大模型推理能力

ProvenanceGuard: Source-Aware Factuality Verification for MCP-Based LLM Agents

ProvenanceGuard: 基于MCP的LLM智能体的源感知事实性验证

Ander Alvarez, Santhiya Rajan, Samuel Mugel, Román Orús

机构 * Multiverse Computing ； Parque Cientifico y Tecnológico de Gipuzkoa（吉普斯夸科技园） ； Centre for Social Innovation（社会创新中心） ； Donostia International Physics Center（多诺斯蒂亚国际物理中心） ； Ikerbasque Foundation for Science（伊克尔巴斯克科学基金会） 纠错

专题命中 规划推理 ：verifier(abstract)；分类 cs.CL、cs.AI

AI总结 提出ProvenanceGuard，一种源感知验证器，通过追踪MCP工具调用、分解声明并路由到特定源，检测跨源混淆错误，在医疗领域数据集上优于源无关基线。

Comments 20 pages, 4 figures

PrinciplismQA: A Philosophy-Grounded Approach to Assessing LLM-Human Clinical Medical Ethics Alignment

PrinciplismQA: 一种基于哲学的评估LLM与人类临床医学伦理对齐的方法

Chang Hong, Minghao Wu, Qingying Xiao, Yuchi Wang, Xiang Wan, Guangjun Yu, Benyou Wang, Yan Hu

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National Health Data Institute, Shenzhen（深圳国家健康数据研究院） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） 纠错

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

AI总结 本文提出PrinciplismQA，一种基于哲学框架的评估方法，用于评估LLM在临床医学伦理上的对齐情况，通过专家验证的问题集揭示模型在伦理推理上的不足。

Comments ACL 2026 Findings

UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment

UAlign: 推动无模板反合成预测的极限：基于无监督SMILES对齐

Kaipeng Zeng, Bo yang, Xin Zhao, Yu Zhang, Fan Nie, Xiaokang Yang, Yaohui Jin, Yanyan Xu

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

AI总结 UAlign通过无监督SMILES对齐技术，提升无模板反合成预测的准确性，超越现有模板化方法。

SURE-RAG: Sufficiency and Uncertainty-Aware Evidence Verification for Selective Retrieval-Augmented Generation

SURE-RAG：用于选择性检索增强生成的充分性和不确定性感知证据验证

Jingxi Qiu, Zeyu Han, Cheng Huang

专题命中 规划推理 ：verifier(abstract)；分类 cs.CL、cs.LG

AI总结 研究选择性检索增强生成的证据充分性验证问题，提出SURE-RAG聚合协议，通过共享验证器生成局部关系分布并聚合为特征块，产生三向决策和可审计分数，实验表明其性能优于多种方法，还对比了与GPT-4o在不同任务上的表现。

Comments 8 pages, 2 figures, 8 tables. Submitted to IEEE PRAI 2026

The Hard Decision Layer: Evidence for Committed Inference in Transformers

硬决策层：Transformer中确定推理的证据

Ashwath Vaithinathan Aravindan, Mayank Kejriwal

机构 * University of Southern California（南加州大学） ； Information Sciences Institute（信息科学研究所） 纠错

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

AI总结 研究基于Transformer的语言模型在多选型问答中做预测的位置与方式，识别出硬决策层，经多模型和数据集验证其在无学习路由策略时一致出现且对微调不变，HDL处准确率显著提升，为Transformer推理提供见解与机会。

The Computational Basis of Confidence in Large Language Models

大语言模型中置信度的计算基础

Dharshan Kumaran, Viorica Patraucean, Maks Ovsjanikov, Petar Veličković, Nathaniel Daw

机构 * Google DeepMind（谷歌DeepMind） ； École Polytechnique（巴黎综合理工学院） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 研究大语言模型中置信度的计算基础，利用统计决策置信度框架，通过答案 - 对数差异测试其预测特征，结果表明在多种任务中答案对数可作潜在决策变量读出，为多模态语言模型置信度提供解释并统一研究框架。

