大模型推理能力

Skill-Conditioned Gated Self-Distillation for LLM Reasoning

技能条件门控自蒸馏用于大语言模型推理

Jiazhen Huang, Xiao Chen, Xiao Luo, Yong Dai, Senkang Hu, Yuzhi Zhao

机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 数学推理 ：reasoning(title,abstract)；verifier(abstract)；分类 cs.CL、cs.AI

AI总结 提出技能条件门控自蒸馏（SGSD），通过从经验技能库中检索技能-错误对构建多教师池，并利用验证器验证教师极性，以鲁棒门控目标蒸馏信息性师生差异，在弱先验信息假设下提升数学推理性能。

Comments Accepted by EMNLP 2026 Findings. Code is available at this https URL (https://github.com/walawalagoose/SGSD)

Olapa-MCoT: Enhancing the Chinese Mathematical Reasoning Capability of LLMs

Olapa-MCoT：增强大语言模型的中文数学推理能力

Shaojie Zhu, Zhaobin Wang, Chengxiang Zhuo, Hui Lu, Bo Hu, Zang Li

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

AI总结 本研究针对Llama-2-13B中文数学推理能力弱的问题，提出Olapa-MCoT方法，通过SimRRHF和IDRL提升模型性能，使中文推理准确率升36%，且可适配任意主流LLMs。

Comments 10 pages, 1 figures

LongWoF-Bench: Evaluating EvoMap Genes for Verifiable Long-Workflow Tasks

LongWoF-Bench：评估用于可验证长工作流任务的EvoMap基因

Xiao Zhang, Qumeng Sun, Jiahao Li, Yiming Ren, Xiang Liu, Haoyang Zhang, Junjie Wang

机构 * EvoMap ； Tsinghua University（清华大学） 纠错

专题命中 数学推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL

AI总结 该研究提出LongWoF-Bench基准，发现通过EvoMap将验证的执行轨迹转化为可复用的Gene，能显著提升多模型在长工作流任务上的表现，且优于Skill和参考蒸馏的Gene。

Best Practice Critic Optimization

如何稳定且高效地训练评价模型

Penghui Qi, Xiangxin Zhou, Wee Sun Lee

机构 * National University of Singapore（新加坡国立大学） ； Tencent Hunyuan（腾讯混元） 纠错

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

AI总结 该研究提出BPCO流程稳定高效训练评价模型，在数学推理任务上，其优于基线，且采样1个响应时可匹配或超过基于组的GRPO基线。

LOCKS: Page-Local Compact Key Summaries for Efficient Long-Context Decoding

LOCKS：用于高效长上下文解码的页面局部紧凑键摘要

Junsung Hwang

专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 研究针对长上下文解码中KV缓存瓶颈问题，提出LOCKS方法，为页面提供局部紧凑键摘要，通过重建对数its、估计注意力质量等操作，仅关注顶部页面，在多种任务中表现出色，显著降低解码延迟。

Beyond the Stability-Exploration Dilemma: Environmental Regularization for LLM Policy Optimization

超越稳定性-探索困境：面向大语言模型策略优化的环境正则化方法

Xianlei Zhou, Xiangdi Meng, Yu He, Tianyu Qi, Shuyan Guan, Xianli Zhang, Jian Zhang, Xin Li, Qika Lin, Jun Liu

机构 * Alibaba Group（阿里巴巴集团） ； Beijing Normal University（北京师范大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL

AI总结 该研究针对大语言模型策略优化的稳定性-探索困境，提出ERPO方法，通过查询KL散度正则化输入侧分布，接入现有策略优化流水线，在数学推理基准上实现了更强准确率与更稳定行为。

Comments Accepted to EMNLP 2026 main conference

Auditing an AI-Generated Mathematical Proof: Human Assessment of OpenAI's Quantum Parallel-Repetition Argument

