大模型推理能力

Evaluating Language Models on Cross-Language Code Functional Equivalence

评估语言模型在跨语言代码功能等价性上的表现

Hui Sun, Anderson Uchôa, Rohit Gheyi, Wesley K. G. Assunção

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

AI总结 本研究构建PolyHuman跨语言代码数据集，评估GPT-o4-mini等LLMs的代码功能等价性判断能力，发现其存在难度依赖错误、语言敏感性及运行不稳定等局限，无法可靠捕获功能等价性。

Comments 20 pages. To appear in the 20th International Symposium on Empirical Software Engineering and Measurement (ESEM 2026), LIPIcs vol. 394, Article No. 41

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。

Do Recipes Have Personas? Characterizing and Generating Creator Style in Attributed Procedural Graphs

食谱是否具有人设？在带属性的过程图中刻画与生成创作者风格

Lei Jiang

机构 * Microsoft（微软公司） 纠错

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

AI总结 该研究针对大语言模型生成同质化逻辑的问题，构建了映射特定创作者的烹饪执行图数据集，提出结构化两阶段模型，可精准刻画与生成创作者的过程风格，集成方法能融合语义推理与拓扑控制优势。

Comments Accepted at the 29th International Conference on Discovery Science (DS 2026). 15 pages, 2 figures

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

Constrained Entity Selection under Partial Knowledge for LLM-Based Knowledge Graph QA

基于部分知识的约束实体选择：面向大语言模型的知识图谱问答

Emanuel Kitzelmann

机构 * Brandenburg University of Applied Sciences（勃兰登堡应用技术大学） 纠错

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

AI总结 针对现有大语言模型知识图谱问答方法的缺陷，提出CES-PK方法，通过轻量符号约束验证LLM生成的候选答案，在Hetionet上验证，实现精确率提升且保持召回率。

Comments 8 pages, 2 tables. Submitted manuscript. Revised version published in KI 2026: Advances in Artificial Intelligence, LNCS 16830

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