InteractComp: Evaluating Search Agents With Ambiguous Queries

InteractComp：使用模糊查询评估搜索代理

Mingyi Deng, Lijun Huang, Yani Fan, Fanqi Kong, Jiayi Zhang, Fashen Ren, Jinyi Bai, Fuzhen Yang, Dayi Miao, Zhaoyang Yu, Yifan Wu, Yanfei Zhang, Fengwei Teng, Yingjia Wan, Song Hu, Yude Li, Xin Jin, Conghao Hu, Haoyu Li, Qirui Fu, Tai Zhong, Xinyu Wang, Xiangru Tang, Nan Tang, Chenglin Wu, Yuyu Luo

机构 * DeepWisdom（深智科技） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Renmin University of China（中国人民大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Agent Universe（智能体宇宙） ； McGill University（麦吉尔大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 研究针对搜索代理缺乏处理模糊查询及交互能力的问题，引入InteractComp基准，通过目标-干扰物方法构建问题评估17个模型，发现模型存在过度自信问题，强制交互有提升，揭示交互能力停滞，该基准对评估和训练搜索代理交互能力有重要价值。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026), Seoul, South Korea. 9 pages, 4 figures

When Ethics and Payoffs Diverge: LLM Agents in Morally Charged Social Dilemmas

当伦理与收益相悖时：道德两难情境下的大语言模型智能体

Steffen Backmann, David Guzman Piedrahita, Terry Jingchen Zhang, Emanuel Tewolde, Rada Mihalcea, Bernhard Schölkopf, Zhijing Jin

机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根人工智能研究所） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 研究道德要求与利润激励冲突时LLMs在道德两难博弈中的行为，引入\msim评估九个模型，通过ATEs估计因果效应、分析推理轨迹，发现模型道德行为有情境脆弱性，揭示了部署风险。

Co-Evolving LLM Evaluators and Policies via DynamicRubric

通过动态评分标准共同进化大语言模型评估器和策略

Beining Wang, Weihang Su, Hongtao Tian, Hao Kong, Tao Yang, Ting Yao, Qingyi Pan, Yueyue Wu, Qingyao Ai, Min Zhang, Yiqun Liu

机构 * Tsinghua University（清华大学） ； Tencent（腾讯） 纠错

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

AI总结 研究基于评估器反馈优化大语言模型时因策略改进导致的优化瓶颈问题，提出DynamicRubric框架，通过生成加权评分标准项实现评估器与策略共同进化，实验证明该框架提升了评估器性能及策略效果，并已成功应用于微信搜索。

Comments add online model info (approved)

Time Series Network Utilization KPI Forecasting Using Advanced AI/ML Models

使用先进人工智能/机器学习模型的时间序列网络利用率关键绩效指标预测

Niraj Gadhe, Kirti Bhardwaj, Moulik Jain, Shubhi Sharma, Vinay Saini

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

AI总结 研究针对数据密集型应用等导致的网络性能问题，通过评估季节性分解等多种模型，利用通用接口数据集在MAPE等指标上进行基准测试，给出模型准确性与计算效率权衡的见解，助相关人员选最佳预测模型。

Anatomy of a Sound Neural Reasoner: One-Shot Amortization, First-Pass Poisoning, and Search Inertness in Clue-Rich Completion

一个合理的神经推理器剖析：在富含线索的填数问题中的一次性摊销、首次通过中毒和搜索惰性

Aleksey Komissarov

机构 * Neapolis University, Pafos（帕福斯新帕福斯大学） 纠错

专题命中 规划推理 ：verifier(abstract)；分类 cs.AI、cs.LG

AI总结 研究富含线索填数问题中神经推理器的表现，发现LDT存在首次通过中毒等问题，添加CoLT可减少无效推导，还给出两种干预措施提升准确率，指出类似LDT系统是一次性摊销预测器，搜索主要消除计算浪费。

Cross-Model Consistency of AI-Generated Exercise Prescriptions: A Repeated Generation Study Across Three Large Language Models

跨模型一致性分析：AI生成运动处方的重复生成研究：在三个大型语言模型间

Kihyuk Lee

机构 * Data Convergence Team, Office of Hospital Information, Seoul National University Bundang Hospital（数据融合团队，医院信息办公室，首尔国立大学医院） 纠错