AI生成数学证明的审计：量子并行重复中一个贪心条件引理的修正

Mikołaj Sienicki, Krzysztof Sienicki

机构 * Polish–Japanese Academy of Information Technology（波兰-日本信息技术学院） ； Chair of Theoretical Physics of Naturally Intelligent Systems (NIS)（自然智能系统理论物理研究所（NIS）） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文审计OpenAI相关工作中AI生成的数学证明，发现其量子并行重复中贪心条件引理的证明存在极性错误，给出反例并提供局部修正证明，揭示AI论证可能隐藏互补事件的关键反转。

Comments 8 pages, 5 references. V2: 11 pages, 8 references. Substantially revised. The polarity error reported in v1 is withdrawn: it resulted from loss of an overbar during PDF text extraction, not from an error in the OpenAI manuscript. The revised paper retains and extends the independent human assessment of Chapter 6. No confirmed mathematical error was found in the examined argument

Lark: Biologically Inspired Neuroevolution for Multi-Stakeholder LLM Agents

Lark：生物启发的多利益相关者大语言模型代理神经进化

Rikhil Tanugula, Dheeraj Chintapalli, Sunkalp Chandra

专题命中 代码与定理证明 ：reasoning(abstract,comments)

AI总结 Lark通过结合大语言模型推理与进化型多智能体系统，解决冗余与利益相关者权衡问题，采用四机制提升策略生成效率与透明度，实验显示其在30轮评估中表现优异且成本可控。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: NeurIPS 2025 Workshop on Efficient Reasoning

Eluna: An Agentic LLM System for Automating Warehouse Operations with Reasoning and Task Execution

Eluna：一个用于通过推理和任务执行实现仓库运营自动化的智能语言模型系统

Ning Liu, P Aditya Sreekar, Kalle Kujanpää, Zhaoxuan Zhu, Kaiwen Liu, Chuanneng Sun, Jorge Marchena Menendez, Matthew Bales, Tianyu Yang, Shahnawaz Alam, Rose Yu, Baoyuan Liu, Kristina Klinkner, Shervin Malmasi

机构 * Amazon.com, Inc. Fulfillment Technologies and Robotics（亚马逊公司履约技术与机器人部门） 纠错

专题命中 逻辑推理 ：reasoning(title)；分类 cs.AI、cs.LG

AI总结 研究针对仓库运营中SOP执行问题，提出Eluna智能体系统，它是图形引导多智能体框架，采用非对称情节蒸馏方法，在基准测试和生产应用中，微调模型表现出色，匹配或超教师模型，击败基线，在票务处理应用达94%专家一致性。

An Information-Flow Perspective on Explainability Requirements: Specification and Verification

可解释性需求的信息流视角：规范与验证

Bernd Finkbeiner, Hadar Frenkel, Julian Siber

机构 * CISPA Helmholtz Center for Information Security（信息安全研究中心） 纠错

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

AI总结 该研究从信息流视角，采用扩展反事实因量化的认知时态逻辑，提出可解释性需求的规范与验证方法，实现有限状态模型的可解释性检查，可区分可解释与不可解释系统并支持隐私需求设定。

Comments This is an extended and corrected version of the paper presented at the 22nd International Conference on Principles of Knowledge Representation and Reasoning (KR 2025); see the appendix for details

Beyond OAuth: Task-Scoped Authorization for AI Agents via Natural Language Slices

PAuth - 精确任务范围授权 for 代理

Reshabh K Sharma, Linxi Jiang, Shuo Chen, Zhiqiang Lin

机构 * University of Washington（华盛顿大学） ； The Ohio State University（俄亥俄州立大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 PAuth通过隐式授权模型精确控制代理执行任务所需的操作权限，通过NL切片和信封结构确保操作合法性，实验表明其在安全和性能上均表现优异。

Open Rubric System: Scaling Reinforcement Learning with Pairwise Adaptive Rubric

开放评分系统：通过成对自适应评分表扩展强化学习

Ruipeng Jia, Yunyi Yang, Wen Wang, Yuxin Wu, Yongbo Gai, Siyuan Tao, Mengyu Zhou, Jianhe Lin, Xiaoxi Jiang, Guanjun Jiang

