大模型推理能力

Applying SHAPR in AI-Assisted Research Software Development: Lessons Learnt from Building a Share Trading System

在AI辅助研究软件开发中应用SHAPR：从构建股票交易系统中获得的经验

Ka Ching Chan

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文通过构建模块化股票交易系统案例，展示了SHAPR框架在AI辅助软件开发中的应用，强调持续文档更新、合同稳定编码、源码层提升连贯性等核心方法与贡献。

Comments 6 pages, 2 figures, conference paper

Video-STAR: Reinforcing Open-Vocabulary Action Recognition with Tools

Video-STAR: 通过工具强化开放词汇动作识别

Zhenlong Yuan, Xiangyan Qu, Chengxuan Qian, Rui Chen, Jing Tang, Lei Sun, Xiangxiang Chu, Dapeng Zhang, Yiwei Wang, Yujun Cai, Shuo Li

机构 * AMAP, Alibaba Group（阿里集团AMAP） ； University of California at Merced（加州大学默塞德分校） ； University of Queensland（昆士兰大学） ； Case Western Reserve University（凯斯西储大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 Video-STAR通过结合上下文子动作分解与工具增强强化学习，提升开放词汇动作识别的细粒度匹配与跨模态推理能力，有效减少跨模态幻觉。

Feedback-Driven Execution for LLM-Based Binary Analysis

基于反馈的LLM二进制分析执行

XiangRui Zhang, Qiang Li, Haining Wang

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出FORGE系统，通过反馈驱动执行框架提升LLM在二进制分析中的表现，实现长周期多路径分析与高精度漏洞检测。

Comments 17 pages

PlanCompiler: A Deterministic Compilation Architecture for Structured Multi-Step LLM Pipelines

PlanCompiler：一种确定性编译架构用于结构化多步骤LLM流水线

Pranav Harikumar

专题命中 复杂问题求解 ：planning(abstract)

AI总结 PlanCompiler通过类型节点注册表、静态图验证和确定性编译分离规划与执行，提升结构化LLM流水线的可靠性与效率，实现高成功率和成本效益。

Comments 31 pages, 1 figure, 7 tables, includes appendices and reproduction details

Mema: Memory-Augmented Adapter for Enhanced Vision-Language Understanding

Mema：增强视觉-语言理解的内存增强适配器

Ying Liu, Yudong Han, Kean Shi, Liyuan Pan

机构 * Beijing Institute of Technology（北京理工大学） ； Peking University（北京大学） ； Yangtze Delta Region Academy of Beijing Institude of Technology（北京理工大学长江三角洲地区研究院） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出Mema适配器，通过维护状态记忆积累层次视觉表示，提升多模态理解性能，实验验证其在复杂任务中的有效性。

Can Small Agents Collaborate to Beat a Single Large Language Model?

小型智能体能否协同击败单一大型语言模型？

Agata Żywot, Xinyi Chen, Yifei Yuan, Anders Søgaard, Maarten de Rijke

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 研究通过对比小型多智能体系统与大型单智能体模型，发现多智能体协作在多步骤推理和工具使用任务中表现更优，尤其 orchestrator 的能力主导整体性能。

RoboStereo: Dual-Tower 4D Embodied World Models for Unified Policy Optimization

RoboStereo: 双塔4D具身世界模型用于统一策略优化

Ruicheng Zhang, Guangyu Chen, Zunnan Xu, Zihao Liu, Zhizhou Zhong, Mingyang Zhang, Jun Zhou, Xiu Li

机构 * Tsinghua University（清华大学） ； X Square Robot ； HKUST（香港科技大学） 纠错

专题命中 复杂问题求解 ：self-correction(abstract)

AI总结 本文提出RoboStereo，通过双塔4D具身世界模型实现统一策略优化，解决几何幻觉和缺乏统一优化框架的问题，实验显示在细粒度操作任务中平均相对提升超过97%。

Sema Code: Decoupling AI Coding Agents into Programmable, Embeddable Infrastructure

Sema Code: 将AI编码代理解耦为可编程、可嵌入的基础设施

Huacan Wang, Jie Zhou, Ningyan Zhu, Shuo Zhang, Feiyu Chen, Jiarou Wu, Ge Chen, Chen Liu, Wangyi Chen, Xiaofeng Mou, Yi Xu

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 Sema Code通过解耦核心代理引擎与客户端层，提供可嵌入的AI编码框架，解决企业跨异构环境复用能力的挑战，其核心机制包括多租户隔离、异步权限控制等，支持多种产品形式。

ProPhy: Progressive Physical Alignment for Dynamic World Simulation

ProPhy：渐进式物理对齐用于动态世界模拟

Zijun Wang, Panwen Hu, Jing Wang, Terry Jingchen Zhang, Yuhao Cheng, Long Chen, Yiqiang Yan, Zutao Jiang, Hanhui Li, Xiaodan Liang

