AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
记忆增强解锁高效思维链推理
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； Baidu Inc.（百度公司） ； Tencent Inc.（腾讯公司）
专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.CL
AI总结 该研究提出无需训练的记忆增强压缩框架，构建可复用推理记忆提升思维草稿压缩效果，在多任务上获显著准确率提升并加速推理，兼容多种压缩机制。
向上爬，记忆下降：低成本微调与侧边网络
专题命中 数学推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.LG
AI总结 LST通过轻量级侧边网络实现高效微调，比QLoRA更节省内存，同时在多个任务中保持竞争力。
Comments 24 pages, 20 figures
测试时强化学习的工具验证
机构 * Ludwig-Maximilians-University of Munich（慕尼黑路德维希-马克西米利安大学） ； Stanford University（斯坦福大学）
专题命中 数学推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL、cs.AI
AI总结 T^3RL通过引入测试时工具验证机制，提升测试时强化学习在复杂问题上的表现，减少错误模式崩溃风险。
Comments 12 pages, 11 figures; Code: this https URL (https://github.com/mayhugotong/T3RL)
LLM 代理何时对表面噪声与语义噪声做出不同处理？一项基于 68 个单元格的测量研究及留出轨迹级验证
机构 * School of Information and Software Engineering, UESTC（信息与软件工程学院，电子科技大学） ； Jacobs School of Engineering, UC San Diego（工程学院，加州大学圣地亚哥分校）
专题命中 数学推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本研究通过 68 个单元格的测量实验，发现大语言模型驱动的思维链和 ReAct 代理对语义扰动（如释义、同义词）比表现扰动（如格式、重排序）更敏感，并基于留出模型和轨迹级机制分析提出了“隐蔽发散”解释。
IDEAlign：将大语言模型的想法与领域专家进行比较
机构 * Stanford University（斯坦福大学）
专题命中 数学推理 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.CL
AI总结 本研究提出IDEAlign方法，通过“挑出异类”任务评估LLM标注与专家标注的想法层面相似性，发现LLM作为评判者表现最佳但仍不及专家，为开放式LLM标注评估提供了可复用的基准测试协议。
Comments EACL 2026
StoSignSGD：无偏结构随机性修正SignSGD用于训练大语言模型
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出StoSignSGD算法，通过在sign操作中注入结构随机性，解决SignSGD在非光滑目标下的发散问题，理论和实验均证明其在凸和非凸优化中的优越性。
Ban&Pick：通过更智能的路由提升MoE-LLM的性能与效率
机构 * Nanjing University of Science and Technology（南京理工大学） ； C 2 \text{C}^{2} DL, Institute of Automation, Chinese Academy of Sciences（C2 DL，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； School of Computer Science, University of Sydney（悉尼大学计算机学院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本研究针对MoE-LLM预训练路由的问题，提出即插即用的Ban&Pick策略，通过Pick强化关键专家、Ban修剪冗余专家，在不重新训练或改架构的情况下提升MoE-LLM性能并加速推理。
Comments 26 pages, 13 figures
从酝酿到解析：追踪LLM中代码推理的内部生命周期
机构 * South China University of Technology（华南理工大学） ； Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hangzhou Dianzi University（杭州电子科技大学） ； Guangzhou College of Technology and Business（广州工商学院）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出双重诊断框架（逐层线性探针与上下文剥离解码），揭示LLM在代码推理中先酝酿答案后进入四种解析结果（已解析、过度处理、错误解析、未解析）的内部生命周期，发现酝酿支架稳定而解析成功随能力变化。
神经形式化验证：智能体的语言无关形式化程序推理
专题命中 代码与定理证明 ：reasoning(title)；verifier(abstract)
AI总结 该研究提出神经形式化验证（NFV），让AI编码智能体与成熟验证器结合，为主流语言开发者实现一键式程序验证，在Python编程问题数据集上取得了良好的验证效果。
Heimdall: 形式化验证的遗留 eBPF 程序到 Rust 的自动迁移
专题命中 代码与定理证明 ：verifier(abstract)
AI总结 本文提出 Heimdall，一个利用大语言模型将遗留 libbpf C 程序自动翻译为 Aya Rust 的管道，通过静态分析和符号执行确保迁移后程序行为等价，并修复了 eBPF 程序中六类源级漏洞，包括未报告的信息泄露。
Vibe Compiler：无需提示工程即可运行的研究逻辑综合工具——迈向生成式AI时代维持智能体的元认知
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对生成式AI可能侵蚀人类认知智能体的问题，提出基于综合-分析互惠模型的Vibe Compiler工具，通过16个学术参数的本体编译研究想法，以反思性问题引导研究人员，减少对复杂提示的依赖，提升AI辅助推理效果。
Comments 98 pages, 3 figures. English version (pp. 1-54) followed by a Japanese version (pp. 55-98)
用智能体人工智能实现遗传编程中父代选择配置的自动化
专题命中 逻辑推理 ：reasoning(abstract)
