大模型推理能力

Think Twice Before You Act: Enhancing Agent Behavioral Safety with Thought Correction

三思而后行：通过思想修正增强智能体行为安全

Changyue Jiang, Wenqi Zhang, Xudong Pan, Geng Hong, Min Yang

机构 * Fudan University, Shanghai, China（复旦大学，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； Shanghai Pudong Research Institute of Cryptology, Shanghai, China（上海浦东密码研究院，上海，中国） 纠错

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

AI总结 提出Thought-Aligner，一种轻量级插件式安全模型，在动作执行前对不安全思想进行因果修正，无需修改底层智能体，通过两阶段对比学习训练，在多个基准和六种LLM上将行为安全从约50%提升至约90%，超越现有防护约23%，同时提升有用性约5%。

Comments Accepted to ICML 2026

Back to Parsimonious Latents: Learning Task-Centric World Models from Visual Foundations

回归简约潜在变量：从视觉基础学习以任务为中心的世界模型

Minghao Fu, Fan Feng, Nicklas Hansen, Biwei Huang

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 提出TC-WM框架，通过将预训练视觉嵌入线性投影为紧凑潜在状态、对比学习对齐子空间并重建嵌入，将基础模型特征转化为任务充分的世界表示，实现更好的世界建模质量和控制精度。

AEROS: A Single-Agent Operating Architecture with Embodied Capability Modules

AEROS：一种具有具身能力模块的单智能体操作架构

Xue Qin, Simin Luan, John See, Cong Yang, Zhijun Li

机构 * School of Software, Harbin Institute of Technology（哈尔滨工业大学软件学院） ； 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） ； School of Mathematical and Computer Sciences, Heriot-Watt University, Malaysia Campus（赫瑞-沃森大学马来西亚分校数学与计算机科学学院） ； School of Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院） 纠错

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

AI总结 提出AEROS架构，将机器人建模为单一持久智能主体，通过可安装的具身能力模块扩展能力，实现模块化可扩展性、可组合能力执行和一致的系统级安全。

Comments Submitted to Engineering Applications of Artificial Intelligence (EAAI). 48 pages, 5 figures, 9 tables

Transformer-based few-shot learning for modeling Electricity Consumption Profiles with minimal data across thousands of domains

基于Transformer的少样本学习：以最少数据跨数千个领域建模电力消费曲线

Weijie Xia, Gao Peng, Chenguang Wang, Peter Palensky, Eric Pauwels, Pedro P. Vergara

机构 * Intelligent Electrical Power Grids (IEPG) Group（智能电力电网组） ； Centrum Wiskunde & Informatica (CWI)（数学与信息学研究中心） ； Alliander N.V（Alliander公司） 纠错

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

AI总结 针对电力消费曲线建模中数据稀缺问题，提出一种结合Transformer和高斯混合模型的免微调少样本学习框架，仅需1.6%数据即可准确恢复复杂分布，优于现有方法。

Journal ref International Journal of Electrical Power & Energy Systems, Volume/Issue (February 2026), Article 111575

AION: Next-Generation Tasks and Practical Harness for Time Series

AION：下一代时间序列任务与实用框架

Tianxiang Zhan, Xiaobao Song, Tong Guan, Shirui Pan, Ming Jin

机构 * Griffith University（格里菲斯大学） ； Shenzhen University（深圳大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 针对时间序列研究向结合预测、上下文推理、工具使用和结构化决策支持的现实任务转变，提出AION框架，通过时间锚定、知识推理和可靠性机制（如实验后分析和分层审查）实现更详细的过程追踪和审查步骤。

Comments Project page and code are available at https://github.com/ztxtech/aion

Towards Multi-Turn Dialog Systems for Industrial Asset Operations and Maintenance

面向工业资产运维的多轮对话系统

Chengrui Li, Rujing Li, Yitong Bai, Rui Li

机构 * Columbia University（哥伦比亚大学） 纠错

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

AI总结 针对工业资产运维中的多轮、迭代问答问题，提出基于监督者-专家多智能体架构的多轮对话系统，通过结构化工件复用、动态重规划和并行工具执行，显著提升规划效果和任务完成率。

A Contractive Feedback Semantics for Reinforcement Learning

强化学习的收缩反馈语义

Zuyuan Zhang

机构 * The George Washington University（乔治华盛顿大学） 纠错

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

AI总结 本文通过将单步决策过程视为开放随机组件，并利用收缩反馈环实现无限时域策略评估，建立了强化学习的组合语义，并推导出近似等价、状态抽象和合约规范的理论结果。

