大模型推理能力

LLM-based Zero-shot Triple Extraction for Automated Ontology Generation from Software Engineering Standards

基于大型语言模型的零样本三元组提取用于从软件工程标准自动生成本体

Songhui Yue

机构 * Computer Science Department（计算机科学系） ； Charleston Southern University（查尔斯顿南方大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出基于LLM的零样本三元组提取方法，用于从软件工程标准中自动生成本体，通过改进的工作流程和专家标注集验证了其有效性。

Comments Semantic Data Integration Workshop, held in conjunction with IEEE International Conference on Semantic Computing (IEEE ICSC 2026), accepted, 2026

Towards AI-Native Software Engineering (SE 3.0): A Vision and a Challenge Roadmap

迈向AI原生软件工程（SE 3.0）：愿景与挑战路线图

Ahmed E. Hassan, Gustavo A. Oliva, Dayi Lin, Boyuan Chen, Zhen Ming, Jiang

机构 * Queen's University（女王大学） ； Centre for Software Excellence, Huawei Canada（华为加拿大软件卓越中心） ； York University（约克大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出SE 3.0愿景，通过AI原生方法提升软件开发效率，介绍关键技术栈与挑战路线图。

CHisAgent: A Multi-Agent Framework for Event Taxonomy Construction in Ancient Chinese Cultural Systems

CHisAgent：一种用于古代中国文化系统事件分类的多智能体框架

Xuemei Tang, Chengxi Yan, Jinghang Gu, Chu-Ren Huang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Renmin University of China（中国人民大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 CHisAgent通过多智能体框架实现古代中国历史事件的自动分类，提升历史知识组织与跨文化理解能力。

Comments 22 pages, 13 figures, 7 tables

Internal Representations as Indicators of Hallucinations in Agent Tool Selection

内部表示作为代理工具选择中的幻觉指示器

Kait Healy, Bharathi Srinivasan, Visakh Madathil, Jing Wu

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出了一种利用LLM内部表示实时检测工具调用幻觉的方法，通过减少计算开销实现高准确率的检测，尤其在参数和工具选择方面表现优异。

Learning Dynamics in RL Post-Training for Language Models

在语言模型中学习动态的强化学习后训练

Akiyoshi Tomihari

机构 * Department of Computer Science, The University of Tokyo（东京大学计算机科学系） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG

AI总结 本文提出分类器优先强化学习（CF-RL），通过优先更新分类器来提升语言模型的对齐性和推理能力，揭示了RL后训练中学习动态的机制。

Learning to Simulate Human Dialogue

学习模拟人类对话

Kanishk Gandhi, Agam Bhatia, Noah D. Goodman

机构 * Stanford University（斯坦福大学） 纠错

专题命中 其他推理 ：chain-of-thought(abstract)；分类 cs.CL

AI总结 本文研究了通过直接最大化真实人类对话的对数概率来提高对话预测效果，发现基于评判者奖励的方法在某些情况下表现不佳，而直接优化对数概率能更准确地预测人类对话。

Comments Kanishk Gandhi and Agam Bhatia contributed equally

Integrating Multi-Agent Simulation, Behavioral Forensics, and Trust-Aware Machine Learning for Adaptive Insider Threat Detection

融合多智能体仿真、行为取证和基于信任的机器学习的自适应内部威胁检测

Firdous Kausar, Asmah Muallem, Naw Safrin Sattar, Mohamed Zakaria Kurdi

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出融合多智能体仿真、行为取证和基于信任的机器学习的自适应内部威胁检测框架，通过不同系统变体验证了认知上下文、证据门控验证和预训练通信校准对提升检测精度和降低误报的作用。

Beyond Detection: Exploring Evidence-based Multi-Agent Debate for Misinformation Intervention and Persuasion

超越检测：探索基于证据的多智能体辩论用于虚假信息干预与说服

Chen Han, Yijia Ma, Jin Tan, Wenzhen Zheng, Xijin Tang

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出ED2D框架，通过整合事实证据检索，提升虚假信息检测与说服效果，同时揭示MAD系统在干预中的潜力与风险。

Comments This paper has been accepted to AAAI 2026

When Models Decide and When They Bind: A Two-Stage Computation for Multiple-Choice Question-Answering

当模型决策时与当它们绑定时：多选题问答的两阶段计算

Hugh Mee Wong, Rick Nouwen, Albert Gatt

机构 * Utrecht University（乌特勒支大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文研究了多选题问答中模型如何通过两阶段机制先在内容空间选择胜者，再绑定到输出符号。

Comments Under review

SDCD: Structure-Disrupted Contrastive Decoding for Mitigating Hallucinations in Large Vision-Language Models