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Peng Cheng Laboratory（鹏城实验室） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； ETH Zürich（苏黎世联邦理工学院） ； Lenovo Research（联想研究院） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 ProPhy通过渐进式物理对齐框架，实现物理感知的视频生成，提升动态物理现象的准确性与物理一致性。

When LLMs Lag Behind: Knowledge Conflicts from Evolving APIs in Code Generation

当LLM落后时：来自演进API的代码生成中的知识冲突

Ahmed Nusayer Ashik, Shaowei Wang, Tse-Hsun Chen, Muhammad Asaduzzaman, Yuan Tian

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文研究了API演变对LLM代码生成的影响，发现缺乏全面文档时LLM难以优先处理外部上下文，执行率仅42.55%，而结构化文档和大模型规模可提升至66.36%，但推理策略如Self-Reflection可进一步提升11%。

How Do LLMs See Charts? A Comparative Study on High-Level Visualization Comprehension in Humans and LLMs

LLMs如何解读图表？人类与LLMs在高级可视化理解上的比较研究

Hyotaek Jeon, Hyunwook Lee, Minjeong Shin, Tapendra Pandey, Joohee Kim, Shinwook Seon, Daeun Jeong, Sungahn Ko, Ghulam Jilani Quadri

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 研究比较了人类与LLMs在图表高级理解上的差异，发现LLMs采用结构化列举而非人类的趋势叙事，揭示了可视化设计的新挑战与机遇。

Comments 15 pages, 8 figures, Accepted to EuroVis 2026

Journal ref The Eurographics Conference on Visualization (EuroVis 2026)

PRAXA: A Grammar for What-If Analysis

PRAXA：什么如果分析的语法

Sneha Gathani, Kevin Li, Raghav Thind, Sirui Zeng, Matthew Xu, Peter J. Haas, Cagatay Demiralp, Zhicheng Liu

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 PRAXA通过统一不同什么如果分析方法为语法，提供分析、组合和支持下一代什么如果系统的基础。

Comments What-if analysis for business intelligence

ECLIPSE: A Composable Pipeline for Predicting ecDNA Formation, Evolution, and Therapeutic Vulnerabilities in Cancer

ECLIPSE：用于预测癌症中ecDNA形成、进化和治疗脆弱性的可组合管道

Bryan Cheng, Jasper Zhang

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 ECLIPSE通过三个模块革新ecDNA预测与建模，展示标准基因组特征可预测ecDNA状态，利用物理约束神经SDEs捕捉随机动态，并通过因果推断识别治疗脆弱性，建立严谨基准并揭示方法论重要性。

Comments 9 pages, 5 figures. Accepted to workshop on AI and Partial Differential Equations, Foundation Models for Science: Real-World Impact and Science-First Design, Machine Learning for Genomics Explorations, and Generative and Experimental Perspectives for Biomolecular Design at ICLR 2026

VectraFlow: Long-Horizon Semantic Processing over Data and Event Streams with LLMs

VectraFlow：基于LLM的长时域语义处理数据与事件流

Shu Chen, Junhan Liu, Deepti Raghavan, Ugur Cetintemel

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 VectraFlow通过结合LLM与传统关系运算符，实现了对无结构数据流的长时域语义处理，提供连续语义运算符，支持自然语言意图到可执行运算图的转换，实现从原始文本到匹配事件群体的端到端模式检测。

From UI to Code: Mobile Ads Detection via LLM-Unified Static-Dynamic Analysis

从UI到代码：通过LLM统一的静态-动态分析进行移动广告检测

Shang Ma, Wei Cheng, Yanfang Ye, Xusheng Xiao

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出ADWISE框架，通过结合静态分析和LLM引导的UI结构、应用语义及检索类比，有效检测移动广告。实验表明，ADWISE在广告widget检测上优于现有方法25.60%，并发现更多广告违规情况。

ThinkGrasp: A Vision-Language System for Strategic Part Grasping in Clutter

ThinkGrasp: 一种用于杂乱环境战略部件抓取的视觉-语言系统

Yaoyao Qian, Xupeng Zhu, Ondrej Biza, Shuo Jiang, Linfeng Zhao, Haojie Huang, Yu Qi, Robert Platt

机构 * Northeastern University（东北大学） ； Boston Dynamics AI Institute（波士顿动力人工智能研究所） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 ThinkGrasp利用GPT-4o的上下文推理能力，在复杂环境中实现高效抓取，通过目标导向语言逐步清除障碍物，提升抓取成功率。

Comments Accepted at CoRL 2024. Project Website:(https://h-freax.github.io/thinkgrasp_page/)

