大模型推理能力

LongGuard: Mechanistic Analysis and Training-Free Mitigation of Long-Context Failure in Safety Guardrails

LongGuard：针对安全护栏长上下文失效的机制分析与无训练缓解方案

Ziyang Chen, Xing Wu, Songlin Hu

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） 纠错

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

AI总结 本研究针对LLM安全护栏在长上下文下的失效问题，提出LongGuard框架，经机制分析后开发无训练缓解方案，在多基准测试中实现显著性能提升。

Class-Based Heuristic Selection for Solving the Flying Block Puzzle

求解飞行方块谜题的基于类的启发式选择

Sanyar Ahmadi, Pedram Asadzadeh, Amanj Khorramian

机构 * Faculty of Computer Engineering（计算机工程学院） ； University of Tehran（德黑兰大学） ； K. N. Toosi University of Technology（霍加·纳绥尔·丁·图西大学） ； Department of Electrical and Computer Engineering（电气与计算机工程学院） ； University of Kurdistan（库尔德斯坦大学） 纠错

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

AI总结 针对启发式搜索在空间规划中的性能问题，提出CBHA*算法，在146个飞行方块谜题基准实例上大幅提升成功率、减少节点扩展，为高效空间规划提供了可推广的自适应启发式机制。

Comments 27 pages, 15 figures, 2 tables

Beyond Confidence: Test-Time Scaling for Multi-Turn Search Agents via Retrieval Grounding

超越置信度：基于检索 grounding 的多轮搜索智能体测试时缩放

Hyunho Kook, Junhyuk So, Tianyu Fu, Haizhong Zheng, Beidi Chen

机构 * University of Southern California（南加州大学） ； Pohang University of Science and Technology (POSTECH)（浦项科技大学） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 针对多轮搜索智能体中基于置信度投票因复制膨胀失效的问题，提出检索接地投票（RGV）方法，在四个基准和五个 LLM 上性能优于基线，准确率最高提升 5.4%

Comments Accepted to EMNLP 2026 Findings

RTPO: Reverse-Turn Policy Optimization for Stabilizing Agentic RL Training

RTPO：用于稳定智能体强化学习训练的反向回合策略优化

Yugu Li, Jimmy Cao, Jianglin Qiao, Siyi Hu

机构 * Adelaide University（阿德莱德大学） ； The University of Sydney（悉尼大学） ； Curtin University（科廷大学） ； School of CSIT（计算机科学与信息技术学院） ； ACFR（澳大利亚空间研究中心） ； School of EECMS（电子工程、计算机与数学科学学院） 纠错

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

AI总结 针对多回合智能体RL训练不稳定问题，提出RTPO方法，通过反向回合策略优化消除上下文不匹配与异步漂移，实验显示其较基线提升21.50%、10.76%。

Learned Relay Representations for Forward-Thinking Discrete Diffusion Models

学习的中继表示用于前向思考的离散扩散模型

Benjamin Rozonoyer, Jacopo Minniti, Dhruvesh Patel, Neil Band, Avishek Joey Bose, Tim G. J. Rudner, Andrew McCallum

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； Imperial College London（伦敦帝国学院） ； Mila ； Vijil 纠错

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

AI总结 提出Learned Relay Representations (Relay)方法，通过可微通道传递潜在信息，使掩码扩散模型在去噪步骤间前向思考，减少推理延迟并提升性能。

Comments 16 pages, 3 figures. Equal contribution: Benjamin Rozonoyer, Jacopo Minniti, and Dhruvesh Patel. Code: this https URL (https://github.com/jacopo-minniti/relay)

SDGBiasBench: Benchmarking and Mitigating Vision--Language Models' Biases in Sustainable Development Goals

SDGBiasBench: 评估和减轻可持续发展目标中视觉-语言模型的偏见

Zihang Lin, Huaiyuan Qin, Muli Yang, Hongyuan Zhu

机构 * Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出SDGBiasBench，一个用于评估和减轻可持续发展目标中视觉-语言模型偏见的大型基准测试集，通过分析模型在决策和估计层面的偏见，提出CADE方法以减少偏见，提高模型的准确性和可靠性。