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

AI总结 研究比较了三种大型语言模型在重复生成运动处方时的一致性，发现GPT-4.1在语义相似度上最高，而Gemini 2.5 Flash表现出重复性，揭示了生成行为的差异，强调模型选择应作为临床决策。

Comments 24 Pages, 2 Figures, 6 Tables and 2 Supplementary Materials. v2: Removed personal contact information

Journal ref International Journal of Medical Informatics, 220 (2026) 106594

Prompt Programming for Cultural Bias and Alignment of Large Language Models

提示编程用于大型语言模型的文化偏差与对齐

Maksim Eren, Eric Michalak, Brian Cook, Johnny Seales

机构 * Information Systems and Modeling, Los Alamos National Laboratory（信息系统与建模，洛斯阿拉莫斯国家实验室） ； Advanced Research in Cyber Systems, Los Alamos National Laboratory（网络安全系统高级研究，洛斯阿拉莫斯国家实验室） ； Center for National Security and International Studies（国家安全与国际研究中心） ； Analytics Division, Los Alamos National Laboratory（分析部门，洛斯阿拉莫斯国家实验室） 纠错

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

AI总结 本文提出通过提示编程优化大型语言模型的文化对齐，利用DSPy框架系统调整治文化偏差，实验表明提示优化优于传统手动提示工程，提升模型响应的可转移性与稳定性。

Comments 10 pages, pre-print

ArenaRL: Scaling RL for Open-Ended Agents via Tournament-based Relative Ranking

ArenaRL: 通过基于比赛的相对排名扩展强化学习以应对开放性智能体

Qiang Zhang, Boli Chen, Fanrui Zhang, Ruixue Ding, Shihang Wang, Qiuchen Wang, Yinfeng Huang, Haonan Zhang, Rongxiang Zhu, Pengyong Wang, Ailin Ren, Xin Li, Pengjun Xie, Jiawei Liu, Ning Guo, Jingren Zhou, Zheng-Jun Zha

机构 * Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

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

AI总结 ArenaRL通过基于比赛的相对排名机制，提升开放性智能体在复杂任务中的表现，实现效率与精度的平衡。

Toward Learning POMDPs Beyond Full-Rank Actions and State Observability

迈向超越全秩动作和状态可观测性的POMDP学习

Seiji Shaw, Travis Manderson, Chad Kessens, Nicholas Roy

机构 * MIT Computer Science and Artificial Intelligence Lab（麻省理工学院计算机科学与人工智能实验室） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 本文提出了一种基于PSR方法学习POMDP参数的方法，通过张量分解估计相似变换，实现状态划分下的转移和观察模型学习，并展示了其在不同奖励函数下的应用潜力。

Comments WAFR camera-ready

Node-as-Agent: Graph Agentic Network

节点即智能体：图智能体网络

Minghao Guo, Xi Zhu, Qingyue Jiao, Xiujin Liu, Haochen Xue, Chong Zhang, Shuhang Lin, Jingyuan Huang, Ziyi Ye, Yongfeng Zhang

机构 * Rutgers University（罗格斯大学） ； University of Liverpool（利物浦大学） ； Fudan University（复旦大学） 纠错

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

AI总结 研究针对图神经网络不能处理节点信息不平衡及忽略全局语义关系的局限，提出检索增强图智能体网络ReaGAN，赋予节点自主决策能力，通过智能体规划和局部 - 全局检索实现自适应消息传播，在少样本设置下性能优异。

Comments 11 pages, work in progress

When a Verified World Model Still Loses: Play-Adequacy vs Prediction-Accuracy in LLM-Synthesized Code World Models

当经过验证的世界模型仍然失败时：大语言模型合成代码世界模型中的游戏充分性与预测准确性

Javier Aguilar Martín

机构 * AGILabs（AGILabs实验室） 纠错

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

AI总结 研究大语言模型合成的代码世界模型，发现其虽预测准确率高，但在游戏中仍失败，存在验证与正确的差距，揭示危害规律，指出更多数据无法修复，相同机制在信念推理函数上重现，表明规划世界模型充分性应基于搜索分布或游戏衡量。

Comments 41 pages, 4 figures. Code and reproduction log: https://github.com/JaviMaligno/code-world-models

Adaptive Compute in Latent World Models: When Depth Helps, Hurts, or Doesn't Matter

