大模型推理能力

GAMMS: Graph based Adversarial Multiagent Modeling Simulator

基于图的对抗多智能体建模模拟器

Rohan Patil, Jai Malegaonkar, Xiao Jiang, Andre Dion, Gaurav S. Sukhatme, Henrik I. Christensen

机构 * University of Southern California（美国南加州大学） 纠错

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

AI总结 GAMMS是一款轻量级多智能体仿真框架，支持图结构环境下的快速开发与评估，提供可视化反馈和现实基础，适用于复杂领域如交通和通信系统。

DEEPMED: Building a Medical DeepResearch Agent via Multi-hop Med-Search Data and Turn-Controlled Agentic Training & Inference

DEEPMED：通过多跳Med-Search数据和转向控制的代理训练与推理构建医疗深度研究代理

Zihan Wang, Hao Wang, Shi Feng, Xiaocui Yang, Daling Wang, Yiqun Zhang, Jinghao Lin, Haihua Yang, Xiaozhong Ji

机构 * Northeastern University（东北大学） ； ByteDance（字节跳动） 纠错

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

AI总结 DeepMed通过多跳Med-Search数据和转向控制训练推理，提升医疗领域深度推理性能。

Building Scaffolding Dialogue Data with LLM-Simulated Novices

构建基于LLM模拟初学者的支架对话数据

Si Chen, Izzy Molnar, Ting Hua, Peiyu Li, Le Huy Khiem, G. Alex Ambrose, Jim Lang, Ronald Metoyer, Nitesh V. Chawla

机构 * University of Notre Dame, USA（美国北达科他大学） 纠错

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

AI总结 本文提出SimInstruct工具，通过LLM模拟初学者生成支架对话数据，提升教学质量并发现GPT-4o的局限性。

Evaluating and Steering Modality Preferences in Multimodal Large Language Model

评估和引导多模态大语言模型中的模态偏好

Yu Zhang, Jinlong Ma, Yongshuai Hou, Xuefeng Bai, Kehai Chen, Yang Xiang, Jun Yu, Min Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室） 纠错

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

AI总结 本文提出MC²基准测试，通过受控证据冲突场景评估和引导多模态大语言模型的模态偏好，揭示了其可通过指令引导和潜在表示控制，并展示了通过表示工程方法提升多模态任务性能的潜力。

Comments Modality Preference

FullStack-Agent: Enhancing Agentic Full-Stack Web Coding via Development-Oriented Testing and Repository Back-Translation

全栈代理：通过面向开发的测试和仓库反翻译增强全栈网页编码

Zimu Lu, Houxing Ren, Yunqiao Yang, Ke Wang, Zhuofan Zong, Mingjie Zhan, Hongsheng Li

机构 * Multimedia Laboratory (MMLab), The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 FullStack-Agent通过面向开发的测试和仓库反翻译提升全栈网页编码能力，其多代理框架和自我改进方法在多个测试用例中表现出色。

Reinforcement Fine-Tuning for History-Aware Dense Retriever in RAG

强化微调用于历史感知密集检索器在RAG中

Yicheng Zhang, Zhen Qin, Zhaomin Wu, Wenqi Zhang, Shuiguang Deng

机构 * College of Computer Science and Technology, Zhejiang University, Hangzhou, China（浙江大学计算机科学与技术学院） ； Ningbo Global Innovation Center, Zhejiang University, Ningbo, China（浙江大学宁波全球创新中心） ； Department of Computer Science, National University of Singapore, Singapore（新加坡国立大学计算机科学系） 纠错

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

AI总结 本文提出通过强化学习优化RAG中的检索器，通过引入随机采样和历史状态缓解状态别名问题，提升检索性能。

Comments On going work. Codes are released at https://github.com/zyc140345/HARR

Lookahead Path Likelihood Optimization for Diffusion LLMs

前瞻路径似然优化用于扩散大语言模型

Xuejie Liu, Yap Vit Chun, Yitao Liang, Anji Liu

机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； School of Computing, National University of Singapore（计算学院，新加坡国立大学） ； School of Intelligence Science and Technology, Peking University（智能科学与技术学院，北京大学） 纠错

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

AI总结 本文提出POKE-SMC方法，通过优化路径似然提升扩散大语言模型的解屏蔽路径准确性，实验表明在同等计算开销下，平均提升2%-3%的准确性。

MedSAM-Agent: Empowering Interactive Medical Image Segmentation with Multi-turn Agentic Reinforcement Learning