Comments Accepted to EMNLP 2026 Findings

Cooperative Risk-Aware Exploration in Heterogeneous Multi-Robot Systems Using Algorithmic Altruism

基于算法利他主义的异构多机器人系统中的协作风险感知探索

Brooks A. Butler, Jair Certório, João P. Hespanha, Magnus Egerstedt

机构 * School of Electrical and Computer Engineering at Oklahoma State University（俄克拉荷马州立大学电气与计算机工程学院） ； Instituto Tecnológico de Aeronáutica（航空技术研究所） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 规划推理 ：planning(abstract)

AI总结 该研究针对异构多机器人系统，提出基于算法利他主义的博弈论框架，通过社会纳什均衡调整效用实现风险合理分配，减少冗余探索并提升团队性能，经仿真与硬件实验验证有效。

Graphionale: How Graph Visualizations of LLM Rationales Affect Human Decision Making

Graphionale：LLM推理依据的图形可视化如何影响人类决策

Xinru Wang, Zhexuan Ma, Ming Yin, Shuai Ma, Thomas W Malone

专题命中 规划推理 ：reasoning(abstract)

AI总结 本研究开发了Graphionale作为测试平台，通过204人在线用户研究发现，图形化LLM推理依据对不同任务模态的决策影响不同，匹配推理格式与任务模态是AI解释设计的关键。

ITER: Interaction-Aware Retrieval for Agentic Search

ITER：面向智能体搜索的交互感知检索

Haodong Chen, Shuai Wang, Yu Yin, Shengyao Zhuang, Guido Zuccon, Teerapong Leelanupab

专题命中 规划推理 ：reasoning(abstract)

AI总结 本文提出交互感知稠密检索器ITER，利用智能体轨迹学习信号训练，在六种智能体骨干上优于LRAT，跨智能体鲁棒性强于AgentIR，在两个基准上获显著性能提升。

Beyond the Vacuum: Combinatorial Strategy Selection for Competitor-Aware Generative Engine Optimization

超越真空：面向感知竞争对手的生成式引擎优化的组合策略选择

Vaibhav Sourirajan, Yao Zhang, Himanshu Kumar, Sahil Wadhwa, Mann Patel, Amirfarrokh Iranitalab

专题命中 规划推理 ：reasoning(abstract)

AI总结 本研究将生成式引擎优化（GEO）形式化为感知竞争对手的策略选择问题，提出两阶段流程，在相关基准及合成数据集上实现最优性能且可跨域迁移。

Comments 20 pages, 2 figures

CAVE-NAV: VLM-Based Autonomous 3D Navigation in Underwater Cave Environments

CAVE-NAV：基于VLM的水下洞穴环境自主三维导航

Zhenqi Wu, Yuanjie Lu, Yisheng Zhang, Miao Yu, Xuesu Xiao, Jaejeong Shin, Xiaomin Lin

机构 * University of South Florida（南佛罗里达大学） ； George Mason University（乔治梅森大学） ； University of Maryland（马里兰大学） ； Seoul National University（首尔大学） 纠错

专题命中 视觉空间推理 ：CoT(summary_cn,abstract)；reasoning(abstract)；chain-of-thought(abstract)

AI总结 该研究针对水下洞穴导航的传统方法局限，提出带CoT推理的VLM导航框架，经仿真验证可完成无碰撞的端到端三维洞穴导航。

PolyComp: A Polycube-based Benchmark for Compositional 3D Spatial Reasoning in Multimodal Models

PolyComp：面向多模态模型组合式3D空间推理的基于多立方体（polycube）的基准测试集

Siddharth Patel

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

AI总结 该研究推出PolyComp基准测试集，考察多模态模型的组合式3D空间推理能力，测试了GPT-5.6 Sol等模型的准确率与成本，并发布了120个问题。

Doc-CoB: Enhancing Document Understanding with Visual Chain-of-Boxes Reasoning

Doc-CoB：通过视觉链式框推理增强文档理解

Ye Mo, Kai Ye, Xianwei Mao, Zirui Shao, Gang Huang, Bo Zhang, Hangdi Xing, Kehan Chen, Huan Zhou, Zixu Yan, Jiajun Bu, Sheng Zhou