IterInject: Indirect Prompt Injection Against LLM Agents via Feedback-Guided Iterative Optimization

IterInject: 通过反馈引导的迭代优化实现对LLM智能体的间接提示注入

Zixuan Chen, Jiaxiang Chen, Li Luo, Ke Xu, Xiaoxiang Huang, Tanfeng Sun, Xinghao Jiang

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 提出IterInject框架，通过规则诊断器和LLM优化器迭代优化对抗载荷，实现对LLM智能体的间接提示注入攻击，在多个基准和实际系统中显著优于现有方法，并揭示了注意力介导的阈值机制。

Comments Submitted to EMNLP 2026

Look-Closer-Then-Diagnose: Confidence-Aware Ultrasound VQA via Active Zooming

Look-Closer-Then-Diagnose: 通过主动缩放实现置信度感知的超声VQA

Yue Zhou, Erxuan Wu, Yikang Sun, Hongjoo Lee, Yuan Bi, Huixiong Xu, Nassir Navab, Zhongliang Jiang

机构 * Computer Aided Medical Procedures (CAMP)（计算机辅助医疗程序） ； TU Munich, Germany（慕尼黑工业大学，德国） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Munich, Germany（慕尼黑，德国） ； Zhongshan Hospital, Fudan University, China（复旦大学中山医院） ； The University of Hong Kong, Hongkong, China（香港大学，香港，中国） 纠错

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

AI总结 提出一个模拟超声医师认知流程的框架，通过“缩放-诊断”范式和基于组相对策略优化的不确定性感知奖励，提升超声视觉问答中病灶定位和诊断性能。

AutoResearchClaw: Self-Reinforcing Autonomous Research with Human-AI Collaboration

AutoResearchClaw: 基于人机协作的自我强化自主研究

Jiaqi Liu, Shi Qiu, Mairui Li, Bingzhou Li, Haonian Ji, Siwei Han, Xinyu Ye, Peng Xia, Zihan Dong, Meng Chen, Congyu Zhang, Letian Zhang, Guiming Chen, Haoqin Tu, Xinyu Yang, Lu Feng, Xujiang Zhao, Haifeng Chen, Jiawei Zhou, Xiao Wang, Weitong Zhang, Hongtu Zhu, Yun Li, Jieru Mei, Hongliang Fei, Jiaheng Zhang, Linjie Li, Linjun Zhang, Yuyin Zhou, Sheng Wang, Caiming Xiong, James Zou, Zeyu Zheng, Cihang Xie, Mingyu Ding, Huaxiu Yao

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Rutgers University（罗格斯大学） ； NEC Labs America（NEC美国实验室） ； Meta ； Stanford University（斯坦福大学） ； Google（谷歌公司） ； University of Washington（华盛顿大学） 纠错

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

AI总结 提出AutoResearchClaw多智能体自主研究系统，通过结构化辩论、自愈执行、可验证报告、七种人机协作模式和跨运行进化机制，在ARC-Bench基准上比AI Scientist v2提升54.7%。

The A-R Behavioral Space: Execution-Level Profiling of Tool-Using Language Model Agents in Organizational Deployment

A-R行为空间：组织部署中工具使用语言模型代理的执行层剖析

Shasha Yu, Fiona Carroll, Barry L. Bentley

机构 * Cardiff School of Technologies, Cardiff Metropolitan University（卡迪夫技术学院，卡迪夫市政大学） ； School of Professional Studies, Clark University（专业研究学院，克拉克大学） ； Harvard Medical School, Harvard University（哈佛医学院，哈佛大学） 纠错

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

AI总结 提出基于动作率(A)和拒绝信号(R)的二维A-R空间及散度(D)来测量执行层行为，评估不同规范制度和自主性配置下语言模型代理的执行与拒绝分布模式。

Detecting Cognitive Signatures in Typing Behavior for Non-Intrusive Authorship Verification

通过打字行为检测认知特征以实现非侵入式作者验证

David Condrey

机构 * Writerslogic, Inc.（Writerslogic公司） 纠错

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

AI总结 利用大规模击键数据集中的认知负荷相关性（CLC）区分真实创作与机械转录，提出一种仅收集时间元数据的非侵入式验证框架，在保护隐私的同时实现85-95%的判别准确率，并证明认知特征对时序伪造攻击具有鲁棒性。