MedSAM-Agent: 通过多轮代理强化学习赋能交互式医学图像分割

Shengyuan Liu, Liuxin Bao, Qi Yang, Wanting Geng, Boyun Zheng, Chenxin Li, Wenting Chen, Houwen Peng, Yixuan Yuan

机构 * Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Hunyuan Group, Tencent（腾讯洪音集团） ； Institute of Automation, the Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； Dalian University of Technology, Dalian, China（大连理工大学） ； Stanford University, Stanford, USA（斯坦福大学） 纠错

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

AI总结 MedSAM-Agent通过多轮代理强化学习提升医学图像分割的交互效率与准确性

Comments 23 Pages, 4 Figures

IMAGINE: Intelligent Multi-Agent Godot-based Indoor Networked Exploration

IMAGINE: 基于 Godot 的智能多智能体室内网络探索

Tiago Leite, Maria Conceição, António Grilo

机构 * Institute for Systems and Robotics（系统研究所） 纠错

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

AI总结 本文提出基于Godot的多智能体强化学习方法，用于解决室内未知环境中的自主协作探索问题，通过高保真模拟和课程学习提升训练效率与鲁棒性。

Comments 12 pages, submitted to a journal

The Art of Socratic Inquiry: A Framework for Proactive Template-Guided Therapeutic Conversation Generation

苏格拉底式探究的艺术：一种主动模板引导治疗对话生成的框架

Mingwen Zhang, Minqiang Yang, Changsheng Ma, Yang Yu, Hui Bai, Chen Xu, Xiangzhen Kong, Bin Hu

机构 * School of Information Science and Engineering, Lanzhou University（信息科学与工程学院，兰州大学） ； School of Medical Technology, Beijing Institute of Technology（医学技术学院，北京理工大学） 纠错

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

AI总结 本文提出Socratic Inquiry Framework，通过策略锚定和模板检索分离提问时机与内容，提升LLMs的主动提问能力，推动心理引导型大语言模型的发展。

Autonomous Question Formation for Large Language Model-Driven AI Systems

面向大语言模型驱动AI系统的自主问题生成

Hong Su

机构 * School of Computer Science, Chengdu University of Information Technology（计算机学院，成都信息科技学院） 纠错

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

AI总结 本文提出了一种基于人类模拟的框架，使大语言模型驱动的AI系统能够自主生成问题并设定任务，通过环境感知和跨代理感知提示显著提升决策质量。

PRISM: Festina Lente Proactivity -- Risk-Sensitive, Uncertainty-Aware Deliberation for Proactive Agents

PRISM：Festina Lente主动性——面向风险敏感和不确定性意识的主动代理 deliberation

Yuxuan Fu, Xiaoyu Tan, Teqi Hao, Chen Zhan, Xihe Qiu

机构 * Shanghai University of Engineering Science（上海工程技术大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 PRISM通过决策理论门控与选择性慢速推理，提升主动代理的精确性和可控性。

Predicting and improving test-time scaling laws via reward tail-guided search

通过奖励尾部引导搜索预测并改进测试时间扩展规律

Muheng Li, Jian Qian, Wenlong Mou

机构 * Department of Statistical Sciences, University of Toronto（多伦多大学统计科学系） ； Department of AI and Data Science, University of Hong Kong（香港大学人工智能与数据科学系） 纠错

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

AI总结 本文提出通过奖励尾部引导搜索预测并改进LLM测试时间扩展规律，通过动态分配计算资源提升推理能力。

Comments 33 pages, 5 figures

PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing

PaperDebugger：一种基于插件的多智能体系统用于编辑器中的学术写作、审阅和编辑

Junyi Hou, Andre Lin Huikai, Nuo Chen, Yiwei Gong, Bingsheng He

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 PaperDebugger是一种在编辑器内集成多智能体系统和插件的学术写作助手，通过Chrome扩展、Kubernetes编排层和MCP工具链实现LLM驱动的写作、审阅和编辑功能。

AgentRAN: An Agentic AI Architecture for Autonomous Control of Open 6G Networks

AgentRAN: 一种面向自主控制开放6G网络的代理AI架构

Maxime Elkael, Salvatore D'Oro, Leonardo Bonati, Michele Polese, Yunseong Lee, Koichiro Furueda, Tommaso Melodia

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

AI总结 AgentRAN是一种基于自然语言意图的AI代理架构，通过自组织层次结构和AI-RAN工厂实现开放6G网络的自主控制与持续自我优化。

Comments This work has been submitted to the IEEE for possible publication

A Social Robot with Inner Speech for Dietary Guidance

具有内部言语的社交机器人用于饮食指导

Valerio Belcamino, Alessandro Carfì, Valeria Seidita, Fulvio Mastrogiovanni, Antonio Chella

