大模型推理能力

Universal Adversarial Suffixes Using Calibrated Gumbel-Softmax Relaxation

利用校准的Gumbel-Softmax松弛的通用对抗后缀

Sampriti Soor, Suklav Ghosh, Arijit Sur

机构 * Center for Intelligent Cyber Physical Systems（智能网络物理系统中心） ； Indian Institute of Technology Guwahati（印度古瓦哈提理工学院） ； Department of Computer Science and Engineering（计算机科学与工程系） 纠错

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

AI总结 本文提出了一种利用校准的Gumbel-Softmax松弛学习通用对抗后缀的方法，能有效降低多种任务和模型的准确性。

Comments 10 pages

CFD-copilot: leveraging domain-adapted large language model and model context protocol to enhance simulation automation

CFD-copilot: 利用领域适应的大语言模型和模型上下文协议增强仿真自动化

Zhehao Dong, Shanghai Du, Zhen Lu, Yue Yang

机构 * State Key Laboratory for Turbulence and Complex Systems（湍流与复杂系统国家重点实验室） ； School of Mechanics and Engineering Science（力学与工程科学学院） ； Peking University（北京大学） ； HEDPS-CAPT 纠错

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

AI总结 CFD-copilot通过领域适应的大语言模型和模型上下文协议提升CFD仿真的自动化水平。

LabOS: The AI-XR Co-Scientist That Sees and Works With Humans

LabOS：能够看见并与人类协作的AI-XR共科学家

Le Cong, David Smerkous, Xiaotong Wang, Di Yin, Zaixi Zhang, Ruofan Jin, Yinkai Wang, Michal Gerasimiuk, Ravi K. Dinesh, Alex Smerkous, Lihan Shi, Joy Zheng, Ian Lam, Xuekun Wu, Shilong Liu, Peishan Li, Yi Zhu, Ning Zhao, Meenal Parakh, Simran Serrao, Imran A. Mohammad, Chao-Yeh Chen, Xiufeng Xie, Tiffany Chen, David Weinstein, Greg Barbone, Belgin Caglar, John B. Sunwoo, Fuxin Li, Jia Deng, Joseph C. Wu, Sanfeng Wu, Mengdi Wang

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

AI总结 LabOS是一种通过多模态感知和增强现实实现人机协作的AI系统，能实时协助科学家进行实验，推动实验室向智能协作环境发展。

An Analysis of Large Language Models for Simulating User Responses in Surveys

大型语言模型在模拟调查用户响应中的分析

Ziyun Yu, Yiru Zhou, Chen Zhao, Hongyi Wen

机构 * Center for Data Science, NYU Shanghai（纽约大学上海分校数据科学中心） ； New York University（纽约大学） 纠错

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

AI总结 本文分析了大型语言模型在模拟调查用户响应中的表现，提出CLAIMSIM方法以提高响应多样性，但发现模型在处理不同人口特征时存在固有偏见和推理限制。

Comments Accepted to IJCNLP-AACL 2025 (Main Conference)

Modeling Contextual Passage Utility for Multihop Question Answering

基于多跳问答的上下文段落效用建模

Akriti Jain, Aparna Garimella

机构 * Adobe Research, India（Adobe研究印度） 纠错

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

AI总结 本文提出了一种基于上下文依赖的轻量级方法，用于建模多跳问答中段落的效用，以提高重排和问答性能。

Comments Accepted at IJCNLP-AACL 2025

Uncovering Students' Inquiry Patterns in GenAI-Supported Clinical Practice: An Integration of Epistemic Network Analysis and Sequential Pattern Mining

揭示在生成式人工智能支持下的临床实践中的学生探究模式：一种整合认知网络分析和序列模式挖掘的方法

Jiameng Wei, Dinh Dang, Kaixun Yang, Emily Stokes, Amna Mazeh, Angelina Lim, David Wei Dai, Joel Moore, Yizhou Fan, Danijela Gasevic, Dragan Gasevic, Guanliang Chen