机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴文勤大模型应用团队） ； Beijing University Of Posts and Telecommunications（北京邮电大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 开放评分系统通过成对自适应评分表和可验证评分表实现强化学习的稳健对齐，提升开放性任务的辨别力和可验证性。

RT-NeuS: Towards Real-Time Neuro-Symbolic Video Understanding via Adaptive Temporal Verification

LE-NeuS: 通过自适应时间验证实现低延迟的神经符号视频理解

Shawn Liang, Sahil Shah, Chengwei Zhou, S P Sharan, Harsh Goel, Arnab Sanyal, Sandeep Chinchali, Gourav Datta

机构 * Case Western Reserve University（凯斯西储大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 LE-NeuS通过自适应时间验证优化，实现低延迟的神经符号视频理解，在保持高准确率的同时大幅减少推理延迟。

Comments Camera-ready version, accepted at NeuS 2026

Efficient LLM Collaboration via Planning

通过规划实现高效的LLM协作

Byeongchan Lee, Jonghoon Lee, Dongyoung Kim, Jaehyung Kim, Kyungjoon Park, Dongjun Lee, Jinwoo Shin

机构 * KAIST（韩国科学技术院） ； Yonsei University（延世大学） 纠错

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

AI总结 本文提出COPE框架，通过规划模型与执行模型的协作，提升小模型和大模型在复杂任务中的性能，同时显著降低推理成本。

Comments Accepted at TMLR 2026

ARGUS: Theory-of-Mind Guided Argument Generation with Strategy-Aware Planning and Knowledge Grounding

ARGUS：基于心理理论（Theory-of-Mind）的论证生成，结合策略感知规划与知识接地

Zhe Hu

机构 * InspireOmni AI ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 该研究提出基于智能体的Argus框架，结合心理理论推理、策略感知规划等，在三个基准上优于基线，可有效改变抗拒受众立场。

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。

MMDynOpt-Agent: Dynamic Optimization for Multimodal Large Language Model Reasoning via Reinforcement Learning

MMDynOpt-Agent：基于强化学习的多模态大语言模型推理动态优化方法

Wenjin Liu, Haoran Luo, Fayuan Ke, Zhenghong Lin, Yue Lu, Zhe Cui, Anh Tuan Luu, Carl Yang

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 该研究针对多模态大语言模型推理效率不足的问题，提出MMDynOpt-Agent，通过强化学习将多模态推理动态优化建模为马尔可夫决策过程，结合多轮优化提示与多维度奖励机制，在15个公开数据集上性能优于基线方法。

From Dialogue to Execution: Mixture-of-Agents Assisted Interactive Planning for Behavior Tree-Based Long-Horizon Robot Execution

从对话到执行：基于混合代理的交互式规划用于基于行为树的长时域机器人执行

Kanata Suzuki, Kazuki Hori, Haruka Miyoshi, Shuhei Kurita, Tetsuya Ogata

机构 * Waseda University（早稻田大学） ； National Institute of Informatics（国家信息研究所） ； NII Research and Development Center for Large Language Models（国家信息研究所大型语言模型研究开发中心） ； The Graduate University for Advanced Studies (SOKENDAI)（高级研究大学研究生院（SOKENDAI）） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出基于混合代理的交互式规划框架，通过生成行为树实现长时域机器人任务的高效执行，减少人类干预并提升执行质量。

Can large language models assist choice modelling? Insights into prompting strategies and current models' capabilities

大语言模型能否协助选择建模？关于提示策略和当前模型能力的洞察

Georges Sfeir, Gabriel Nova, Stephane Hess, Sander van Cranenburgh

机构 * Choice Modelling Centre & Institute for Transport Studies, University of Leeds（选择建模中心及交通研究学院，利兹大学） ； CityAI Lab, Transport and Logistics group, Engineering Systems and Services Department, TU Delft（CityAI实验室，运输与物流组，工程系统与服务部门，代尔夫特理工大学） 纠错