机构 * Zhejiang Key Laboratory of Accessible Perception and Intelligent Systems, Zhejiang University（浙江可感知与智能系统重点实验室，浙江大学） ； Alibaba Group（阿里巴巴集团） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 提出Doc-CoB框架，通过粗到细的布局感知视觉推理，结合多模态大语言模型，逐步聚焦查询相关布局区域，提升文档理解性能。

STEGNav: Spatio-Temporal Event Graph Reasoning for Multimodal Lifelong Object Navigation

STEGNav：面向多模态终身目标导航的时空事件图推理

Yang Chen, Zhenyu Huang, Wenbo Fu, Danyang Peng, Shi-Yu Tian, Kun-Yang Yu, Lan-Zhe Guo

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） 纠错

专题命中 视觉空间推理 ：reasoning(title)

AI总结 针对现有多模态终身导航方法的局限，本文提出无训练框架STEGNav，通过时空事件图的双轴设计优化导航性能，在多个基准数据集上取得显著效果。

Steering Multimodal Large Language Models Decoding for Context-Aware Safety

面向上下文感知安全的多模态大语言模型解码引导

Zheyuan Liu, Zhangchen Xu, Guangyao Dou, Xiangchi Yuan, Zhaoxuan Tan, Radha Poovendran, Meng Jiang

机构 * University of Notre Dame（notre dame 大学） ； University of Washington（华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 针对多模态大语言模型安全对齐的平衡难题，提出SafeCoDe解码框架，通过两阶段机制优化上下文敏感的弃权行为，在多基准实验中有效提升安全性能且保留模型有用性。

Comments EMNLP 2026 Main

Surgical Alignment in Knowledge Graph Training for Clinical Diagnosis with Large Language Models

面向临床诊断的大语言模型训练中知识图谱的外科式对齐

Saksham Khatwani, He Cheng, Majid Afshar, Dmitriy Dligach, Yanjun Gao

机构 * University of Colorado Anschutz Medical Campus（科罗拉多大学安舒茨医学校区） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； Loyola University（洛约拉大学） 纠错

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

AI总结 该研究针对临床诊断的LLM训练，通过多维度系统研究引入GID和GD，发现KL正则化下KG判断训练的稀疏更新（外科式对齐）可提升推理质量，需结合优化几何诊断评估KG-LLM整合。

Comments This work has been accepted to EMNLP 2026 Findings

VICT: Verifier-Instrumented Credit Tracing for Long-Horizon LLM Agent Reinforcement Learning

VICT：用于长 horizon LLM 智能体强化学习的验证器插装式信用追踪

Pengcheng Li, Zhengyang Zhang, Dongxu Zhang, Sui Huang, Shaohua Ma

机构 * Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） ； Jiaxing Nanhu University（嘉兴南湖学院） 纠错

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

AI总结 针对长 horizon LLM 智能体强化学习的细粒度信用分配挑战，提出 VICT 方法，通过验证器侧的证明边追踪分配信用，在 ALFWorld 和 WebShop 上性能显著优于仅结果训练。

Comments accepted by EMNLP2026

Understanding Evolution Strategies for LLM Reasoning: Broader Reasoning Coverage than GRPO

理解用于大语言模型推理的进化策略：比GRPO更广泛的推理覆盖范围

Yunpeng Ba, Zhi Zheng, Yue Xie, Jiaqing Li, Xialiang Tong, Tao Zhong, Mingxuan Yuan, Zhichao Lu, Xuyang Wu, Zhenkun Wang

机构 * Southern University of Science and Technology（南方科技大学） ； National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology, Weihai（哈尔滨工业大学（威海）） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；verifier(abstract)；分类 cs.LG

