大模型推理能力

On Fréchet Traveling Salesmen Problems

关于Fréchet旅行商问题

Omrit Filtser, Tzalik Maimon, Michal Moiseev

专题命中 逻辑推理 ：planning(abstract)

AI总结 研究在给定点集上构造两条曲线，使得它们之间的Fréchet距离最小，并提出了离散Fréchet距离下的近线性算法，证明了连续Fréchet距离下问题的NP难性。

Temporal Evidence Routing with Structured Visual Evidence for TimeLogicQA

基于结构化视觉证据的时间证据路由用于TimeLogicQA

Yuyang Sun, Yongliang Wu, Xingyu Zhu, Yuxia Chen, Zhenxiang Jiang, Yangguang Ji, Wenbo Zhu, Yanxi Shi, Jay Wu, Shuo Wang, Xu Yang

机构 * Southeast University（东南大学） ； National University of Singapore（新加坡国立大学） ； Independent Researcher（独立研究员） ； Opus AI Research（Opus AI研究院） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出视觉证据路由流水线，分离感知与符号时间推理，通过结构化视觉证据和确定性时间规则在TimeLogicQA上达到81.8 AvgAcc。

Finding Memory Leaks in C/C++ Programs via Neuro-Symbolic Augmented Static Analysis

通过神经符号增强静态分析发现C/C++程序中的内存泄漏

Huihui Huang, Jieke Shi, Bo Wang, Zhou Yang, David Lo

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出MemHint神经符号管道，结合LLM语义理解与Z3符号推理，扩展静态分析器对自定义内存管理函数的识别和路径敏感控制流建模，在8个真实项目中发现54个内存泄漏（53个确认/修复），每个漏洞成本约1.7美元。

Comments 16 pages

DistFlow: A Fully Distributed RL Framework for Scalable and Efficient LLM Post-Training

DistFlow: 一种用于可扩展高效LLM后训练的全分布式强化学习框架

Zhixin Wang, Jiaming Xu, Tianyi Zhou, Mingjun Zhang, Liming Liu, Jiarui Hu, Dian Yang, Tongyu Wang, Ping Zhang, Jinlong Hou, Siyuan Feng, Yuan Qi, Yuan Cheng

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出DistFlow框架，通过解耦数据传输与控制调度、采用多控制器范式和基于DAG的任务调度器，实现近线性可扩展性并提升吞吐量达2.63倍。

From Flat to Hierarchical: Evolving Tree-structured Thoughts for Fine-grained Alpha Mining

从平面到层次：演化树状思维以实现细粒度Alpha挖掘

Junji Ren, Junjie Zhao, Shengcai Liu, Peng Yang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出树状思维演化（TreEvo）方法，通过层次化分解思维扩展有效搜索空间，并设计结构化思维演化算子，在四个真实市场数据集上以最多200倍更少的评估次数获得与传统方法竞争性的Alpha，且平均比LLM驱动的演化算法高出14.31%。

Can Generative AI help people navigate Radical Moral Disagreements? The CONSIDER prototype

生成式AI能否帮助人们应对根本性道德分歧？CONSIDER原型

William Hohnen-Ford, Sarah Chen, Kathryn B. Francis, Madeline G. Reinecke, Ilina Singh, David Lyreskog

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出CONSIDER原型，一种基于大型语言模型的一对一AI工具，通过结构化分歧帮助用户澄清价值观，以应对根本性道德分歧。

Comments 25 pages, 1 figure, 2 tables. Submitted manuscript

GenClaw: Code-Driven Agentic Image Generation

GenClaw: 代码驱动的智能体图像生成

Junyan Ye, Jun He, Zilong Huang, Dongzhi Jiang, Xuan Yang, Rui Chen, Weijia Li

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出GenClaw，一种代码驱动的智能体图像生成范式，通过概念构思、代码草图绘制和纹理补充三个阶段，将黑盒图像生成转变为可控、可解释的分阶段过程。