机构 * TheEngineRoom, Department of Informatics Bioengineering, Robotics and System Engineering, University of Genoa, Genoa, Italy（TheEngineRoom，信息生物工程与机器人系统工程系，热那亚大学，热那亚，意大利） ； Department of Engineering, University of Palermo, Palermo, Italy（工程系，巴勒莫大学，巴勒莫，意大利） 纠错

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

AI总结 本文提出了一款具备内部言语功能的社交机器人，通过增强透明度和信任度来提供饮食指导，结合大语言模型和知识图谱提升交互效果。

A-MapReduce: Executing Wide Search via Agentic MapReduce

A-MapReduce：通过代理MapReduce执行广泛搜索

Mingju Chen, Guibin Zhang, Heng Chang, Yuchen Guo, Shiji Zhou

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算创新中心，人工智能学院，北京航空航天大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； BNRist, Tsinghua University（BNRist，清华大学） 纠错

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

AI总结 A-MapReduce通过引入MapReduce范式，提出一种多代理框架，将广泛搜索转化为水平结构的检索问题，实现高效且低成本的广泛搜索执行。

Comments 33 pages

Addressing Explainability of Generative AI using SMILE (Statistical Model-agnostic Interpretability with Local Explanations)

通过SMILE（统计模型无关可解释性与局部解释）解决生成AI的可解释性问题

Zeinab Dehghani

机构 * School of Computer Science（计算机科学学院） ； University of Hull（赫尔大学） 纠错

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

AI总结 gSMILE通过受控扰动、Wasserstein距离和加权替代模型，提升生成AI的可解释性，实现细粒度归因和直观热图生成。

Workflow-R1: Group Sub-sequence Policy Optimization for Multi-turn Workflow Construction

Workflow-R1: 多轮工作流构建的分组子序列策略优化

Mingze Kong, Zikun Qu, Zhongquan Zhou, Pengyu Liang, Xiang Li, Zhiwei Shang, Zhi Hong, Kaiyu Huang, Zhiyong Wang, Zhongxiang Dai

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Tianjin University（天津大学） ； Tongji University（同济大学） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 Workflow-R1通过分组子序列策略优化提升多轮工作流构建的灵活性和性能。

PyGALAX: An Open-Source Python Toolkit for Advanced Explainable Geospatial Machine Learning

PyGALAX：一个用于高级可解释地理空间机器学习的开源Python工具包

Pingping Wang, Yihong Yuan, Lingcheng Li, Yongmei Lu

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

AI总结 PyGALAX通过整合AutoML和XAI技术，提供了一个用于高级可解释地理空间机器学习的开源Python工具包，解决了空间非平稳性问题。

Augmenting Clinical Decision-Making with an Interactive and Interpretable AI Copilot: A Real-World User Study with Clinicians in Nephrology and Obstetrics

通过交互式和可解释的AI助手增强临床决策：与泌尿科和产科医生的现实世界用户研究

Yinghao Zhu, Dehao Sui, Zixiang Wang, Xuning Hu, Lei Gu, Yifan Qi, Tianchen Wu, Ling Wang, Yuan Wei, Wen Tang, Zhihan Cui, Yasha Wang, Lequan Yu, Ewen M Harrison, Junyi Gao, Liantao Ma

机构 * Peking University（北京大学） ； University of Hong Kong（香港大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Peking University Third Hospital（北京大学第三医院） ； Affiliated Xuzhou Municipal Hospital of Xuzhou Medical University（徐州医科大学附属徐州市人民医院） ； University of Edinburgh（爱丁堡大学） ； Health Data Research UK（英国健康数据研究） 纠错

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

AI总结 AICare通过交互式和可解释的AI助手提升临床决策，通过实验证明其降低认知负荷并增强医生信任

Comments Accepted by ACM CHI 2026

On Group Relative Policy Optimization Collapse in Agent Search: The Lazy Likelihood-Displacement

关于代理搜索中群体相对策略优化崩溃：懒惰似然位移

Wenlong Deng, Yushu Li, Boying Gong, Yi Ren, Christos Thrampoulidis, Xiaoxiao Li

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； Meta AI 纠错

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

AI总结 本文提出LLDS正则化方法，解决GRPO在代理搜索中因LLD导致的训练崩溃问题，提升模型性能达45.2%。

When LLM Agents Meet Graph Optimization: An Automated Data Quality Improvement Approach