AI总结 该研究提出智能体AI框架，结合LLM推理与RAG实现遗传编程父代选择配置自动化，经符号回归测试，5 mini--AR配置表现优于锦标赛选择，为进化系统自动化设计提供了新路径。
Comments Updated Benchmarking figure with correct statistical test results
面向新兴加速器的智能体内核生成方法反思
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
ReFIne：兼具可靠性、忠实性与可解释性的可信赖大型推理模型框架
机构 * University of California San Diego（加州大学圣地亚哥分校）
专题命中 规划推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；planning(abstract)
AI总结 该研究提出 ReFIne 框架，结合监督微调与 GRPO 训练 Qwen3 模型，使其在数学基准上的推理轨迹可解释性、忠实性、可靠性均显著提升，推动推理模型向多维度可信赖性优化发展。
Comments Accpepted to COLM 2026
OSCAR：基于优化的代理规划用于组合图像检索
机构 * Shanghai Jiao Tong University（上海交通大学）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 OSCAR通过优化引导的代理规划框架，提升组合图像检索的性能，仅用10%训练数据即超越现有最佳方法。
Comments EMNLP 2026 Main Conference
在遵循自然语言指令前推断人类的意图
专题命中 规划推理 ：reasoning(abstract,abstract_cn)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 该研究针对人类指令的歧义问题，提出FISER框架，通过显式推断人类意图改进协作具身任务的指令遵循，在HandMeThat基准上达到最优性能。
面向移动边缘计算的任务卸载的多轮推理LLM
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Machano-Electronic Engineering, Xidian University（西安电子科技大学机电工程学院） ； School of Computer and Communication Engineering, University of Science and Technology Beijing（北京科技大学计算机与通信工程学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 本文提出COMLLM框架，通过整合GRPO与LACS机制，实现移动边缘计算中的前瞻性决策，提升任务卸载效率与负载均衡公平性，支持零样本拓扑扩展。
先派侦察兵：提示注入防御中自适应检测器分配的预推理方法
机构 * UC San Diego（加州大学圣迭戈分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 规划推理 ：reasoning(title)；分类 cs.LG
AI总结 针对提示注入检测器异构且不可靠的问题，提出SCOUT框架，通过预测每个检测器对每个样本的可靠性和延迟，动态分配检测器，实现安全性与效率的权衡。
Comments We propose SCOUT, a detector allocation framework that predicts each detector's accuracy and latency on a given input before running it, letting operators control the safety-utility trade-off with a single threshold and route to an LLM judge only when needed
你的强化学习奖励函数是你的最佳搜索PRM：统一强化学习与基于搜索的文本生成
机构 * Rutgers University（新泽西州立大学） ； Nanyang Technological University（南洋理工大学） ； University of Connecticut（康涅狄格大学） ； Fudan University（复旦大学） ； NVIDIA Research（NVIDIA研究） ； Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（MIT-IBM沃森AI实验室） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 规划推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出AIRL-S，通过强化学习与搜索技术的统一，利用奖励函数直接学习动态PRM，提升推理链扩展和跨任务泛化能力，实验显示性能提升9%并优于基线PRM。
EvoCurr：面向复杂决策的、结合行为代码生成的自演进课程框架
机构 * Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） ； King Abdullah University of Science and Technology（国王 Abdullah 科学技术大学） ； Xi’an Jiaotong University（西安交通大学）
专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出EvoCurr这一推理时框架，协同演进课程与可执行策略，在《星际争霸II》等任务上实现高胜率，且具有通用性，无需训练LLM参数。
大语言模型还能自我解释吗？探讨量化对自我解释的影响
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）
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
E2Rank：统一文本嵌入与列表式重排序以实现高效且有效的搜索
机构 * Renmin University of China（中国人民大学） ； Alibaba Group（阿里巴巴集团）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 E2Rank是统一文本嵌入与列表式重排序的框架，通过将列表式提示视为伪相关反馈查询，在单一模型内实现高效检索与重排序，在BEIR等基准上性能优异且延迟更低。
Comments Accepted by EMNLP 2026 main conference. Code and models are avaliable at this https URL (https://alibaba-nlp.github.io/E2Rank)
CDEG：为长程诊断智能体学习决策关键证据
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
迈向生物医学研究的世界模型