机构 * Monash University（墨尔本大学） ； University College London（伦敦大学学院） ； Peking University（北京大学） 纠错

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

AI总结 本研究通过整合认知网络分析和序列模式挖掘，揭示学生在GenAI支持下的临床实践中探究模式，发现高绩效者更注重临床相关信息识别，而低绩效者则停留在常规问题验证循环中。

LLM-Powered Quantum Code Transpilation

基于大语言模型的量子代码编译

Nazanin Siavash, Armin Moin

机构 * Department of Computer Science University of Colorado Colorado Springs (UCCS) United States 纠错

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

AI总结 本研究利用大语言模型实现灵活的量子代码转换，解决跨平台开发中的互操作性问题。

Comments IEEE International Conference on Quantum Computing and Engineering (QCE) 2025 - Extended Abstract

TEMPLE: Incentivizing Temporal Understanding of Video Large Language Models via Progressive Pre-SFT Alignment

TEMPLE：通过渐进式预SFT对齐激励视频大语言模型的时序理解

Shicheng Li, Lei Li, Kun Ouyang, Shuhuai Ren, Yuanxin Liu, Yuanxing Zhang, Fuzheng Zhang, Lingpeng Kong, Qi Liu, Xu Sun

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

AI总结 TEMPLE通过渐进式预SFT对齐策略提升视频大语言模型的时序理解能力，利用直接偏好优化和课程学习增强模型对时间信息的感知。

Comments Accepted to AAAI 2026. Code available at https://github.com/lscpku/TEMPLE

Enabling Ethical AI: A case study in using Ontological Context for Justified Agentic AI Decisions

实现道德AI：利用本体上下文进行合理化智能体决策的案例研究

Liam McGee, James Harvey, Lucy Cull, Andreas Vermeulen, Bart-Floris Visscher, Malvika Sharan

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

AI总结 本文提出一种协作人机AI方法，通过本体上下文构建可检查语义层，提升智能体决策的合理性和透明度。

Comments 24 pages including references, with 6 images and 2 tables. Appendices, supporting data and additional reference provided from page 25 to 117

PhyVLLM: Physics-Guided Video Language Model with Motion-Appearance Disentanglement

PhyVLLM：具有运动-外观解耦的物理引导视频语言模型

Yu-Wei Zhan, Xin Wang, Hong Chen, Tongtong Feng, Wei Feng, Ren Wang, Guangyao Li, Qing Li, Wenwu Zhu

机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） 纠错

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

AI总结 PhyVLLM通过引入物理运动建模和运动-外观解耦，提升视频语言模型在物理推理和视频理解任务中的性能。

BiTAgent: A Task-Aware Modular Framework for Bidirectional Coupling between Multimodal Large Language Models and World Models

BiTAgent: 一种面向任务的模块化框架，用于多模态大语言模型与世界模型之间的双向耦合

Yu-Wei Zhan, Xin Wang, Pengzhe Mao, Tongtong Feng, Ren Wang, Wenwu Zhu

机构 * Tsinghua University（清华大学） ； Shandong University（山东大学） 纠错

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

AI总结 BiTAgent通过双向耦合多模态大语言模型与世界模型，实现任务感知的动态联合学习，提升多任务和跨环境的泛化能力。

Explainable Parkinsons Disease Gait Recognition Using Multimodal RGB-D Fusion and Large Language Models

可解释的帕金森病步态识别：基于多模态RGB-D融合与大语言模型

Manar Alnaasan, Md Selim Sarowar, Sungho Kim

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

AI总结 本文提出基于多模态RGB-D融合与大语言模型的帕金森病步态识别框架，通过增强时空表示和语言解释提高识别准确性和临床可解释性。

Automatic Attack Discovery for Few-Shot Class-Incremental Learning via Large Language Models