当大语言模型代理遇见图优化：一种自动化数据质量改进方法

Zhihan Zhang, Xunkai Li, Yilong Zuo, Yanzhe Wen, Zhaoxin Fan, Zhenjun Li, Bing Zhou, Rong-Hua Li, Guoren Wang

机构 * Shenzhen Institute of Technology（深圳理工大学） 纠错

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

AI总结 LAGA是一种统一的多代理框架，通过协调多模态优化全面提升文本属性图的数据质量，验证了数据驱动的质量优化在可靠分析中的重要性。

Comments 12 pages, 10figures

Monte Carlo Tree Search for Execution-Guided Program Repair with Large Language Models

基于大语言模型的执行引导程序修复的蒙特卡罗树搜索

Yixuan Liang

机构 * Illinois Institute of Technology Chicago, USA（伊利诺伊理工学院芝加哥分校） 纠错

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

AI总结 CodePilot结合MCTS和大语言模型，通过执行反馈引导程序修复，实现高效的问题解决。

Comments 10 pages, 5 figures. Submitted to a conference workshop

Deep Search with Hierarchical Meta-Cognitive Monitoring Inspired by Cognitive Neuroscience

受认知神经科学启发的深度搜索与分层元认知监控

Zhongxiang Sun, Qipeng Wang, Weijie Yu, Jingxuan Yang, Haolang Lu, Jun Xu

机构 * Gaoling School of Artificial Intelligence\ University of China Beijing China ； School of Information Technology ； Search Applications Department, Tencent Beijing China ； Beijing University of Posts ； Gaoling School of Artificial Intelligence\ University of China ； Search Applications Department, Tencent 纠错

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

AI总结 本研究提出DS-MCM框架，通过分层元认知监控机制提升深度搜索的性能和鲁棒性。

Comments 11 pages, 3 figures

Understanding and Bridging the Planner-Coder Gap: A Systematic Study on the Robustness of Multi-Agent Systems for Code Generation

理解并弥合规划者-生成者之间的差距：对多智能体系统在代码生成中鲁棒性的系统研究

Zongyi Lyu, Songqiang Chen, Zhenlan Ji, Liwen Wang, Shuai Wang, Daoyuan Wu, Wenxuan Wang, Shing-Chi Cheung

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Lingnan University（岭南大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 本文研究多智能体系统在代码生成中的鲁棒性问题，发现规划者与生成者之间的信息丢失是主要缺陷，并提出修复方法以提升系统鲁棒性。

Comments 18pages, 5 figures, 6 tables

Revealed Multi-Objective Utility Aggregation in Human Driving

揭示人类驾驶中的多目标效用聚合

Atrisha Sarkar, Kate Larson, Krzysztof Czarnecki

机构 * University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学） 纠错

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

AI总结 本文通过分析人类驾驶中的多目标效用聚合，提出基于理性化概念的算法，揭示了安全与进度效用的聚合机制及情境依赖性，并提升了行为模型的预测准确性。

Journal ref AAMAS '23: Proceedings of the 2023 International Conference on Autonomous Agents and Multiagent Systems Pages 1979 - 1987

TSLM: Tree-Structured Language Modeling for Divergent Thinking

TSLM：用于发散思维的树状语言建模

Doyoung Kim, Jaehyeok Doo, Minjoon Seo

机构 * NYU（纽约大学） ； KAIST（韩国科学技术院） 纠错

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

AI总结 TSLM通过树状结构语言建模实现发散思维，利用完整搜索树训练提升推理效率和鲁棒性。

Test-Time Mixture of World Models for Embodied Agents in Dynamic Environments

动态环境中具身智能体的测试时间世界模型混合

Jinwoo Jang, Minjong Yoo, Sihyung Yoon, Honguk Woo

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Sungkyunkwan University（庆尚大学） 纠错

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

AI总结 TMoW通过测试时间更新路由函数，提升具身智能体在动态环境中的适应性与持续学习能力。

Comments Accepted at ICLR 2026. 10 pages. Code available at https://github.com/doldam0/tmow

Synthetic Socratic Debates: Examining Persona Effects on Moral Decision and Persuasion Dynamics

合成苏格拉底辩论：考察人格对道德决策与说服动态的影响

Jiarui Liu, Yueqi Song, Yunze Xiao, Mingqian Zheng, Lindia Tjuatja, Jana Schaich Borg, Mona Diab, Maarten Sap

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Duke University（杜克大学） 纠错

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

AI总结 本文通过模拟AI-AI辩论研究人格对道德决策和说服效果的影响，发现政治意识形态和性格特质对辩论结果影响最大，且随着辩论进行，论证趋于温和。