深度在组合中何时得以保留？潜在世界模型中的计算-质量机制

Achyuthan Sivasankar

机构 * New York University（纽约大学） 纠错

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

AI总结 研究探讨潜在世界模型中深度在组合时的情况，用浅度惩罚ρ测试九个深度思维控制任务，发现三种机制，揭示反转机制由训练产生，其与观察/动作维度等相关，还指出任务机制受多种因素影响及相关注意事项。

Comments 15 pages, 9 figures, 2 tables

From Feasibility to Desirability: Plan, Learn, Adapt (PLA) Framework for Personalized On-Device Itinerary Generation

从可行性到合意性：用于个性化设备端行程生成的计划、学习、适应（PLA）框架

Himel Dev, Tanmoy Sen, Madhusudan Basak, Bashima Islam

机构 * Tech LLC（529科技有限责任公司） ； University of Virginia（弗吉尼亚大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

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

AI总结 研究针对个性化设备端行程生成问题，提出PLA框架，分计划、学习、适应三阶段，通过构建规划器集合、拟合奖励模型及进行局部优化来生成行程，实验表明该框架在可行性和胜率上表现出色，还提升了生产部署中的行程完成率并降低延迟。

SAGA: Schema-Aware Grounding for Agentic Text-to-SPARQL Generation

SAGA：用于智能文本到SPARQL生成的模式感知基础

Yiming Zhang, Koji Tsuda

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

AI总结 研究复杂知识库问答中语义解析范式，针对现有智能体类型盲基础问题，提出无训练框架SAGA，通过模式约束基础操作，维护类型状态，过滤候选属性，以紧凑格式呈现图模式，在多基准设置上取得优异成绩。

ToolAnchor: Anchoring Counterfactual Context to Boost Agentic Tool-use Capability

ToolAnchor：锚定反事实上下文以提升智能体工具使用能力

Weiting Liu, Jieyi Bi, Wanqi Zhou, Jianfeng Feng, Yining Ma, Ai Han, Wenlian Lu

机构 * Fudan University（复旦大学） ； Nanyang Technological University（南洋理工大学） ； MIT（麻省理工学院） 纠错

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

AI总结 研究针对工具增强大语言模型智能体在工具集扩展时的问题，提出ToolAnchor框架，通过在关键决策点注入反事实锚定上下文打破行为惯性，经教师模型假设、学生展开验证及智能体后训练，提升其在扩展工具集下的性能，为智能体强化学习开辟新路径。

ShopX: A Foundation Model for Intent-to-Item Fulfillment in Agentic Shopping

ShopX：面向智能购物中意图到商品实现的基础模型

Jiacheng Chen, Tao Zhang, Manxi Lin, Dunxian Huang, Teng Shi, Honghao Fu, Mengyan Li, Xinming Zhang, Chenchi Zhang, Xuan Lu, Xiaoxiong Du, Haibin Chen, Shaolin Ye, Hao Chang, Xiaoqi Li, Shuwen Xiao, Yujin Yuan, Jingxuan Feng, Shaopan Xiong, Huimin Yi, Ju Huang, Qiu Shen, Ying Chen, Junjun Zheng, Xiangheng Kong, Dan Ou, Haihong Tang, Yuning Jiang, Bo Zheng

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

AI总结 提出ShopX基础模型，通过统一意图理解、执行规划和基于语义ID的商品空间操作，解决大语言模型代理在购物中意图到商品实现的瓶颈，在淘宝生产日志任务上优于工具中介系统。

Comments The new version adds additional results and details

L-MARS: Legal Multi-Agent System with Agentic Search and Citation-Faithfulness Audit

L-MARS：具有协调推理和代理搜索的法律多智能体工作流

Boqin Yuan, Ziqi Wang

机构 * University of Southern California（南加州大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） 纠错

专题命中 规划推理 ：verifier(abstract)；分类 cs.CL、cs.AI

AI总结 L-MARS是一种多代理检索框架，通过分解查询为结构化子问题，利用代理网络搜索获取证据，并通过验证代理过滤结果，从而在法律问答中实现高准确率。

Comments Accepted at the AI4Law Workshop at ICML 2026

OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration for ARC-AGI-3

OPINE-World：基于本体错误优先的交互式探索的程序化世界建模

David Courtis, Wenhao Li, Scott Sanner

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 提出OPINE-World，一种在线交互学习面向对象的程序化世界模型的LLM智能体，通过本体错误度量引导探索，在ARC-AGI-3基准上无需逐游戏训练即解决20/25个游戏，动作效率达78.4。