机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China（网络与交换技术国家重点实验室，北京邮电大学，北京，中国） ； Department of Engineering Science, University of Oxford, Oxford, United Kingdom（英国牛津大学工程科学系，牛津，英国） ； Institute of Medical Artificial Intelligence, South China Hospital, Medical School, Shenzhen University, Shenzhen, Guangdong, China（医学人工智能研究所，南方医院，医学学院，深圳大学，深圳，广东，中国） ； Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China（中关村学院及中关村人工智能研究院，北京，中国） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, 100084, Beijing, China（北京信息科学与技术国家研究中心（BNRist），清华大学，100084，北京，中国） ； Department of Chemical and Nano Engineering, University of California, San Diego, La Jolla, CA, USA（美国加州大学圣地亚哥分校化学与纳米工程系，La Jolla，CA，美国） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Monash Biomedicine Discovery Institute and Department of Biochemistry and Molecular Biology, Monash University, Melbourne, Victoria, Australia（莫纳什大学生物医学发现研究所和生物化学与分子生物学系，墨尔本，维多利亚，澳大利亚） ； David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Ontario, Canada（加拿大滑铁卢大学戴维·R·切里顿计算机科学学校，滑铁卢，安大略，加拿大） ； Department of ICT and Center for AI Research, University of Agder (UiA), Jon Lilletuns vei 9, Grimstad, Norway（挪威阿格德大学（UiA）信息与通信技术系及人工智能研究中心，Jon Lilletuns vei 9，Grimstad，挪威） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国）
专题命中 规划推理 ：planning(abstract)；分类 cs.AI
AI总结 提出生物医学世界模型作为AI驱动发现的新范式，通过学习分子、细胞、组织和临床状态的潜在表征及干预条件动态，实现未来轨迹模拟，并探讨其在虚拟细胞、类器官、虚拟患者和手术模拟等应用中的潜力。
为《星际2》政策细化设计的世界模型
机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学）
专题命中 规划推理 ：reasoning(abstract)；分类 cs.AI
AI总结 StarWM为《星际2》政策细化设计的世界模型，通过预测未来观察和结构化文本表示提升策略决策性能。
Mind2Report: 一种用于专家级商业报告综合的认知深度研究代理
机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） ； Artificial Intelligence Engineering Institute, iFLYTEK Co., Ltd（人工智能工程院，iFLYTEK公司）
专题命中 规划推理 ：planning(abstract)；分类 cs.CL
AI总结 Mind2Report是一种通过动态内存增强大语言模型，实现专家级商业报告综合的认知深度研究代理，优于现有基线模型。
Comments Accepted at the 35th ACM International Conference on Information and Knowledge Management (CIKM 2026), Rome, Italy
语言模型中推理的算法原语与组合几何
机构 * Microsoft Research NYC（微软研究院纽约分部） ； Center for Theoretical Neuroscience（理论神经科学中心） ； Department of Psychology（心理学系） ； University of California Los Angeles（加州大学洛杉矶分校） ； Institute for Pure and Applied Mathematics（纯粹与应用数学研究所） ； Emory University（埃默里大学） ； Rice University（里士满大学） ； Mount Holyoke College（马里兰霍克学院） ； Technische Universität Berlin（柏林技术大学） ； BIFOLD-Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究通过分析语言模型中的算法原语，揭示其推理过程的组合几何结构，并展示原语在跨任务和跨模型中的可迁移性。
超越视觉记忆：潜在视觉推理的机制诊断
机构 * Amap, Alibaba Group（阿里集团亚马通） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 通过分解潜在令牌为三个可测试组件，发现边界标记和格式而非潜在槽贡献了主要性能提升，揭示了潜在视觉推理的真正机制。
通过层交换重新思考多语言推理差距
机构 * LightOn ； Inria（法国国家科学研究中心）
专题命中 测试时计算 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本文通过构建多语言推理数据集并微调专家模型，发现本地推理与英语枢轴推理的性能差距远小于先前报道，并提出层交换方法将英语专家的推理中间层迁移到本地专家，以缩小差距。
Comments Accepted to Findings of EMNLP 2026
UMER：通过感知对的判别推理统一嵌入与排序以实现通用多模态检索
专题命中 复杂问题求解 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.AI
AI总结 本研究针对通用多模态检索的需求，提出UMER框架，通过感知对的判别推理联合学习对比式嵌入与判别式排序，在MMEB-V2基准上实现最优性能且支持可调整预算的推理。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