SDCD: 结构破坏对比解码用于缓解大视觉-语言模型中的幻觉

Yuxuan Xia, Siheng Wang, Peng Li

机构 * University of California, Santa Barbara（加州大学圣巴巴拉分校） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 SDCD通过结构破坏对比解码缓解大视觉-语言模型中的幻觉问题，有效抑制纹理驱动偏见，提升多模态能力。

InfiAgent: An Infinite-Horizon Framework for General-Purpose Autonomous Agents

InfiAgent: 通用自主代理的无限时间 horizon 框架

Chenglin Yu, Yuchen Wang, Songmiao Wang, Hongxia Yang, Ming Li

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

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 InfiAgent 通过外部化持久状态实现无限时间 horizon 任务的稳定推理，无需任务特定微调即可在长时间任务中超越传统方法。

The Homogenizing Effect of Large Language Models on Human Expression and Thought

大语言模型对人类表达与思维的同质化效应

Zhivar Sourati, Alireza S. Ziabari, Morteza Dehghani

机构 * Department of Computer Science（计算机科学系） ； Center for Computational Language Sciences（计算语言学中心） ； Department of Psychology, University of Southern California（心理学系，南加州大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 大语言模型通过标准化语言和推理，加剧了人类认知多样性的同质化效应，影响集体智慧和适应性。

ARIES: A Scalable Multi-Agent Orchestration Framework for Real-Time Epidemiological Surveillance and Outbreak Monitoring

ARIES：一种可扩展的多智能体编排框架，用于实时流行病监测和爆发监控

Aniket Wattamwar, Sampson Akwafuo

机构 * Department of Computer Science（计算机科学系） ； California State University（加州州立大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 ARIES是一种专为流行病监测设计的多智能体框架，通过自动化数据提取和逻辑综合，实现实时监测和突发公共卫生事件的快速响应。

Comments 6 pages, 14 figures, 1 table

Can Legislation Be Made Machine-Readable in PROLEG?

在PROLEG中如何使立法变得机器可读？

May-Myo Zin, Sabine Wehnert, Yuntao Kong, Ha-Thanh Nguyen, Wachara Fungwacharakorn, Jieying Xue, Michał Araszkiewicz, Randy Goebel, Ken Satoh, Le-Minh Nguyen

机构 * Center for Juris-Informatics, ROIS-DS, Tokyo, Japan（法律信息中心） ； Ruhr-University Bochum（波鸿鲁尔大学） ； Research and Development Center for Large Language Models, NII, Tokyo, Japan（大型语言模型研究开发中心） ； Uniwersytet Jagielloński w Krakowie（克拉科夫雅盖隆大学） ； University of Alberta（阿尔伯塔大学） ； Japan Advanced Institute of Science and Technology, Ishikawa, Japan（日本先进科学技術研究所） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出利用LLM和PROLEG系统将法律文本转换为可执行的规则，以提高监管应用的准确性和效率。

Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models

数字孪生AI：从大语言模型到世界模型的机会与挑战

Rong Zhou, Dongping Chen, Zihan Jia, Yao Su, Yixin Liu, Yiwen Lu, Dongwei Shi, Yue Huang, Tianyang Xu, Yi Pan, Xinliang Li, Yohannes Abate, Qingyu Chen, Zhengzhong Tu, Yu Yang, Yu Zhang, Qingsong Wen, Gengchen Mai, Sunyang Fu, Jiachen Li, Xuyu Wang, Ziran Wang, Jing Huang, Tianming Liu, Yong Chen, Lichao Sun, Lifang He

机构 * Lehigh University（莱文斯顿大学） ； University of Maryland（马里兰大学） ； University of New South Wales（新南威尔士大学） ； Worcester Polytechnic Institute（沃思维尔理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Notre Dame（圣约翰大学） ； Columbia University（哥伦比亚大学） ； University of Georgia（佐治亚大学） ； Yale University（耶鲁大学） ； Texas A&M University（德克萨斯A&M大学） ； Stanford University（斯坦福大学） ； Squirrel Ai Learning ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校） ； University of California, Riverside（加州大学河滨分校） ； Florida International University（佛罗里达国际大学） ； Purdue University（普渡大学） ； Children’s Hospital of Philadelphia（费城儿童医院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出统一的四阶段框架，探讨数字孪生中AI整合的机会与挑战，涵盖建模、镜像、干预和自主管理，强调大语言模型和基础模型的作用。

From Description to Score: Can LLMs Quantify Vulnerabilities?

