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。
真实还是部落：群体偏好如何优先事实于拟人代理
机构 * Northwestern Polytechnical University（西北工业大学） ； Central University of Finance and Economics（中央财经大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究探讨了群体偏好在面对矛盾信息时对拟人代理的影响，提出Triadic交互框架和三种干预策略以缓解群体偏见。
Comments 21 pages. Under review
超越'差异'：应对代理软件开发中的代理熵
机构 * Dipartimento Tecnologie Innovative, SUPSI（技术创新部，SUPSI） ； Dalle Molle Institute for Artificial Intelligence (IDSIA), SUPSI（达勒莫利人工智能研究所（IDSIA），SUPSI） ； Management in Networked and Digital Societies (MINDS) Department, Kozminski University（网络化与数字化社会管理（MINDS）系，科津斯基大学） ； Institute of Biomedical Ethics and History of Medicine, University of Zurich（生物医学伦理与医学史研究所，苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一种过程导向的可解释框架，通过时间、工具调用和架构边界揭示代理决策过程，解决代理行为与架构意图的偏离问题，为代理监控提供意图层面的 telemetry。
Comments Camera-ready version of the position paper accepted to the Human-Centered Explainable AI (HCXAI) Workshop at CHI 2026
TagRAG：基于标签的分层知识图谱检索增强生成
机构 * East China Normal University（东华师范大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL
AI总结 TagRAG通过构建标签知识图谱和标签引导的检索生成框架，提升小语言模型的全局推理能力和知识增量效率，实验显示其在多个领域数据集上表现优异。
Comments Accepted by ACL 2026 Findings
结构无助时：LLM在文本属性图上表现不如我们预期
机构 * Stony Brook University（石溪大学） ； California Institute of Technology（加州理工学院）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 研究发现，LLM在仅依赖节点文本描述时已能高效处理文本属性图，而多数结构编码策略效果有限，挑战了传统图学习范式，推动语义驱动的新方法。
Comments LoG 2025
超越精英人类：通过自我对战与强化学习掌握骗子扑克
机构 * Allometry Labs（Allometry实验室） ； Graduate School of Business, Columbia University（哥伦比亚大学商学院） ； Sauder School of Business, University of British Columbia（不列颠哥伦比亚大学萨德尔商学院）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出Solly，首个在简化版骗子扑克中达到精英人类水平的AI，通过自我对战与深度强化学习实现超越人类和大语言模型的策略与表现。
关于在惊奇理论中正确处理单位的探讨
机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Copenhagen（哥本哈根大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文探讨了在惊奇理论中正确处理语言单位的重要性，提出应明确区分单位定义与预测区域选择，并统一框架处理任意单位库。
Comments ACL 2026 (main conference)
DPN-LE: 大语言模型双人格神经元定位与编辑
机构 * Southeast University（东南大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Zhongguancun Academy（中关村学院） ； Zhejiang University of Technology（浙江工业大学） ； Kuaishou Technology（快手科技） ； Northeastern University（东北大学） ； Tsinghua University（清华大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出DPN-LE方法，通过对比高特质与低特质样本的MLP激活，定位并编辑双人格神经元，实现精准的人格控制与能力保留。
Journal ref ACL 2026 Findings
迭代多模态检索增强生成用于医疗问答
机构 * New York University, New York, USA（纽约大学） ； Tsinghua University, Beijing, China（清华大学） ； Independent Researcher（独立研究者） ； Chinese Academy of Sciences, Beijing, China（中国科学院）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 MED-VRAG通过多模态检索增强生成框架，利用文档页面图像而非OCR文本进行医疗问答，提升准确率至78.6%，并验证检索和迭代对问答性能的积极影响。
自演化软件代理
机构 * University of Trento（特伦托大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出自演化软件代理，结合BDI推理与大语言模型，使代理能自主进化目标、推理和可执行代码。实验显示代理可自主发现新目标并生成行为，验证了LLM驱动进化的可行性与局限性。
端到端自主科学发现于真实光学平台
机构 * State Key Laboratory of Extreme Photonics and Instrumentation, College of Information Science and Electronic Engineering, ZJU-Hangzhou Global Scientific and Technological Innovation Center, The Electromagnetics Academy at Zhejiang University, Zhejiang University（极端光子学与仪器国家重点实验室，信息科学与电子工程学院，浙大杭州国际科学技术创新中心，浙江大学电磁学学院，浙江大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出Qiushi Discovery Engine，通过非线性研究阶段、Meta-Trace记忆和双层架构，在真实光学平台实现端到端自主科学发现，首次实验验证了非平凡物理机制。