Comments 21 pages, 7 figures

HunterAgent: Neuro-Symbolic Attack Trace Reconstruction under Anti-Forensics

HunterAgent: 反取证下的神经符号攻击痕迹重建

Guangze Zhao, Yongzheng Zhang, Weilin Gai, Hongri Liu, Yuliang Wei, Bailing Wang

专题命中 逻辑推理 ：verifier(abstract)

AI总结 针对反取证技术导致的攻击痕迹断裂问题，提出神经符号框架HunterAgent，将痕迹重建建模为部分可观测下的代价约束启发式图搜索，通过生成器-验证器流水线和校准代价函数实现高精度重建。

ProDebug: An Automated Debugging System for Prolog

ProDebug：Prolog的自动化调试系统

Ricardo Brancas, Vasco Manquinho, Ruben Martins

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出结合大语言模型、频谱和变异技术的Prolog自动调试系统ProDebug，用于识别学生作业中的错误并生成修复方案。

From Actions to Obligations: A Deontic Action Model Logic

从行动到义务：道义行动模型逻辑

Giorgio Cignarale

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出道义行动模型逻辑（DAML），通过整合道义评估机制扩展认知行动模型逻辑，用于推理多智能体系统中关于行动的义务，并证明其公理化系统的可靠性和完备性。

Provisioning to Runtime Optimization of a 100 MW-Scale AI Cluster

一个100兆瓦级AI集群的供应到运行时优化

Ehsan K. Ardestani, Leonardo Piga, Jovan Stojkovic, Pavan Balaji, Mustafa Ozdal, Mikel Jimenez Fernandez, Mihaela Dimovska, Luka Tadic, Hao Shen, Devika Vishwanath, Richa Mishra, Melaku Mihret, Valentin Andrei, Mauricio Cespedes, Julien Prigent, James Monahan, Tyler Graf, Bin Li, Charles Marquez, Shobhit Kanaujia, Kaushik Veeraraghavan, Chunqiang Tang

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文首次描述了超大规模AI数据中心从早期电力规划到运行时动态功耗管理的端到端过程，并提供了150兆瓦数据中心中83K GB200 GPU集群的详细功耗测量数据。

Toward General Quantum Control with Physics-Informed Large Language Models

面向通用量子控制的物理信息大语言模型

Yusheng Zhao, Han Wang, Xin Liu, Xinjie Song, Jixi He, Lingwei Song, Yuanhe Ji, Ken Deng, Runqing Zhang, Zhiguo Huang, Ling Qian, Jize Han, Di Luo

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出VF-QCTRL框架，结合物理信息大语言模型与符号推理及优化，实现通用量子控制协议的高保真度设计，并通过QCTRL-BENCH基准测试验证其通用性、准确性、效率和可解释性。

Synthesizing Inductive Invariants for Distributed Protocols via IC3 and Large Language Models

通过IC3和大语言模型综合分布式协议的归纳不变量

Weining Cao, Guangyuan Wu, Yuan Yao, Hengfeng Wei, Taolue Chen, Xiaoxing Ma

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出IC3Syn框架，结合符号IC3控制器和大语言模型，自动综合分布式协议的归纳不变量，无需逻辑限制或人工模板，在29个协议上验证了有效性。

Comments 15 pages, 1 figure

Federated Semantic Knowledge Graphs for Laboratory Workflows: A Structured Expert Elicitation Methodology Demonstrated Through Bioanalytical Workflow Twins

面向实验室工作流的联邦语义知识图谱：通过生物分析工作流孪生展示的结构化专家启发方法

Luis F. Schachner, Vinith Thamizhazhagan, Sara Tanenbaum, John C. Tran, Pamela P. F. Chan, Mandy Kwong, Andy Chang, Maureen Beresini, Margaret Porter Scott

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出一种可重复的结构化专家启发方法和联邦语义知识图谱架构，用于捕获和查询实验室工作流中的隐性知识，并通过Genentech的部署案例展示了跨子图查询能力，特别是识别自动化掩盖的静默故障。

