natural-Input Failure Discovery

世界模型何时失效：自然输入的故障发现

Zhanpeng Shi, Zi Liang, Rong Feng, Shiqin Tang, Xuyang Chen, Hongzong Li

机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） ； The Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； Generative AI Research and Development Center, The Hong Kong University of Science and Technology（香港科技大学生成式人工智能研发中心） 纠错

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

AI总结 本文针对现有世界模型评估忽略灾难性故障风险的问题，提出 BasinLens 方法，可在有限查询预算下发现自然输入引发的可复现、局部持续的世界模型故障，暴露常规基准未覆盖的漏洞。

Whitewashing Hate, Smearing Harmless Content: Annotator-Style Rebuttal Attacks on LLM-Based Moderation

洗白仇恨内容、抹黑无害内容：针对基于大语言模型的内容审核的标注者式反驳攻击

Junyu Lu, Kaiyuan Liu, Jingyi Kang, Deyi Ji, Hailong Zhang, Lanyun Zhu, Qi Zhu, Bo Xu, Liang Yang, Hongfei Lin

机构 * Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Tencent（腾讯） ； Tongji University（同济大学） 纠错

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

AI总结 该研究针对LLMs内容审核提出标注者式反驳攻击，发现洗白仇恨内容与抹黑无害内容的攻击效果存在模型特异性不对称性，防御措施无法完全消除攻击影响，凸显需定向防御与反馈鲁棒性评估。