通过大语言模型实现少样本类增量学习的自动攻击发现

Haidong Kang, Wei Wu, Hanling Wang

机构 * School of Computer and Communication Engineering（计算机与通信工程学院） ； School of Information and Communication（信息与通信学院） ； University of Electronic Science and Technology of China（电子科学与技术大学） ； Department of Strategic and Advanced Interdisciplinary Research（战略与先进跨学科研究部） ； Pengcheng Laboratory（鹏城实验室） 纠错

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

AI总结 本文提出ACraft方法，利用大语言模型自动发现针对少样本类增量学习的最优攻击方法，有效提升攻击性能并降低成本。

Full-Stack Alignment: Co-Aligning AI and Institutions with Thick Models of Value

全栈对齐：通过厚价值模型对齐人工智能与机构

Joe Edelman, Tan Zhi-Xuan, Ryan Lowe, Oliver Klingefjord, Vincent Wang-Mascianica, Matija Franklin, Ryan Othniel Kearns, Ellie Hain, Atrisha Sarkar, Michiel Bakker, Fazl Barez, David Duvenaud, Jakob Foerster, Iason Gabriel, Joseph Gubbels, Bryce Goodman, Andreas Haupt, Jobst Heitzig, Julian Jara-Ettinger, Atoosa Kasirzadeh, James Ravi Kirkpatrick, Andrew Koh, W. Bradley Knox, Philipp Koralus, Joel Lehman, Sydney Levine, Samuele Marro, Manon Revel, Toby Shorin, Morgan Sutherland, Michael Henry Tessler, Ivan Vendrov, James Wilken-Smith

机构 * Meaning Alignment Institute（意义对齐研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； University College London（伦敦大学学院） ； University of Oxford（牛津大学） ； Western University（西方大学） ； University of Toronto（多伦多大学） ； McGill University（麦吉尔大学） ； Stanford University（斯坦福大学） ； Potsdam Institute for Climate Impact Research（波茨坦气候影响研究所） ； Yale University（耶鲁大学） ； Carnegie Mellon University（卡内基梅隆大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； New York University（纽约大学） ； Harvard University（哈佛大学） ； Midjourney Core contributor（Midjourney核心贡献者） 纠错

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

AI总结 本文提出通过厚价值模型实现全栈对齐，以解决AI与机构目标不一致导致的不良后果，涵盖价值表示、规范推理和集体利益建模。

MemOS: A Memory OS for AI System

MemOS：人工智能系统中的内存操作系统

Zhiyu Li, Chenyang Xi, Chunyu Li, Ding Chen, Boyu Chen, Shichao Song, Simin Niu, Hanyu Wang, Jiawei Yang, Chen Tang, Qingchen Yu, Jihao Zhao, Yezhaohui Wang, Peng Liu, Zehao Lin, Pengyuan Wang, Jiahao Huo, Tianyi Chen, Kai Chen, Kehang Li, Zhen Tao, Huayi Lai, Hao Wu, Bo Tang, Zhengren Wang, Zhaoxin Fan, Ningyu Zhang, Linfeng Zhang, Junchi Yan, Mingchuan Yang, Tong Xu, Wei Xu, Huajun Chen, Haofen Wang, Hongkang Yang, Wentao Zhang, Zhi-Qin John Xu, Siheng Chen, Feiyu Xiong

机构 * MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）科技有限公司） ； Institute for Advanced Algorithms Research, Shanghai（上海先进算法研究所） ； Research Institute of China Telecom（中国电信研究院） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； Renmin University of China（中国人民大学） ； Beihang University（北航） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 MemOS是一种面向人工智能系统的内存操作系统，通过统一管理不同类型的内存资源，提升长上下文推理和持续个性化的能力。