Comments 25 pages, 4 figures
CoQuant：混合精度LLM的联合权重-激活子空间投影
机构 * School of Internet of Things, Nanjing University of Posts and Telecommunications（南京邮电大学物联网学院） ； Amazon AGI（亚马逊人工智能）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 CoQuant通过联合建模权重和激活的子空间，提升混合精度LLM的量化效果，在WikiText perplexity和零样本常识推理准确率上优于现有方法。
Comments 14 pages, 3 figures
链上语言模型代理在真实资本下的操作层控制
机构 * DX Research Group（DX研究组）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究链上语言模型代理在真实资本下的可靠性，通过操作层控制提升资本管理效能，展示从用户指令到结算的全流程评估重要性。
Comments 18 pages, 6 figures. Public onchain dashboard and supporting documentation linked in paper
大语言模型能否帮助分配公共卫生资源？一项关于儿童铅检测的案例研究
机构 * Department of Computer and Information Sciences, Fordham University（福特汉姆大学计算机与信息科学系） ； Department of Systems Engineering, Stevens Institute of Technology（史蒂文斯理工学院系统工程系）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文研究大语言模型在分配公共卫生资源中的有效性，通过芝加哥、纽约和华盛顿特区136个社区的案例，发现LLM在处理铅暴露高风险区域时存在显著局限性。
Journal ref 2025 IEEE International Conference on Big Data (BigData), 2025
从稀疏自编码器特征中提取领域过滤的知识图谱
机构 * Institute for Computational and Mathematical Engineering, Stanford University（计算与数学工程研究所，斯坦福大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出通过对比激活和多阶段过滤构建领域特定概念集，并构建共现图和转换机制图，将稀疏自编码器特征转化为可读的知识图谱，揭示模型知识结构和推理可靠性。
DGLight：基于DQN的GRPO对大语言模型进行交通信号控制的微调
机构 * National University of Singapore（新加坡国立大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出DGLight框架，通过预训练大语言模型适应交通信号控制，采用CoLight深度Q网络估计交通状态的动作价值，并利用GRPO优化策略，实现可解释的信号决策。
为什么强化学习能够泛化？对大语言模型后训练的特征层面机制研究
机构 * TJUNLP Lab, School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院TJUNLP实验室） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） ； Saarland University（萨尔兰大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究通过对比强化学习与监督微调在大语言模型中的表现，揭示其泛化机制，发现强化学习通过持续演变的特征保持基模型表示，而监督微调引入稳定但专用的特征。
Comments ACL 2026 Main Conference
潜在代理：一种事后训练过程用于内部化多代理辩论
机构 * Boston University（波士顿大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一种两阶段微调流程，将多代理辩论转化为单个LLM，通过动态奖励调度和长度截断实现内部化，减少93%的token使用，同时通过激活引导发现代理特定子空间，并展示通过内部化辩论抑制恶意代理的应用。
Comments ACL 2026 Main
语义拒绝服务在LLM控制的机器人中
机构 * Swarms & AI Lab (SAIL) University of Haifa（群集与人工智能实验室（SAIL）海法大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文研究了LLM控制机器人中语义拒绝服务攻击，发现通过注入安全可信的短语可触发安全推理中断，提出防御策略需平衡攻击抑制与真实危险响应，强调系统架构而非提示级别的重要性。
议会话语中的认知倾向与 deliberative democracy 的关联
机构 * Department of Politics and Public Administration, University of Konstanz（康斯坦茨大学政治与公共行政系） ； School of Psychological Science, University of Bristol（布里斯托大学心理学科学学院） ； Complexity Science Hub（复杂性科学中心） ； Department of Psychology, University of Potsdam（波茨坦大学心理学系）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究通过EMI评分分析议会话语中的认知倾向，发现其与democratic deliberation和治理质量正相关，揭示政治话语的认知特性对民主和治理的重要性。
智能体生命周期工具包（ALTK）：用于鲁棒AI智能体的可重用中间件组件
机构 * IBM Research（IBM研究院） ； IBM
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 ALTK通过模块化中间件组件系统性解决智能体全生命周期中的故障模式问题，提供一致接口并兼容低代码工具，显著降低构建可靠生产级智能体的难度。
Comments to appear in CAIS 2026 demonstration track