从描述到评分：大语言模型能否量化漏洞？

Sima Jafarikhah, Daniel Thompson, Eva Deans, Hossein Siadati, Yi Liu

机构 * University of North Carolina Wilmington（北卡罗来纳大学 Wilmington 分校） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本研究探讨了大语言模型在自动化CVSS评分中的潜力，发现其在某些指标上表现优异，但存在分类错误问题，需改进漏洞描述以提升自动化评分的可靠性。

Comments 10 pages

Bio-inspired Agentic Self-healing Framework for Resilient Distributed Computing Continuum Systems

生物启发的代理自修复框架用于鲁棒分布式计算连续系统

Alaa Saleh, Praveen Kumar Donta, Roberto Morabito, Sasu Tarkoma, Anders Lindgren, Qiyang Zhang, Schahram Dustdar, Susanna Pirttikangas, Lauri Lovén

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 ReCiSt通过生物启发的代理自修复框架，实现分布式计算连续系统的快速自我修复与韧性提升。

Dual LoRA: Enhancing LoRA with Magnitude and Direction Updates

Dual LoRA: 通过幅度和方向更新增强LoRA

Yixing Xu, Chao Li, Xuanwu Yin, Spandan Tiwari, Dong Li, Ashish Sirasao, Emad Barsoum

机构 * Advanced Micro Devices, Inc.（先进微器件公司） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 Dual LoRA通过引入幅度和方向更新机制，改进LoRA在参数高效微调中的性能，实验表明其在多个NLP任务上优于现有方法。

QUITE: A Query Rewrite System Beyond Rules with LLM Agents

QUITE：超越规则的查询重写系统与LLM代理

Yuyang Song, Hanxu Yan, Jiale Lao, Yibo Wang, Yufei Li, Yuanchun Zhou, Jianguo Wang, Mingjie Tang

机构 * Sichuan University（四川大学） ； Cornell University（康奈尔大学） ； Purdue University（普渡大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 QUITE利用LLM代理超越规则，通过多代理框架、中间件和提示注入技术实现更高效的SQL查询重写，提升性能并覆盖更广的查询模式。

AstroReview: An LLM-driven Multi-Agent Framework for Telescope Proposal Peer Review and Refinement

AstroReview: 一种基于大语言模型的多智能体框架用于望远镜提案同行评审与优化

Yutong Wang, Yunxiang Xiao, Yonglin Tian, Junyong Li, Jing Wang, Yisheng Lv

机构 * The Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统重点实验室，自动化研究所，中国科学院） ； The School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 AstroReview通过多智能体框架实现望远镜提案的自动化评审与优化，显著提升评审效率和质量。

Generative AI-enhanced Sector-based Investment Portfolio Construction

生成式AI增强的行业基于投资组合构建

Alina Voronina, Oleksandr Romanko, Ruiwen Cao, Roy H. Kwon, Rafael Mendoza-Arriaga

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文探讨了生成式AI在量化行业投资组合构建中的应用，发现其在稳定市场中表现优异，但在波动市场中表现欠佳，强调了混合AI-量化框架的潜力。

RSAgent: Learning to Reason and Act for Text-Guided Segmentation via Multi-Turn Tool Invocations

RSAgent: 通过多轮工具调用学习推理与行动进行文本引导的分割

Xingqi He, Yujie Zhang, Shuyong Gao, Wenjie Li, Lingyi Hong, Mingxi Chen, Kaixun Jiang, Jiyuan Fu, Wenqiang Zhang

机构 * Shanghai Key Lab of Intelligent Information Processing, College of Computer Science and Artificial Intelligence, Fudan University（上海智能信息处理关键实验室，计算机科学与人工智能学院，复旦大学） ； Artificial Intelligence, Fudan University（人工智能，复旦大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 RSAgent通过多轮工具调用实现文本引导分割的推理与行动，采用两阶段框架提升分割性能，达到领域内和领域外基准的最先进水平。

Zoomer: Adaptive Image Focus Optimization for Black-box MLLM

Zoomer: 为黑盒大语言模型实现自适应图像聚焦优化

Jiaxu Qian, Chendong Wang, Yifan Yang, Chaoyun Zhang, Huiqiang Jiang, Xufang Luo, Yu Kang, Qingwei Lin, Anlan Zhang, Shiqi Jiang, Ting Cao, Tianjun Mao, Suman Banerjee, Guyue Liu, Saravan Rajmohan, Dongmei Zhang, Yuqing Yang, Qi Zhang, Lili Qiu

机构 * Microsoft（微软公司） ； Peking University（北京大学） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； University of Southern California（南加州大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 Zoomer通过自适应图像聚焦优化提升黑盒MLLM的多模态理解能力，显著提升准确性并减少token使用