Comments 7 pages

Omissive Bias in Religious Representation: Benchmarking LLM Answers to Everyday Ethical Decision-making

宗教表征中的省略偏见：评估LLM在日常伦理决策中的回答

David Wingate, Sheryl Carty, Joshua Coates, Daniel Feldman, Nancy Fulda, Larry Howell, Brett Israelson, Dallin Jacobs, Jonathan Karr, John Paul Kimes, Elisabeth Kincaid, Paul Martens, Gavin Mobley, Suzana Pinheiro, Lindsay Slemboski, Peter Whiting

机构 * Brigham Young University ； Baylor University ； University of Notre Dame ； Yeshiva University 纠错

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

AI总结 通过构建AllFaith宗教表征基准，评估LLM在回答日常伦理问题时是否提及宗教，发现模型普遍存在省略宗教框架的偏见，尤其在个人实际情境中更为明显。

How Well Do Models Follow Their Constitutions?

模型遵循其宪法的程度如何？

Arya Jakkli, Senthooran Rajamanoharan, Neel Nanda

机构 * Anthropic 纠错

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

AI总结 提出多方法审计流程，评估前沿AI模型在对抗性多轮交互中遵循其书面行为规范（如Anthropic宪法和OpenAI模型规范）的程度，发现新一代模型违规率显著下降。

Comments 37 pages including appendix. Code, tenet lists, and full transcripts: https://github.com/ajobi-uhc/constitution-audits. Companion blog post on LessWrong/AI Alignment Forum: https://www.lesswrong.com/posts/Tk4SF8qFdMrzGJGGw/how-well-do-models-follow-their-constitutions

QUEST: Training Frontier Deep Research Agents with Fully Synthetic Tasks

QUEST：使用完全合成任务训练前沿深度研究代理

Jian Xie, Tianhe Lin, Zilu Wang, Yuting Ning, Yuekun Yao, Tianci Xue, Zhehao Zhang, Zhongyang Li, Kai Zhang, Yufan Wu, Shijie Chen, Boyu Gou, Mingzhe Han, Yifei Wang, Vint Lee, Xinpeng Wei, Xiangjun Wang, Yu Su, Huan Sun

机构 * The Ohio State University（俄亥俄州立大学） ； Amazon AGI SF Lab（亚马逊人工智能SF实验室） 纠错

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

AI总结 提出QUEST系列模型，通过统一规则树合成训练数据，结合中训练、监督微调和强化学习，使开放模型在深度研究任务上接近或超越闭源前沿代理。

Comments Work in Progress

From Correctness to Preference: A Framework for Personalized Agentic Reinforcement Learning

从正确性到偏好：个性化智能体强化学习框架

Ranxu zhang, zeyang li, Jiacheng Huang, Rui Zhang, Xiaozhou Xu, sun zhe, Yanyong Zhang, Chao Wang

机构 * University of Science and Technology of China（中国科学技术大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 提出PARPO框架，通过解耦通用任务奖励与个性化偏好奖励，结合偏好解耦奖励模型和偏好对齐技能演化图记忆，实现个性化智能体强化学习。

Comments 34 pages, 7 figures, Under Review

AutoResearch AI: Towards AI-Powered Research Automation for Scientific Discovery

AutoResearch AI：迈向人工智能驱动的科研自动化以实现科学发现

Guiyao Tie, Jiawen Shi, Dingjie Song, Yixiao Huang, Ziji Sheng, Xueyang Zhou, Daizong Liu, Pan Zhou, Yongchao Chen, Ran Xu, Lifang He, Qingsong Wen, Manling Li, Cong Lu, Shuai Li, Pengtao Xie, Yixuan Yuan, Rui Meng, Lei Xing, Lichao Sun, Caiming Xiong, Philip S. Yu, Jianfeng Gao

机构 * Huazhong University of Science and Technology（华中科技大学） ； Lehigh University（莱斯大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Salesforce Research（Salesforce研究） ； Squirrel AI Learning（Squirrel AI学习） ； Northwestern University（西北大学） ； Independent（独立） ； Shanghai Jiao Tong University（上海交通大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Chinese University of Hong Kong（香港中文大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； Stanford University（斯坦福大学） ； Google Cloud AI Research（谷歌云AI研究） ； Recursive Superintelligence（递归超级智能） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本文综述了AI驱动的科研工作流自动化（AutoResearch）的发展，分析了从任务级AI到工作流级研究自动化的转变，并提出了五个评估维度（新颖性、有效性、影响力、可靠性和溯源），指出自主性受领域条件限制。