Unify-Agent: A Unified Multimodal Agent for World-Grounded Image Synthesis

Unify-Agent：一种用于世界 grounded 图像合成的统一多模态代理

Shuang Chen, Quanxin Shou, Hangting Chen, Yucheng Zhou, Kaituo Feng, Wenbo Hu, Yi-Fan Zhang, Yunlong Lin, Wenxuan Huang, Mingyang Song, Dasen Dai, Bolin Jiang, Manyuan Zhang, Shi-Xue Zhang, Zhengkai Jiang, Lucas Wang, Zhao Zhong, Yu Cheng, Nanyun Peng

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Tencent Hunyuan（腾讯混元） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出Unify-Agent，一种统一多模态代理，用于世界 grounded 图像合成，通过代理流程提升图像生成质量，结合事实IP基准测试，展示其在多种任务中的优越表现。

Comments Project Page: https://github.com/shawn0728/Unify-Agent

Structure- and Event-Driven Frameworks for State Machine Modeling with Large Language Models

基于结构和事件的面向状态机建模的大型语言模型框架

Samer Abdulkarim, Evan Boyd, Karl Bridi, Alec Tufenkjian, Boqi Chen, Gunter Mussbacher

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出结合结构和事件驱动的框架，利用大型语言模型自动生成UML状态机，评估了不同模型在非结构化自然语言需求下的表现，发现混合方法能提升非推理模型性能，但无法进一步提升推理模型效果。

Comments 10 pages, 5 figures

ReCALL: Recalibrating Capability Degradation for MLLM-based Composed Image Retrieval

ReCALL: 为基于MLLM的组合图像检索 recalibrate 能力退化

Tianyu Yang, Chenwei He, Xiangzhao Hao, Tianyue Wang, Jiarui Guo, Haiyun Guo, Leigang Qu, Jinqiao Wang, Tat-Seng Chua

机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Southeast University（东南大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； National University of Singapore（新加坡国立大学） ； Wuhan AI Research（武汉人工智能研究院） ； Guangdong Provincial Key Laboratory of Intellectual Property and Big Data, Guangdong Polytechnic Normal University（广东技术师范大学广东省知识产权大数据重点实验室） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 ReCALL通过诊断生成器盲点、生成修正指令和三元组、并持续训练来缓解基于生成式MLLM的检索能力退化问题，实验证明其在CIRR和FashionIQ上达到SOTA性能。

Comments Accepted to CVPR 2026

DeepEye: A Steerable Self-driving Data Agent System

DeepEye：一种可调节的自动驾驶数据代理系统

Boyan Li, Yiran Peng, Yupeng Xie, Sirong Lu, Yizhang Zhu, Xing Mu, Xinyu Liu, Yuyu Luo

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出DeepEye，一种基于工作流的生产级数据代理系统，通过统一多模态协调协议和分层推理机制，解决异构数据源联合分析和上下文爆炸问题，实现透明执行和自动化优化。

Comments SIGMOD Demo (2026)

SafeClaw-R: Towards Safe and Secure Multi-Agent Personal Assistants

SafeClaw-R：迈向安全且安全的多智能体个人助理

Haoyu Wang, Zibo Xiao, Yedi Zhang, Christopher M. Poskitt, Jun Sun

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出SafeClaw-R框架，通过在执行图层面强制安全不变量，提升多智能体系统在安全性和隐私保护方面的性能，实验表明其在多个领域均表现出色。

Red-MIRROR: Agentic LLM-based Autonomous Penetration Testing with Reflective Verification and Knowledge-augmented Interaction

Red-MIRROR：基于大语言模型的自主渗透测试系统，结合反射验证与知识增强交互

Tran Vy Khang, Nguyen Dang Nguyen Khang, Nghi Hoang Khoa, Do Thi Thu Hien, Van-Hau Pham, Phan The Duy

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 Red-MIRROR通过引入紧密耦合的记忆-反射架构，解决传统渗透测试中依赖参数知识、记忆碎片化和验证不足的问题，实现复杂Web漏洞的高效检测与验证，其在XBOW基准测试中成功率达到86%。

Comments 26 pages

CompBench: Benchmarking Complex Instruction-guided Image Editing

CompBench：复杂指令引导图像编辑的基准测试

Bohan Jia, Wenxuan Huang, Yuntian Tang, Junbo Qiao, Jincheng Liao, Shaosheng Cao, Fei Zhao, Zhaopeng Feng, Zhouhong Gu, Zhenfei Yin, Lei Bai, Wanli Ouyang, Lin Chen, Fei Zhao, Yao Hu, Zihan Wang, Yuan Xie, Shaohui Lin