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

AI总结 本文研究大语言模型在离散选择建模中的潜力，通过实验框架评估七种领先模型在不同提示策略和信息可用性下的表现，揭示其在模型规范和估计中的能力与限制。

Comments 35 pages, 8 figures, 14 tables

PHMForge: Evaluating LLM Agents on Industrial Prognostics through MCP-Native, Algorithm-Grounded Tools

PHMForge：通过MCP原生、算法基础的工具评估LLM代理在工业预测维护中的表现

Yusheng Li, Tianjun Feng, Yunfeng Chen, Chun-Yi Tsai, Yihan Sun, Ayan Das, Kaoutar El Maghraoui, Shuxin Lin, Dhaval Patel

机构 * Columbia University（哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； IBM, New York（IBM，纽约） 纠错

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

AI总结 PHMForge通过MCP原生工具评估LLM代理在工业预测维护中的可靠性，揭示了静态检索在预测计算中的局限性，展示了不同框架和模型的表现差异。

Comments 23 pages, 3 figures

Can Large Language Models Still Explain Themselves? Investigating the Impact of Quantization on Self-Explanations

大语言模型还能自我解释吗？探讨量化对自我解释的影响

Qianli Wang, Nils Feldhus, Pepa Atanasova, Fedor Splitt, Simon Ostermann, Sebastian Möller, Vera Schmitt

机构 * Quality and Usability Lab, Technische Universität Berlin（柏林技术大学质量与可用性实验室） ； University of Copenhagen（哥本哈根大学） ； Saarland Informatics Campus（萨尔州信息学校园） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Centre for European Research in Trusted AI (CERTAIN)（可信AI欧洲研究中心） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究院） 纠错

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

AI总结 研究探讨量化对大语言模型自我解释质量及可信度的影响，发现量化会导致中等程度的下降，但不影响其作为压缩技术的有效性。

Comments EMNLP 2026 Findings; camera-ready version

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。

CoMMa: Contribution-Aware Medical Multi-Agents for Decentralized Oncology Decision Support

从博弈论视角出发的贡献感知医疗多智能体：CoMMa

Yichen Wu, Kailong Fan, Sangjoon Park, Yuhan Liu, Zhiyi Shi, Sekeun Kim, Dania Daye, Hana Farzaneh, Xiang Li, Raul Uppot, Yujin Oh, Quanzheng Li

机构 * Center for Advanced Medical Computing（先进医学计算中心） ； Department of Radiology, Massachusetts General Hospital（放射科，马萨诸塞总医院） ； Harvard Medical School（哈佛医学院） ； Department of Radiation Oncology, Yonsei University College of Medicine（放射肿瘤科，延世大学医学院） ； Yonsei University（延世大学） ； Institute for Innovation in Digital Healthcare（数字医疗创新研究所） ； Interventional Radiology Academic Medical Centers, Mass General Brigham（介入放射学学术医疗中心，马萨诸塞总医院 Brigham） 纠错

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

AI总结 CoMMa从博弈论视角提出一种去中心化医疗多智能体框架，通过确定性嵌入投影实现贡献感知的信用分配，提升肿瘤学决策支持的准确性和稳定性。

Comments 9 pages, 5 figures

QiMeng-ChipV-RTL: Exploiting Information Locality for IP-level Verilog Generation

LocalV: 利用信息局部性进行IP级Verilog生成

Hanqi Lyu, Di Huang, Yaoyu Zhu, Kangcheng Liu, Bohan Dou, Chongxiao Li, Pengwei Jin, Shuyao Cheng, Rui Zhang, Zidong Du, Qi Guo, Xing Hu, Yunji Chen

机构 * University of Science（科学大学） ； SKL of Processors, Institute of Computing Technology, CAS（处理器研究所，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 LocalV通过利用模块化硬件设计中的信息局部性，解决IP级Verilog生成中的长文档处理、长代码生成和调试挑战，实现更高的生成准确率。

A Tale of Two Graphs: Separating Knowledge Exploration from Outline Structure for Open-Ended Deep Research