Comments 36 pages, 10 figures, 5 tables

Invasive Context Engineering to Control Large Language Models

侵入式上下文工程以控制大语言模型

Thomas Rivasseau

机构 * McGill University（麦吉尔大学） 纠错

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

AI总结 本文提出侵入式上下文工程方法，通过在LLM上下文中插入控制句子以提升其安全性，避免长上下文场景下的数据短缺问题。

Comments 4 pages

Bridging the Gap: Toward Cognitive Autonomy in Artificial Intelligence

弥合差距：迈向人工智能的认知自主性

Noorbakhsh Amiri Golilarz, Sindhuja Penchala, Shahram Rahimi

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

AI总结 本文探讨了人工智能在自我监控、自我纠正和自主调节方面的能力不足，并提出基于神经认知原理的架构以实现认知自主性。

SpecPV: Improving Self-Speculative Decoding for Long-Context Generation via Partial Verification

SpecPV：通过部分验证改进长上下文生成的自我推测解码

Zhendong Tan, Xingjun Zhang, Chaoyi Hu, Junjie Peng, Kun Xia

机构 * School of Computer Science and Technology, Xi'an Jiaotong University, Xi'an, China（计算机科学与技术学院，西安交通大学，西安，中国） 纠错

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

AI总结 SpecPV通过部分验证和周期性完整验证提升长上下文生成效率，实现6倍解码加速

Large Language Model based Smart Contract Auditing with LLMBugScanner

基于大型语言模型的智能合约审计与LLMBugScanner

Yining Yuan, Yifei Wang, Yichang Xu, Zachary Yahn, Sihao Hu, Ling Liu

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 LLMBugScanner通过结合领域知识适应和集成推理，提升智能合约漏洞检测的鲁棒性和泛化能力，提供了一种高效且可扩展的审计框架。

Mitigating Indirect Prompt Injection via Instruction-Following Intent Analysis

通过指令遵循意图分析缓解间接提示注入

Mintong Kang, Chong Xiang, Sanjay Kariyappa, Chaowei Xiao, Bo Li, Edward Suh

机构 * NVIDIA ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 IntentGuard通过分析指令遵循意图，有效缓解间接提示注入攻击，保持模型性能并降低攻击成功率

SemAgent: Semantic-Driven Agentic AI Empowered Trajectory Prediction in Vehicular Networks

SemAgent：基于语义的代理AI赋能的车联网轨迹预测

Lin Zhu, Kezhi Wang, Luping Xiang, Kun Yang

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； School of Intelligent Software and Engineering, Nanjing University (Suzhou Campus)（智能软件与工程学院，南京大学（苏州校区）） ； Department of Computer Science, Brunel University London（计算机科学系，布伦尔大学伦敦） 纠错

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

AI总结 SemAgent通过整合语义通信与代理AI，提升车联网环境下的轨迹预测性能，实验显示在低信噪比条件下预测精度提升达47.5%。

Comments Submitted for possible journal publication

NetDeTox: Adversarial and Efficient Evasion of Hardware-Security GNNs via RL-LLM Orchestration

NetDeTox: 通过RL-LLM协同实现对硬件安全GNN的对抗性高效逃避

Zeng Wang, Minghao Shao, Akashdeep Saha, Ramesh Karri, Johann Knechtel, Muhammad Shafique, Ozgur Sinanoglu

机构 * NYU Tandon School of Engineering（纽约大学Tandon工程学院） ； NYU Abu Dhabi（纽约大学阿布扎克分校） 纠错

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

AI总结 NetDeTox通过RL-LLM协同实现对硬件安全GNN的高效对抗性逃避，减少重写次数和面积开销，提升安全性方案的鲁棒性。

Evolutionary Discovery of Heuristic Policies for Traffic Signal Control

进化发现交通信号控制的启发式策略

Ruibing Wang, Shuhan Guo, Zeen Li, Zhen Wang, Quanming Yao

机构 * Northwestern Polytechnical University, Xi'an, China（西北工业大学，西安） ； Tsinghua University, Beijing, China（清华大学，北京） 纠错

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

AI总结 本文提出了一种基于大语言模型的交通信号控制策略进化方法，通过结构化状态抽象和信用分配反馈模块，生成针对特定交通环境的高效启发式策略。

MedMobile: A mobile-sized language model with clinical capabilities

MedMobile: 一种具有临床能力的移动尺寸语言模型

Krithik Vishwanath, Jaden Stryker, Anton Alyakin, Daniel Alexander Alber, Eric Karl Oermann