AI总结 本文研究用于LLM推理的进化策略（ES），发现ES比GRPO有更广泛的推理覆盖范围，开发了结合两者优势的GRPO-ES策略，还揭示了ES的功能稀疏性等特性，确立其为独特的推理后训练范式。

Large Reasoning Models Struggle to Transfer Parametric Knowledge Across Scripts

大推理模型在不同脚本间转移参数知识时面临困难

Lucas Bandarkar, Alan Ansell, Trevor Cohn

机构 * Google Research（谷歌研究） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Melbourne（墨尔本大学） 纠错

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

AI总结 研究发现，大模型在跨语言知识转移中主要受脚本差异影响，通过分析数据和实验表明，提升模型对转写歧义的推理能力可改善跨脚本知识转移。

Comments Findings of EMNLP 2026

Recirculation

再循环

Michael C. Mozer, Shoaib Ahmed Siddiqui, Danny Sawyer, Sunny Sanyal, Rosanne Liu

机构 * Google DeepMind（谷歌DeepMind） ； University of Texas, Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 测试时计算 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.LG

AI总结 该研究提出推理时架构增强技术“再循环”及其自适应变体，无需额外训练，可显著降低Gemma3系列模型的困惑度、提升推理任务准确率，为架构演进提供新方向。

Comments v2: added citations to related work, included more methodological details concerning perplexity evaluation which help explain the large reductions in perplexity observed

SkillSafetyBench: Evaluating Agent Safety under Skill-Facing Attack Surfaces

SkillSafetyBench：在技能面攻击表面下评估智能体安全性

Chang Jin, An Wang, Zeming Wei, Kai Wang, Biaojie Zeng, Qiaosheng Zhang, Chao Yang, Jingjing Qu, Xia Hu, Xingcheng Xu

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； East China Normal University（华东师范大学） 纠错

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

AI总结 提出SkillSafetyBench基准，通过155个对抗案例评估大语言模型智能体在技能、本地工件和执行环境文件等非用户攻击下的安全失败模式。

Comments EMNLP 2026 Main

Blind Men and the Elephant: Probing the Epistemic Myopia of LLMs under Long-Tail Divergent Knowledge

盲人摸象：探究长尾分歧知识下大语言模型（LLM）的认知近视问题

Zhuoshi Pan, Junru Lu, Yan Qian, H. Vicky Zhao, Di Yin, Xing Sun

机构 * Tsinghua University（清华大学） ； Tencent（腾讯） ； University of Warwick（华威大学） 纠错

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

AI总结 本研究推出ElephantBench探针，发现LLM在长尾分歧知识问答中仅52.4%的问题能同时回忆两种解释，模型规模扩大等方法无法消除认知不完整性，为评估LLM认知严谨性提供了工具。

Comments 10 pages, 10 figurs, 1 table, under review

Safety Does Not Compose: Non-Decaying Loop State for Autonomous LLM Agents

安全性无法组合：自主大型语言模型智能体的非衰减循环状态

Chenhao Wu, Haoxuan Jia, Yang Liu, Yingguang Yang, Yuhan Lin, Chongyang Zhang, Hao Zheng, Yulin Huang, Jianshen Zhang, Yongzhi Qi, Shang Luo, Kefu Xu, Jifeng Zhu, Bin Chong

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） ； Supply Chain Tech Team Y, JD.com（京东Y供应链技术团队） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Fullive-AI（Fullive人工智能） 纠错

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

AI总结 该研究发现自主LLM智能体的轨迹级安全保障存在组合性缺陷，提出非衰减循环安全状态的LoopHarness方案，可限制未授权不可逆操作数量，通过Agent-SafetyBench等评估验证其有效性。

Offline-Verifiable Accountability for Cross-Organization Agent Messaging: A Preserved Evidence-Bundle Approach

跨组织智能体消息传递的离线可验证问责性：一种保留证据束的方法

Adil Alshammari, Hayretdin Bahsi

专题命中 测试时计算 ：verifier(abstract)