WattCouncil: Context-Aware Household Energy Scenario Generation With Governed LLMs

瓦特委员会：基于受治理大语言模型的情境感知家庭能源情景生成

Mohannad Takrouri, Nicolas M. Cuadrado A., Martin Takáč

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 针对智能电网因数据受限发展受阻的问题，提出瓦特委员会框架，利用基于大语言模型的代理，在文化、时间和物理等约束下生成家庭能源情景，经实验评估及消融研究验证了其有效性和一致性。

Comments 11 pages, 5 figures

Journal ref The 13th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (BuildSys 26), June 22-25, 2026, Banff, AB, Canada. ACM, New York, NY, USA, 11 pages

Constraint-Aware Hierarchical Search for Regulation-Driven Fine-Grained Classification

用于规则驱动的细粒度分类的约束感知层次搜索

Siyu Wang, Wei Tan, Lulu Chen

机构 * Gusu Laboratory of Materials（姑苏材料实验室） ； Chongqing Institute of Engineering（重庆工程学院） ； Suzhou Digital China Wuxin Intelligent Technology Co., Ltd.（苏州神州数码五新智能科技有限公司） 纠错

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

AI总结 针对规则驱动的细粒度分类任务，现有方法存在不足。本文构建基准数据集，提出约束感知层次搜索框架，将监管文件转换为可搜索树，只检索有效局部候选节点，实验证明该方法准确率高且能提供可解释决策路径。

Tool-Adaptive LLM Reranker

工具自适应语言模型重排器

Zichuan Liu, Ruijin Hua

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

AI总结 研究针对生成式大语言模型在复杂查询时的事实幻觉及重排延迟问题，提出TALRanker框架，将相关性评分形式化为马尔可夫决策过程，经两阶段训练优化，在检索基准上性能领先，兼顾吞吐量与准确性。

Comments 12 pages, 7 figures, 6 tables

Risk-Aware General-Utility Markov Decision Processes

风险感知通用效用马尔可夫决策过程

Pedro P. Santos, Fábio Vital, Alberto Sardinha, Francisco S. Melo

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

AI总结 研究风险感知通用效用马尔可夫决策过程，聚焦熵风险度量，提出基于蒙特卡洛树搜索的方法，可解决该过程并达任意精度，实验表明此方法在多种任务的GUMDPs中优化风险感知行为时成功。

iLENS: Interpretable LLM-Guided Mixture-of-Experts for Neuroimaging Survival Analysis

iLENS：用于神经影像生存分析的可解释大语言模型引导的专家混合模型

Farica Zhuang, Seong Woo Han, Zixuan Wen, Shu Yang, Yize Zhao, Li Shen

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 针对阿尔茨海默病前驱期转化预测问题，提出iLENS框架，基于专家混合模型，利用大语言模型合成信息指导专家路由，具备竞争力的预测性能，能为决策提供透明且基于生物学的原理。

TRACE: A Two-Channel Robust Attribution Watermark via Complementary Embeddings for LLM-Agent Trajectories

TRACE：一种通过互补嵌入实现的用于大语言模型智能体轨迹的双通道鲁棒归属水印

Zheng Gao, Xiaoyu Li, Xiaoyan Feng, Jiaojiao Jiang, Yang Song, Yulei Sui, Zhenchang Xing, Liming Zhu

机构 * University of New South Wales（新南威尔士大学） ； Griffith University（格里菲斯大学） ； CSIRO’s Data61（澳大利亚联邦科学与工业研究组织（CSIRO）的数据61） 纠错

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

AI总结 研究针对大语言模型智能体轨迹归属水印易被经销商攻击的问题，提出TRACE方法，通过互补嵌入构建双通道水印，包括基于局部内容的选择通道和基于日志框架的计数通道，实验表明该方法能保证水印鲁棒性，保持智能体成功率且检测分数高。