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

AI总结 MedMobile是一种移动尺寸的语言模型，通过高效的方法在医疗领域实现高性能表现，成为参数最少且性能最佳的临床应用模型。

Comments 24 pages, 7 figures (4 main, 3 supplementary)

Insight-A: Attribution-aware for Multimodal Misinformation Detection

Insight-A: 多模态虚假信息检测中的归因意识

Junjie Wu, Yumeng Fu, Chen Gong, Guohong Fu

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Institute of Artificial Intelligence, Soochow University（苏州大学人工智能研究院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） 纠错

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

AI总结 Insight-A通过归因意识和分层推理提升多模态虚假信息检测效果，有效识别伪造来源并增强跨模态一致性检查。

Operationalizing Pluralistic Values in Large Language Model Alignment Reveals Trade-offs in Safety, Inclusivity, and Model Behavior

在大型语言模型对齐中操作多元价值观揭示了安全、包容性和模型行为之间的权衡

Dalia Ali, Dora Zhao, Allison Koenecke, Orestis Papakyriakopoulos

机构 * Technical University of Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本研究探讨了在大型语言模型对齐中融入多元价值观的影响，发现不同群体偏好和设计选择对模型行为和安全性有显著影响。

Can LLMs Faithfully Explain Themselves in Low-Resource Languages? A Case Study on Emotion Detection in Persian

LLMs能否在低资源语言中忠实解释自己？一种波斯语情感检测的案例研究

Mobina Mehrazar, Mohammad Amin Yousefi, Parisa Abolfath Beygi, Behnam Bahrak

机构 * School of Electrical and Computer Engineering College of Engineering, University of Tehran, Tehran, Iran（电气与计算机工程学院，德黑兰大学） ； Computer Science Department, University of British Columbia, Vancouver, Canada（计算机科学系，不列颠哥伦比亚大学） ； Tehran Institute for Advanced Studies, Khatam University, Tehran, Iran（德黑兰高级研究学院，卡坦大学） 纠错

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

AI总结 研究评估了LLMs在低资源语言波斯语情感分类中的解释忠实性，发现模型生成的解释与人类判断不一致，强调了改进解释方法的必要性。

Interpretable Reward Model via Sparse Autoencoder

通过稀疏自编码器的可解释奖励模型

Shuyi Zhang, Wei Shi, Sihang Li, Jiayi Liao, Hengxing Cai, Xiang Wang

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

AI总结 SARM通过整合预训练稀疏自编码器，提升奖励模型的可解释性和对齐性能。

Comments AAAI 2026 Oral

Towards Multimodal Graph Large Language Model

迈向多模态图大规模语言模型

Xin Wang, Zeyang Zhang, Linxin Xiao, Haibo Chen, Chendi Ge, Wenwu Zhu

机构 * Department of Computer Science and Technology（计算机科学与技术系） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） 纠错

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

AI总结 本文提出多模态图大规模语言模型（MG-LLM），旨在统一和泛化多模态图数据和任务，通过统一空间、多任务处理、上下文学习等五个核心特性，推动多模态图学习的发展。

Comments 4 figures, 2 tables

Journal ref Science China Information Sciences (2025)

Concept than Document: Context Compression via AMR-based Conceptual Entropy

概念而非文档：基于AMR的概念熵进行上下文压缩

Kaize Shi, Xueyao Sun, Xiaohui Tao, Lin Li, Qika Lin, Guandong Xu

机构 * University of Southern Queensland（南方昆士兰大学） ； University of Technology Sydney（技术悉尼大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Wuhan University of Technology（武汉理工大学） ； National University of Singapore（新加坡国立大学） ； The Education University of Hong Kong（香港教育大学） 纠错

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

AI总结 本文提出基于AMR的概念熵方法，通过压缩上下文保留核心语义，提升RAG任务的准确性和效率。