Comments TMLR accepted

Breaking Audio Large Language Models by Attacking Only the Encoder: A Universal Targeted Latent-Space Audio Attack

通过仅攻击编码器打破音频大语言模型：一种通用的目标潜在空间音频攻击

Roee Ziv, Raz Lapid, Moshe Sipper

机构 * Ben Gurion University of the Negev（贝纳乔大学奈夫分校） ； Deepkeep 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出了一种针对音频大语言模型编码器的通用潜在空间攻击方法，通过操纵音频潜在表示实现目标输出，展示了编码器层面的安全漏洞。

Agentic AI for Autonomous Defense in Software Supply Chain Security: Beyond Provenance to Vulnerability Mitigation

面向软件供应链安全的代理AI：超越溯源到漏洞缓解

Toqeer Ali Syed, Mohammad Riyaz Belgaum, Salman Jan, Asadullah Abdullah Khan, Saad Said Alqahtani

机构 * Faculty of Computer and Information System（计算机与信息系统学院） ； Islamic University of Madinah（麦地那伊斯兰大学） ； Faculty of Computer Studies（计算机研究学院） ； Arab Open University-Bahrain（巴林阿拉伯开放大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出基于代理AI的软件供应链安全框架，结合LLM推理、强化学习和多代理协调，实现主动漏洞缓解，提升检测准确率和响应效率。

Comments Conference paper, accept in ACCA IEEE Bahrain

C2PO: Diagnosing and Disentangling Bias Shortcuts in LLMs

C2PO：诊断和解构大语言模型中的偏见捷径

Xuan Feng, Bo An, Tianlong Gu, Liang Chang, Fengrui Hao, Peipeng Yu, Shuai Zhao

机构 * Jinan University（济南大学） ； Nanyang Technological University（南洋理工大学） ； Engineering Research Center of Trustworthy AI (Ministry of Education)（可信人工智能工程研究中心） ； Guangxi Key Laboratory of Trusted Software（广西可信软件重点实验室） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 C2PO通过因果对比偏好优化框架，解决大语言模型中的偏见问题，同时保持推理能力。

Steering Language Model to Stable Speech Emotion Recognition via Contextual Perception and Chain of Thought

通过上下文感知和推理链引导语言模型实现稳定的语音情感识别

Zhixian Zhao, Xinfa Zhu, Xinsheng Wang, Shuiyuan Wang, Xuelong Geng, Wenjie Tian, Lei Xie

专题命中 其他推理 ：CoT(abstract)；分类 cs.CL

AI总结 C$^2$SER通过上下文感知和推理链提升语音情感识别的稳定性和准确性，优于现有模型。

Comments This work has been published in IEEE Transactions on Audio, Speech and Language Processing

Topic-FlipRAG: Topic-Orientated Adversarial Opinion Manipulation Attacks to Retrieval-Augmented Generation Models

Topic-FlipRAG: 面向主题的对抗性观点操控攻击用于检索增强生成模型

Yuyang Gong, Zhuo Chen, Jiawei Liu, Miaokun Chen, Fengchang Yu, Wei Lu, Xiaofeng Wang, Xiaozhong Liu

机构 * Wuhan University（武汉大学） ； Nanyang Technological University（南洋理工大学） ； Worcester Polytechnic Institute（沃思堡理工学院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出Topic-FlipRAG，一种针对检索增强生成模型的面向主题对抗性观点操控攻击方法，通过两阶段流程影响模型输出观点，揭示了RAG系统安全防护的迫切需求。

Comments Accepted by USENIX Security 2025

Vox Deorum: A Hybrid LLM Architecture for 4X / Grand Strategy Game AI -- Lessons from Civilization V

Vox Deorum：一种用于4X/大战略游戏AI的混合LLM架构——来自《文明V》的启示

John Chen, Sihan Cheng, Can Gurkan, Ryan Lay, Moez Salahuddin

机构 * University of Arizona（亚利桑那大学） ； Northwestern University（西北大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Independent Researcher（独立研究者） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 Vox Deorum提出了一种混合LLM架构用于4X游戏AI，通过宏观战略推理与子系统协同，展示了LLM在复杂游戏中的应用潜力。

Comments Under review

Selective LLM-Guided Regularization for Enhancing Recommendation Models

选择性LLM引导的正则化以增强推荐模型

Shanglin Yang, Zhan Shi

机构 * SCU（四川大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出选择性LLM引导正则化方法，通过离线方式利用LLM的排序能力，提升推荐模型在冷启动和长尾场景中的表现。

Journal ref WSDM 2026 Workshop on Generative AI for Recommender Systems and Personalization