AI总结 针对跨组织智能体消息传递的离线可验证问责需求，提出保留证据束模型及策略控制的离线验证器，原型测试显示其可有效拒绝证据不足的束，无需依赖实时服务。

Comments 17 pages, 5 figures, 9 tables

Grounded Checklist Partial Credit for Agent Skill Trajectories

智能体技能轨迹的基于接地检查表的部分 credit 评估

Suliu Qin, Lu Yin, Xilu Wang

专题命中 测试时计算 ：verifier(abstract)

AI总结 针对智能体轨迹评估的二元评分缺陷，提出 GCPC 方法，结合人工规则与 LLM 生成检查表，在 SkillsBench 等数据集上验证其评估区分度、与人类评估一致性及跨数据集迁移性更优。

Large Reasoning Models Learn Better Alignment from Flawed Thinking

大规模推理模型通过 flawed thinking 学习更好的对齐

ShengYun Peng, Pin-Yu Chen, Eric Smith, Song Jiang, Hongyuan Zhan, Haozhu Wang, Mahesh Pasupuleti, Duen Horng Chau, Jianfeng Chi

机构 * Meta Superintelligence Labs（Meta超级智能实验室） ； IBM Research（IBM研究院） 纠错

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

AI总结 RECAP通过强化学习提升模型安全对齐能力，减少偏见并增强鲁棒性，同时保持推理效率。

SABER: Stability-Aware Early Exit for LLM Reasoning via Adversarial Branch Probing

SABER：基于对抗分支探测的大语言模型推理稳定性感知早停方法

Wanli Cheng, Haiya Xiang, Juntao Li, Hongling Wang, Wenliang Chen

机构 * Soochow University（苏州大学） 纠错

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

AI总结 SABER是一种无需训练的大语言模型推理早停框架，通过对抗分支探测平衡推理效率与可靠性，可平均减少30.2%-39.8%的推理token消耗且保持相当准确率。

Comments 20 pages,10 figures,EMNLP 2026 MainConference

SEGRA: A Structured Experience Guided Reasoning Agent for Property Graph Question Answering

SEGRA：用于基于Gremlin的问答的结构化经验引导图推理代理

Saiyue Lyu, Mariam Dundua, Vishaal Kapoor, Sarthak Ahuja, Neda Kordjazi, Evren Yortucboylu, Harsh Amin, Rebecca Steinert

机构 * University of British Columbia（英属哥伦比亚大学） ； Amazon（亚马逊） 纠错

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

AI总结 针对企业文本到Gremlin问答难题，SEGRA引入经验引导代理，集成多种技术，包括意图路由、查询生成等。在企业IT支持基准测试中成绩出色，平均评判分数大幅提高，技能库还降低了成本，提升了企业图问答的准确性与效率。

Comments Accepted at EMNLP 2026 Industry Track

KidnapRAG: A Black-Box Attack for Hijacking Reasoning in Agentic Retrieval-Augmented Generation Systems

KidnapRAG：针对代理式检索增强生成系统中推理劫持的黑盒攻击

Chanwoo Choi, Euntae Kim, Kyuho Lee, Youngsam Chun, Jinhee Jeong, Eunmi Kim, Myunggyo Oh, Junseo Jang, Buru Chang

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

AI总结 提出KidnapRAG，一种针对代理式RAG系统的黑盒顺序投毒攻击，通过三种角色文档（诱饵、链环、恶意指令）劫持多步推理链，实验表明在多种框架和基准上优于现有方法。

Comments Accepted to the Main Conference of EMNLP 2026

Sledgehammer or Scalpel? A Fine-grained Adaptive Framework for Implicit Hate Speech

大锤还是手术刀？用于隐性仇恨言论检测的细粒度自适应框架

Han Wang, Yuhu Cheng, Xuesong Wang, Yi Zhu

机构 * School of Information and Control Engineering, China University of Mining and Technology（中国矿业大学信息与控制工程学院） ； Yangzhou University（扬州大学） 纠错

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

AI总结 针对隐性仇恨言论检测中现有方法推理流程单一、计算冗余的问题，提出FAID框架，先细粒度分类再自适应处理不同类型样本，在四个基准数据集上显著优于SOTA基线。