Comments 49 pages, 12 figures, 10 tables

Security of LLM-generated Code: A Comparative Analysis

LLM生成代码的安全性：一项比较分析

Srivathsan G Morkonda, Mahmoud Selim, Hala Assal

机构 * Carleton University（卡尔顿大学） 纠错

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

AI总结 本研究通过模拟开发者使用LLM生成代码的行为，评估了七种流行LLM生成代码的安全性，发现所有模型均生成包含漏洞的代码，且多数为严重或高危漏洞。

A measurement substrate for agentic Kubernetes operations: Methodology and a case study in retrieval-compounding falsification

面向代理化 Kubernetes 操作的测量基础：方法论与检索复合证伪案例研究

Joshua Odmark, Gideon Rubin, Deon van der Vyver

机构 * Independent（独立） ； LDE ； Cognyx 纠错

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

AI总结 提出一个闭环测量框架 agent-breakage，通过注入故障、评分响应并累积带标签元组，解决 Kubernetes 操作代理经验声明的不可证伪性问题，并在案例研究中发现检索复合能力被三个混杂因素（pgvector 索引错误、+19% 选择偏差、小样本夸大效应约 3 倍）所掩盖。

Comments 22 pages. Code at https://github.com/odmarkj/agent-breakage tag v0.1.0 (Apache 2.0). Source repo at https://github.com/odmarkj/agent-breakage-paper tag arxiv-v1

Steered Generation via Gradient-Based Optimization on Sparse Query Features

基于稀疏查询特征的梯度优化引导生成

Sumanta Bhattacharyya, Pedram Rooshenas

机构 * University of Illinois Chicago（伊利诺伊大学香槟分校） 纠错

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

AI总结 提出基于稀疏自编码器和梯度优化的稀疏查询特征引导方法，实现对大型语言模型逻辑规划与风格细节的统一可解释控制。

Vector Retrieval with Similarity and Diversity: How Hard Is It?

向量检索中的相似性与多样性：难度有多大？

Hang Gao, Dong Deng, Yongfeng Zhang

机构 * Rutgers University（罗杰斯大学） 纠错

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

AI总结 本文提出向量检索相似性与多样性（VRSD）问题，证明其为NP完全问题，并设计无参数启发式算法，在多个数据集上优于MMR和k-DPP等基线。

An AI-Driven Framework for Energy-Efficient Environmental Monitoring in Smart Cities Using Edge Intelligence

基于边缘智能的智慧城市节能环境监测AI驱动框架

Yichen Liu, Imam Akintomiwa Akinlade, Xiaochong Jiang, Wenting Yang, Shiqi Yang

机构 * Independent Researcher（独立研究者） ； Harvard Business School（哈佛商学院） 纠错

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

AI总结 提出一种利用TinyML边缘设备和上下文感知自适应决策的AI驱动框架，通过效用函数动态激活传感器，减少能耗并延长寿命，在城市规模模拟中验证了其优于静态、周期和UCB自适应策略。

Comments 6 pages, 2 figures, 3 tables

Evaluating Commercial AI Chatbots as News Intermediaries

评估商业AI聊天机器人作为新闻中介

Mirac Suzgun, Emily Shen, Federico Bianchi, Alexander Spangher, Thomas Icard, Daniel E. Ho, Dan Jurafsky, James Zou

机构 * Stanford University（斯坦福大学） ； Independent Researcher（独立研究者） ； Together AI 纠错

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

AI总结 本研究评估了AI聊天机器人在跨语言和区域处理新兴事实的准确性，发现其在多选题中表现良好，但在自由回答和复杂问题上存在显著误差，揭示了区域不平等和依赖检索基础设施的问题。

Comments https://suzgunmirac.github.io/ai-news-preview/

Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals

剪裁瓶颈：通过近边界信号的随机恢复稳定RLVR

Shuo Yang, Jinda Lu, Chiyu Ma, Kexin Huang, Haoming Meng, Qihui Zhang, Yuyang Liu, Bolin Ding, Guoyin Wang, Li Yuan, Jingren Zhou

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 本文研究了强化学习可验证奖励（RLVR）中由于硬剪裁决策导致的训练不稳定问题，提出了一种名为近边界随机救援（NSR）的简单方法，通过随机保留略微超出边界范围的token来恢复丢失的信号，从而提升训练稳定性和性能。