Comments 48 pages, 4 figures, 3 appendices. Submitted to ISWC 2026 In-Use Track

FuzzingBrain V2: A Multi-Agent LLM System for Automated Vulnerability Discovery and Reproduction

FuzzingBrain V2: 一个用于自动化漏洞发现与重现的多智能体LLM系统

Ze Sheng, Zhicheng Chen, Qingxiao Xu, Kewen Zhu, Jeff Huang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出FuzzingBrain V2，通过多智能体系统解决LLM在漏洞检测中的三大挑战：自动化分析、精准定位与复杂依赖推理，实现了90%的检测率并发现29个零日漏洞。

Correct-by-Construction G-Code Generation: A Neuro-Symbolic Approach via Separation Logic

通过分离逻辑的正确性构建G代码生成：一种神经符号方法

Yeonseok Lee

专题命中 逻辑推理 ：self-correction(abstract)

AI总结 本文提出了一种神经符号框架，通过分离逻辑证明器将GLLM方法的神经生成能力与形式验证相结合，利用几何数据构建两组件架构，将物理碰撞转化为逻辑空间数据 race，从而生成自我校正的G代码生成系统，减少人工监督，提高自主制造的安全性和验证性。

Comments 15 pages, 5 figures

LLM-Based Static Verification of Code Against Natural-Language Requirements: An Industrial Experience Report

基于大语言模型的代码对自然语言要求的静态验证：一项工业经验报告

Zhi Quan Zhou, Dave Towey, Tsong Yueh Chen

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种基于大语言模型的两阶段工作流，用于在智能汽车网络安全案例中验证代码是否符合自然语言要求，通过引入结构化中间表示减少幻觉和输出变异，提升静态分析的准确性与解释性。

Position: AI as Part of Self -- Extending the Mind Requires Cognitive Co-Regulation

位置：AI作为自我的一部分——扩展心智需要认知共调节

Alina Gutoreva, Fendi Tsim, Trisevgeni Papakonstantinou

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文探讨了AI作为自我组成部分的重要性，强调认知共调节在人机认知系统中的必要性，指出传统约束无法实现安全与对齐，需通过人机协同调节来达成。

Position: LLM Inference Should Be Evaluated as Energy-to-Token Production

位置：LLM推理应作为能量到令牌生产进行评估

Xiang Liu, Shimiao Yuan, Zhenheng Tang, Peijie Dong, Kaiyong Zhao, Qiang Wang, Bo Li, Xiaowen Chu

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出将LLM推理视为能量到令牌生产，强调在固定质量和性能目标下，约束从理论峰值计算转向实际能源、冷却和效率问题，呼吁报告能耗、绑定约束和效率指标。

Comments https://dominic789654.github.io/energy-to-token/

ConCovUp: Effective Agent-Based Test Driver Generation for Concurrency Testing

ConCovUp：面向并发测试的有效代理基于测试驱动生成

Yuandao Cai, Shuhao Fu, Wensheng Tang, Cheng Wen, Shengchao Qin, Charles Zhang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出ConCovUp框架，结合LLM与程序分析，通过静态分析提取共享内存访问及调用上下文，利用LLM驱动的逆向追踪方法生成有效并发测试，提升SMAP覆盖率。

Paratransit Optimization with Constraint Programming: A Case Study in Savannah, Georgia

约束编程在萨凡纳市的拼车服务优化研究

Liam Jagrowski, Kevin Dalmeijer, Tinghan Ye, Pascal Van Hentenryck

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文提出基于约束编程的拼车服务优化模型，通过萨凡纳案例证明其在服务效率和请求数量上的优势，相比传统方法更易实施且灵活性高。

Securing the Dark Matter: A Semantic-Enhanced Neuro-Symbolic Framework for Supply Chain Analysis of Opaque Industrial Software

守护暗物质：一种语义增强的神经符号框架用于opaque工业软件的供应链分析

Bowei Ning, Xuejun Zong, Lian Lian, Kan He, Yifei Sun, Yuxiang Lei, Plamen Vasilev

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种语义增强的神经符号框架，通过直接从opaque二进制中重建行为语义，实现可扩展的全局风险推理，提升供应链分析的准确性和语义映射精度。

