大模型推理能力

DIVE: Unlocking Self-Improvement in Frozen Language Models Through Diversity-Driven Skill Evolution

DIVE：通过多样性驱动的技能进化解锁冻结语言模型的自我提升

Siheng Xiong, Ali Payani, Oguzhan Gungordu, Faramarz Fekri

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；verifier(abstract)；分类 cs.CL

AI总结 DIVE是一种多样性驱动的无参数框架，可让冻结LLM从任务经验和验证器反馈中进化出自然语言技能，在多项推理任务上优于现有方法，还能实现模型间技能迁移，让小模型性能匹配或超越大模型。

Eluna: An Agentic LLM System for Automating Warehouse Operations with Reasoning and Task Execution

Eluna：一个用于通过推理和任务执行实现仓库运营自动化的智能语言模型系统

Ning Liu, Kalle Kujanpää, Zhaoxuan Zhu, P Aditya Sreekar, Kaiwen Liu, Chuanneng Sun, Jorge Marchena Menendez, Matthew Bales, Tianyu Yang, Shahnawaz Alam, Rose Yu, Baoyuan Liu, Kristina Klinkner, Shervin Malmasi

机构 * Amazon.com, Inc. Fulfillment Technologies and Robotics（亚马逊公司履约技术与机器人部门） 纠错

专题命中 逻辑推理 ：reasoning(title)；分类 cs.AI、cs.LG

AI总结 研究针对仓库运营中SOP执行问题，提出Eluna智能体系统，它是图形引导多智能体框架，采用非对称情节蒸馏方法，在基准测试和生产应用中，微调模型表现出色，匹配或超教师模型，击败基线，在票务处理应用达94%专家一致性。

Semantic-based Internet of Embodied Intelligence: Visions and Frontiers

基于语义的具身智能物联网：愿景与前沿

Yaheng Wang, Rui Meng, Xiaodong Xu, Yiming Liu, Feiliang Song, Linyuan Hu, Huishi Song, Lexi Xu, Tony Q. S. Quek, Ping Zhang

专题命中 逻辑推理 ：reasoning(abstract)；planning(abstract)；logical reasoning(abstract)

AI总结 提出基于语义的具身智能物联网（SIoEI），通过语义信息统一度量解决多智能体网络中的多模态数据传输开销和逻辑推理与物理约束解耦问题，并验证其在信道鲁棒性和端到端延迟方面的优势。

Comments 7 pages, 4 figures

Decoupling Semantics and Logic: A Training-Free Coarse-to-Fine Pipeline for Video Retrieval-Augmented Generation

解耦语义与逻辑：一种无需训练的从粗到精的视频检索增强生成流水线

Jiaxin Dai, Zehang Wei, Jiamin Yan, Xiang Xiang

机构 * School of Computer Science & Tech, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of AI and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 提出一种无需训练的两阶段级联视频RAG流水线，通过解耦语义检索与逻辑推理，实现跨语言长视频理解、严格角色遵循和零幻觉时间定位。

Comments To be presented at ACL 2026 MAGMAR Workshop (Oral; Retrieval leaderboard No.1)

Beyond Memory Majority: Latent-Source Reasoning for Multi-Agent Memory Arbitration

超越记忆多数：面向多智能体记忆仲裁的潜在源推理

Chenchen Lin, Wenhao Yuan, Xuehe Wang, Edith Cheuk Han Ngai

专题命中 逻辑推理 ：reasoning(title)；分类 cs.AI

AI总结 该研究针对多智能体记忆仲裁中的记忆关联偏差问题，提出CAMA框架，通过解耦记忆、估计独立证据源数量及主动恢复缺失证据，有效抑制虚假多数，性能优于现有基线方法。

MechAInistic: An LLM-guided Multi-Agent System for Reasoning over Genome-Scale Constraint-Based Metabolic Models

MechAInistic：一种由大语言模型引导的多智能体系统，用于基于基因组规模的约束代谢模型进行推理

Josh Loecker, Narayna Puraja, William Bryan, Bhanwar Lal Puniya, Ahmed Abdeen Hamed, Tomáš Helikar

专题命中 逻辑推理 ：reasoning(title)；分类 cs.AI

AI总结 研究旨在降低基于约束的代谢建模使用门槛，开发了MechAInistic多智能体系统，借助大语言模型，围绕特定模式将自然语言问题转化为可执行工作流程，通过两个免疫细胞代谢模型用例验证，能生成可追溯的治疗假设。

Comments 23 pages, 6 figures,

Supporting Autonomous Process Execution within a Multi-Perspective Constraint Frame via Numeric Planning

通过数值规划在多视角约束框架内支持自主流程执行

Paul Wittlinger, Giacomo Acitelli, Anti Alman, Fabrizio Maria Maggi, Andrea Marrella

专题命中 逻辑推理 ：planning(title)；分类 cs.AI

AI总结 研究在人工智能增强业务流程管理系统中，通过引入新工具，用多视角约束增强流程框架，为部分流程执行推荐最优延续，经实证评估该技术具可扩展性和有效性，能支持自主及约束感知决策。