LACO: Adaptive Latent Communication for Collaborative Driving

LACO：适应性潜在通信用于协同驾驶

Tianhao Chen, Yuheng Wu, Dongman Lee

机构 * Korea Advanced Institute of Science & Technology（韩国科学技术院） 纠错

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

AI总结 本文提出LACO，一种无需训练的潜在通信范式，通过迭代潜在推理、跨时间显著性归因和结构化语义知识蒸馏，解决协同驾驶中潜在通信的延迟和信息丢失问题，实验证明其在降低通信和推理延迟的同时保持了强大的协同驾驶性能。

CoFEH: LLM-driven Feature Engineering Empowered by Collaborative Bayesian Hyperparameter Optimization

CoFEH: 由协作贝叶斯超参数优化赋能的LLM驱动特征工程

Beicheng Xu, Keyao Ding, Wei Liu, Yupeng Lu, Bin Cui

机构 * School of CS \& Key Lab of High Confidence Software Technologies (MOE), Peking University Beijing China ； School of CS \& Beijing Key Laboratory of Software ； Hardware Cooperative Artificial Intelligence Systems, Peking University Beijing China ； School of CS \& Key Lab of High Confidence Software Technologies (MOE), Peking University ； Hardware Cooperative Artificial Intelligence Systems, Peking University 纠错

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

AI总结 本文提出CoFEH框架，通过结合LLM驱动的特征工程和贝叶斯超参数优化，实现鲁棒的端到端AutoML，解决了传统方法在搜索空间刚性和缺乏领域意识的问题，并引入互条件机制提升FE与HPO的协同效果。

Comments Accepted at KDD 2026. Extended version with full appendices

Semantic Attacks on Tool-Augmented LLMs: Securing the Model Context Protocol Against Descriptor-Level Manipulation

对增强工具的语义攻击：保护模型上下文协议免受描述级操纵

Saeid Jamshidi, Arghavan Moradi Dakhel, Kawser Wazed Nafi, Foutse Khomh

机构 * SWAT Laboratory, Polytechnique Montréal（SWAT实验室，蒙特利尔理工学院） 纠错

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

AI总结 本文研究了通过工具描述符与外部工具交互的模型上下文协议（MCP）中存在的语义攻击问题，提出了一种分层防御方案，通过描述符完整性验证、预上下文语义审查和轻量级运行时防护机制，有效降低描述级操纵导致的不安全工具调用风险。

"Would You Want an AI Tutor?" Understanding Stakeholder Perceptions of LLM-based Systems in the Classroom

你希望有一个AI导师吗？理解基于大语言模型的系统在课堂中的利益相关者观点

Caterina Fuligni, Daniel Dominguez Figaredo, Armanda Lewis, Julia Stoyanovich

机构 * Khan Academy ； New York City Department of Education（纽约市教育部） ； Learning Innovation Catalyst（学习创新催化剂） 纠错

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

AI总结 本文研究了在课堂中部署基于大语言模型（LLM）系统的利益相关者观点，提出了一种以利益相关者为中心的框架，以支持更谨慎的决策。

SDGBiasBench: Benchmarking and Mitigating Vision--Language Models' Biases in Sustainable Development Goals

SDGBiasBench: 评估和减轻可持续发展目标中视觉-语言模型的偏见

Zihang Lin, Huaiyuan Qin, Muli Yang, Hongyuan Zhu

机构 * Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出SDGBiasBench，一个用于评估和减轻可持续发展目标中视觉-语言模型偏见的大型基准测试集，通过分析模型在决策和估计层面的偏见，提出CADE方法以减少偏见，提高模型的准确性和可靠性。

Broadening Access to Transportation Safety Data with Generative AI: A Schema-Grounded Framework for Spatial Natural Language Queries

通过生成式AI拓宽交通安全管理数据的可及性：一种基于模式的时空自然语言查询框架

Mahdi Azhdari, Eric J. Gonzales

机构 * Department of Civil and Environmental Engineering, University of Massachusetts Amherst（麻省大学阿姆赫斯特分校土木与环境工程系） 纠错

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

AI总结 本文提出了一种基于模式的自然语言接口，利用大型语言模型解释用户意图，同时保持确定性和可审查的执行，以解决交通安全管理数据访问不均的问题，通过整合事故记录、道路属性和地理空间数据，提升公共部门的安全规划能力。

Comments 30 pages, 5 figures