双图之 tale：分离知识探索与大纲结构以实现开放性深度研究

Zhuofan Shi, Ming Ma, Zekun Yao, Fangkai Yang, Jue Zhang, Dongge Han, Victor Rühle, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

专题命中 规划推理 ：planning(abstract)

AI总结 本文提出DualGraph架构，通过分离知识与写作结构，提升开放性深度研究的效率和深度，实验表明其在报告深度、广度和事实准确性上优于现有方法。

Comments 26 pages, 4 figures

TangramPuzzle: Evaluating Multimodal Large Language Models with Compositional Spatial Reasoning

TangramPuzzle: 通过组合空间推理评估多模态大语言模型

Daixian Liu, Jiayi Kuang, Yinghui Li, Yangning Li, Di Yin, Haoyu Cao, Xing Sun, Ying Shen, Hai-Tao Zheng, Liang Lin, Philip S. Yu

机构 * Tsinghua University（清华大学） ； Sun-Yat Sen University（孙逸人大学） ； Tencent Youtu Lab（腾讯优图实验室） ； University of Illinois Chicago（伊利诺伊大学香槟分校） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；verifier(abstract)；分类 cs.CL、cs.AI

AI总结 TangramPuzzle通过几何基准测试评估多模态大语言模型的组合空间推理能力，发现模型在匹配轮廓时忽视几何约束，导致碎片变形。

Comments EMNLP 2026 Findings

Is Visual Prompting All You Need? Studying VLM Spatial Reasoning under Progressive Visual Scaffolds

视觉提示就足够了？研究渐进式视觉支架下视觉语言模型的空间推理能力

Lars Benedikt Kaesberg, Tianyu Yang, Florian Valentin Wunderlich, Terry Ruas, Daniel Kurzawe, Jan Philip Wahle, Bela Gipp

专题命中 视觉空间推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 该研究针对 VLMs 的空间推理问题，在 SPaRC 基准中引入轻量视觉支架，可提升 VLMs 任务准确率并补充 GRPO 训练，揭示视觉呈现对 VLM 基准测量属性的关键作用。

Comments Accepted at EMNLP 2026 (Findings)

Molecular LLM Agents: From Architectural Design to Scientific Autonomy

分子大语言模型智能体：从架构设计到科学自主性

Jiatong Li, Wengyu Zhang, Weida Wang, Yuxuan Ren, Wei Liu, Chenyang Mao, Yuqiang Li, Yatao Bian, Changmeng Zheng, Xiaoyong Wei, Qing Li

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Shanghai AI Lab（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 视觉空间推理 ：planning(abstract)；分类 cs.CL、cs.AI

AI总结 该研究提出分子LLM智能体的概念框架，从架构设计和科学自主性阶梯两方面展开，为分子领域LLM智能体的比较、设计评估及部署提供指导。

Comments 25pages

AeroDPO: Unleashing Lightweight UAV Navigation with High-Fidelity Perception and Automated Preference Optimization

AeroDPO：释放具备高保真感知与自动偏好优化的轻量级无人机导航能力

Peng Xu, Chengcheng Wang, Shaohua Wan

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出AeroDPO，通过高保真感知与自动偏好优化，使20亿参数轻量级无人机导航模型达到70亿参数模型的成功率，同时降低分布外场景碰撞率，成为自主空中智能体新SOTA。

Comments 7 pages, 3 figures, 4 tables, Code is available at: [ this https URL (https://github.com/XuPeng23/AeroDPO) ]

Self-Evolving Scientific Agent Designs Physically-Reasoned Whitebox Fluid Control

自进化科学智能体发现可泛化的物理推理流体控制

Boai Sun, Wenjin Guo, Zongmin Yu, Liu Yang

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI

AI总结 提出一种由大语言模型驱动的自进化科学智能体工作流，通过迭代代码生成和物理仿真诊断，自动构建可解释的控制器，并在欠驱动双关节狗鲨游泳器目标到达任务中实现零样本泛化。