Comments 33 pages, 13 figures

Pushing Blocks without Fixed Walls via Checkable Gizmos: Push-1 is PSPACE-Complete

通过可检查的工具推动方块而不依赖固定墙壁：Push-1 是 PSPACE 完全的

MIT Hardness Group, Josh Brunner, Lily Chung, Erik D. Demaine, Jenny Diomidova, Della Hendrickson, Jayson Lynch

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文证明了Push-1问题PSPACE完全性，移除了固定墙壁的需要，展示了新的可检查工具框架，并连接了运动规划通过工具框架与图定向重配置问题。

Comments 34 pages, 20 figures. Improved writing and added intuition

Traffic Scenario Orchestration from Language via Constraint Satisfaction

通过约束满足实现基于语言的交通场景编排

Frieda Rong, Chris Zhang, Kelvin Wong, Raquel Urtasun

机构 * University of Toronto（多伦多大学） ； Waabi 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种基于约束满足的交通场景编排方法，通过自然语言生成约束条件，利用现成求解器实现闭环测试中的精确场景控制，显著提高了场景编排成功率。

Comments 19 pages, 10 figures; full version of paper accepted for poster presentation at ICRA 2026

Quantifying Trade-Offs Between Stability and Goal-Obfuscation

量化稳定性与目标混淆之间的权衡

Yixuan Wang, Dan Guralnik, Warren Dixon

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文研究了在连续状态空间中意图隐私的联合控制问题，通过设计隐私约束与跟踪要求的联合可行性分析，提出了基于PCBF的意图隐私保护方法。

Comments 11 pages

AgenticPrecoding: LLM-Empowered Multi-Agent System for Precoding Optimization

代理预编码：基于LLM的多智能体系统用于预编码优化

Zijiu Yang, Zixiang Zhang, Shunpu Tang, Qianqian Yang, Zhiguo Shi

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出AgenticPrecoding框架，通过多智能体系统自动推导端到端预编码，提升未来6G网络中异构场景的适应性。

Symbolic Execution Meets Multi-LLM Orchestration: Detecting Memory Vulnerabilities in Incomplete Rust CVE Snippets

符号执行与多LLM协调：在不完整的Rust CVE代码片段中检测内存漏洞

Zeyad Abdelrazek, Young Lee

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文提出结合符号执行（KLEE）与四代理多LLM架构，解决不完整代码问题，通过协作合成可编译的KLEE测试用例，检测Rust不安全代码中的内存漏洞，实现90.3%的测试用例编译成功率，检测到1,206个关键错误。

Comments 11 pages, 1 figure, to be published in : Ease 2026 The 6th International Workshop on Software Security Engineering

A Logic of Inability

无法能力的逻辑

Shanxia Wang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种扩展的联盟逻辑，引入明确的无法能力算子，用于研究能力的模态概念，证明了其正确性、完备性和保守性，并分析了其模态行为。

Comments Preliminary draft, comments and feedback are welcome

GoAT-X: A Graph of Auditing Thoughts for Securing Token Transactions in Cross-Chain Contracts

GoAT-X：用于跨链合约中保障令牌交易的安全思想图

Zijun Feng, Yuming Feng, Yu Wang, Weizhe Zhang, Yuhong Nan, Yuang Liu, Zibin Zheng

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 GoAT-X通过系统性原理验证替代启发式模式匹配，构建审计思想图以识别跨链逻辑中的漏洞，实现高召回率和覆盖范围，发现117个真实风险。

EndoGov: A knowledge-governed multi-agent expert system for endometrial cancer risk stratification

EndoGov：一种基于知识的多智能体专家系统用于子宫内膜癌风险分层

Weiye Dai, Liyun Shi, Zanxiang He, Yuling Ma, Mengyuan Lin, Dianxiang Sun, Liming Nie

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 EndoGov通过多智能体系统结合规则治理，实现子宫内膜癌风险分层的指南合规性与高准确性，同时保持竞争性判别能力。