机构 * East China Normal University（华东师范大学） ； Xiaohongshu Inc.（小红书） ； KLATASDS, MOE, China（中国教育部统计与数据科学重点实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； University of Oxford（牛津大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 CompBench旨在解决现有图像编辑基准测试对任务复杂度简化的问题，通过引入复杂指令引导的图像编辑基准，评估模型在精细操控能力上的表现。

Towards Semantic-based Agent Communication Networks: Vision, Technologies, and Challenges

迈向基于语义的智能体通信网络：愿景、技术与挑战

Ping Zhang, Rui Meng, Xiaodong Xu, Yaheng Wang, Zixuan Huang, Yiming Liu, Ruichen Zhang, Yinqiu Liu, Haonan Tong, Huishi Song, Gang Wu, Zhaoming Lu, Jiawen Kang, Geng Sun, Qinghe Du, Zhaohui Yang, Jingxuan Zhang, Han Meng, Lexi Xu, Haitao Zhao, Zesong Fei, Yiqing Zhou, Pei Xiao, Meixia Tao, Qinyu Zhang, Shuguang Cui, Rahim Tafazolli

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文探讨语义在智能体通信网络中的作用，提出新的架构并综述现有技术，识别关键挑战并提出解决方案。

Comments 46 pages, 15 figures

RVLM: Recursive Vision-Language Models with Adaptive Depth

具有自适应深度的递归视觉-语言模型

Nicanor Mayumu, Zeenath Khan, Melodena Stephens, Patrick Mukala, Farhad Oroumchian

机构 * Department of Computer Science（计算机科学系） ； University of Wollongong in Dubai（迪拜沃林戈大学） ； Dubai Knowledge Park（迪拜知识园区） ； Mohammed Bin Rashid School of Government（穆罕默德·本·拉希德政府学院） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出RVLM，通过迭代生成-执行循环和自适应迭代深度控制器，解决医学AI系统在可解释性和推理深度上的限制，实验证明其在脑部MRI和胸部X光中的有效性。

CarePilot: A Multi-Agent Framework for Long-Horizon Computer Task Automation in Healthcare

CarePilot: 一种用于医疗领域长周期计算机任务自动化的多智能体框架

Akash Ghosh, Tajamul Ashraf, Rishu Kumar Singh, Numan Saeed, Sriparna Saha, Xiuying Chen, Salman Khan

机构 * Indian Institute of Technology Patna（印度理工学院帕纳布分校） ； Mohamed bin Zayed University of AI (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出CarePilot多智能体框架，通过双记忆机制和actor-critic范式，解决医疗领域长周期任务自动化中的复杂推理问题，实验表明其在基准和分布外数据集上均优于现有基线。

Comments CVPR 2026 Findings

General Intellectual Humility Is Malleable Through AI-Mediated Reflective Dialogue

一般智力谦虚性可通过AI介导的反思对话进行改变

Mohammad Ratul Mahjabin, Raiyan Abdul Baten

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 研究通过AI介导的反思对话提升一般智力谦虚性，发现其可产生持久变化，且不受政治立场和初始人格特征影响。

Designing a Meta-Reflective Dashboard for Instructor Insight into Student-AI Interactions

设计一个元反思仪表盘，以帮助教师了解学生与AI的互动

Boxuan Ma, Baofeng Ren, Huiyong Li, Gen Li, Li Chen, Atsushi Shimada, Shin'Ichi Konomi

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出一个元反思仪表盘，通过结构化总结学生与AI的交互轨迹和潜在风险，帮助教师在不暴露原始聊天记录的情况下获取学生学习情况，同时减轻隐私担忧。

Automated Extraction of Collins-Soper Kernel from Lattice QCD using An Autonomous AI Physicist System

利用自主AI物理学家系统自动化提取Collins-Soper核从格点QCD

Jin-Xin Tan, Ting-Jia Miao, Mu-Hua Zhang, Xiang-He Pang, Ze-Xi Liu, Lin-Feng Zhang, Si-Heng Chen, Wei Wang

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文展示利用PhysMaster系统自动化高维拟合、重整化、连续极限楚尔 extrapolation和非微扰重建，有效提升格点QCD研究效率与精度。

Comments 7 pages, 6 figures

ReflectEd: Evaluating Reflection-Driven Learning in an AI-Assisted System

ReflectEd：在AI辅助系统中评估基于反思的学习

Md Nazmus Sakib, Ishika Tarin, Naga Manogna Rayasam, Manas Gaur, Sanorita Dey

专题命中 复杂问题求解 ：planning(abstract)

AI总结 本文提出ReflectEd系统，通过理论驱动提示和机制支撑，评估反思驱动学习在协作环境中的效果，发现深度反思提升行动力但增加工作负担。

Comments Accepted at the 27th International Conference on Artificial Intelligence in Education (AIED 2026). The final authenticated version will appear in Springer LNAI/LNCS proceedings