MemRec：协同记忆增强的代理推荐系统
机构 * Hong Kong Baptist University（香港 Baptist大学） ； Rutgers University（罗格斯大学） ； Snap Inc.（Snap公司）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 MemRec通过引入协同记忆机制，解决传统推荐系统中记忆隔离导致的上下文过载问题，通过轻量级语言模型管理动态记忆图谱，提升推荐精度与效率。
Comments Accepted at ACL 2026 Main Conference
对模型上下文协议生态系统安全问题的首次观察
机构 * University of Delaware, USA（德克萨斯大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文首次研究了模型上下文协议生态系统中的跨实体安全问题，揭示了注册表层面的漏洞和代码层面的攻击风险，提出了MCPInspect工具检测漏洞和可疑元数据。
Comments This paper has been accepted to DSN 2026. The title has been updated from the anonymous submission version used during double-blind review
IntentVLM: 通过视频语言模型的前-后向建模实现开放词汇意图识别
机构 * Institute of Intelligent Systems and Robotics (ISIR)（智能系统与机器人研究所）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出IntentVLM框架，通过前-后向建模提升多模态环境下的人意图识别效果，实验表明其在IntentQA和Inst-IT Bench数据集上达到80%准确率，超越基线30%，接近人类水平。
在代码生成中任意思考
机构 * School of Computer Science, Peking University（1 计算机科学系，北京大学） ； Tongyi Lab, Alibaba Group（2 龙洋实验室，阿里巴巴集团）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出Think-Anywhere机制，使LLM在代码生成过程中可按需调用推理，通过冷启动训练和基于结果的强化学习奖励，实现适应性推理，提升代码生成性能和可解释性。
基于门控树交叉注意力的检查点兼容语法注入解码器-only LLMs
机构 * College of Biomedical Engineering & Instrument Science, Zhejiang University（浙江大学生物医学工程与仪器科学学院） ； Department of Language Science and Technology, The Hong Kong Polytechnic University（香港理工大学语言科学与技术系）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出一种检查点兼容的门控树交叉注意力机制，用于在解码器-only LLMs中注入语法结构，提升语法鲁棒性而不影响问答和常识推理性能。
Comments ACL 2026 MainConference
视觉漏斗：缓解多模态大语言模型中的上下文盲区
机构 * Department of AI, Chung-Ang University（Chung-Ang 大学人工智能系）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出视觉漏斗方法，通过上下文锚定和熵缩放投资组合缓解多模态大语言模型中的上下文盲区问题，通过动态调整裁剪尺寸和中心点，提升视觉细节与全局上下文的关联性。
Comments Accepted to CVPR 2026(Findings)
MVIGER：多视图变分整合互补知识的生成推荐系统
机构 * Yonsei University（延世大学） ； Korea University（韩国大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出MVIGER框架，通过统一变分方法整合互补知识，解决不同提示模板和物品索引导致的输出不一致问题，提升推荐性能。
IndustryAssetEQA: 一种用于工业资产维护中具身体验问答的神经符号操作智能系统
机构 * Artificial Intelligence Institute, University of South Carolina（南卡罗来纳大学人工智能研究所） ； University of South Carolina（南卡罗来纳大学） ； IBM Yorktown（IBM约克镇分公司） ； Indian AI Research Organization（印度人工智能研究组织）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出IndustryAssetEQA系统，结合事件 telemetry 表示与FMEA-KG知识图谱，提升工业资产问答的结构有效性、反事实准确性及解释蕴含性，减少专家评估的过度声称。
Comments 20 pages, 4 figures, 4 tables, Accepted for the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026) Industry Track
超越局部与外部：一种博弈论框架用于可信知识获取
机构 * Nankai University（南开大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Worcester Polytechnic Institute（沃斯通理工学院） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Indiana University Bloomington（印第安纳大学布利克学院）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出GTKA框架，通过博弈论平衡知识效用与隐私，设计隐私感知子查询生成器、对抗重建攻击者和可信本地整合器，减少敏感意图泄露并保持高答案质量。
PushupBench: 你的VLM在计数俯卧撑时并不出色
机构 * Shengzhi Li（李盛之） ； Jiarun Chen（陈佳润） ； Karun Sharma（Sharma 卡鲁恩） ； Jiaqi Su（苏佳琦） ； Shichao Pei（裴世超）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 PushupBench通过446个长视频片段评估重复计数任务，发现最佳模型准确率仅42.1%，开源模型表现更差，表明计数能力反映更广泛的时序推理能力。
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