Mechanistic Interpretability for Neural Networks: Circuits, Sparse Features and Symbolic Reasoning

神经网络的机械可解释性：电路、稀疏特征和符号推理

Pranav Sawant, Jakub Krejčí

机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； VSB—Technical University of Ostrava（奥斯特拉瓦技术大学） 纠错

专题命中 逻辑推理 ：reasoning(title)；分类 cs.LG

AI总结 研究神经网络机械可解释性，通过Transformer电路分析、Sparse Autoencoders等工具应对叠加等挑战，探索控制模型行为方法，还将机械见解与神经符号人工智能框架联系，以实现神经网络内部算法逆向工程及可解释。

Comments 20 pages

Understanding Why Language Models Hallucinate: Testing Reasoning Against Priors

理解语言模型为何产生幻觉：针对先验知识的推理测试

Yangfan Hu, Xuhan Tong, Haoyue Bai, Xi Ding, Shashank Muralidhar Bharadwaj, Siyang Cao, Robert Nowak, Jiawei Zhang

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 逻辑推理 ：reasoning(title)；分类 cs.CL

AI总结 本文提出推理错位假说，认为幻觉源于模型偏向统计显著的潜在关联而非遵循提示约束，并通过TrapQA测试集验证了两种偏差模式。

Comments Project page: https://neohughus.github.io/Understanding_Why_Language_Models_Hallucinate/

ScholarSum: Student-Teacher Abstractive Summarization via Knowledge Graph Reasoning and Reflective Refinement

ScholarSum：基于知识图谱推理与反思性精炼的师生式抽象摘要生成

Bohou Zhang, Xiaoyu Tao, Mingyue Cheng, Huijie Liu, Qi Liu

机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） 纠错

专题命中 逻辑推理 ：reasoning(title)；分类 cs.CL

AI总结 提出ScholarSum框架，通过构建层次知识图谱引导学生生成初稿，并利用教师式审阅者迭代检查与修正，实现科学文献摘要的流畅性与事实一致性。

Large Language Models Can Follow Instructions, But Not Many at Once: Phase Transitions in Compositional Constraint Satisfaction

大语言模型能遵循指令，但无法同时遵循太多：组合约束满足中的相变

Mariya I. Vasileva

机构 * Meta Superintelligence Labs（元超级智能实验室） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL、cs.AI

AI总结 本研究提出约束饱和评估基准，发现大语言模型在同时遵循5-6个以上指令约束时可靠性崩溃，不同类型约束的性能下降幅度存在差异，失败呈近独立的乘法累积效应。

Comments 35 pages, 7 figures, 13 tables. Reviewed in the ARR May 2026 cycle

Beyond Solvability: Task Learnability as a Static Prior for LLM RL Post-Training

超越可解性：任务可学习性作为大语言模型强化学习后训练的静态先验

Ting Zhou, Zhenqing Ling, Daoyuan Chen, Qianli Shen, Yilun Huang, Ying Shen, Yaliang Li

机构 * Sun Yat-Sen University（中山大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 该研究提出TrajVal估计任务可学习性，将其作为静态先验用于LLM的RL后训练任务采样，可提升数据效率并与在线调度方法互补。

Learn2Zinc: Fine-tuning Small Language Models for Text-to-Model Translation in MiniZinc

Learn2Zinc：微调小型语言模型以实现MiniZinc中的文本到模型翻译

Serdar Kadioglu, Karthik Uppuluri

机构 * AI Center of Excellence, Fidelity Investments（富达投资卓越人工智能中心） ； Department of Computer Science, Brown University（布朗大学计算机科学系） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 研究针对小型语言模型在MiniZinc文本到模型翻译的难题，提出跨模型错误引导方法，收集语法错误构建训练数据集微调模型，提升执行准确率至98%，虽语法可学但约束推理仍具挑战，且开源相关资源供后续研究。

Comments CP 2026 Workshop on LLMs meet Constraint Solving

Controlled Reformulation Testing for Logical Consistency in Large Language Models

大语言模型中逻辑一致性的可控重新表述测试

Alexander Gu, Alan Chen

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 研究大语言模型在逻辑等价问题表面形式改变时的逻辑一致性，提出CRTBench基准，评估多个前沿LLMs，发现存在准确率 - 一致性差距，揭示失败集中在逻辑非平凡变换，表明仅靠准确率无法评估LLMs的逻辑推理。

Comments 10 pages

HABIB_TAZ at SemEval-2026 Task 11: Disentangling Formal Logic from Content via Synthetic Training and Multi-Objective Optimization

HABIB_TAZ参加SemEval-2026任务11：通过合成训练和多目标优化从内容中分离形式逻辑

Abdullah Shaikh, Zain Naqi, Taha Zahid, Sandesh Kumar, Abdul Samad

机构 * Dhanani School of Science & Engineering Habib University（哈比卜大学达纳尼科学与工程学院） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本文针对SemEval-2026任务11，用基于三段论合成数据集微调的mDeBERTa-v3网络，结合多目标损失函数应对大语言模型形式推理受内容影响的问题，在多个子任务中取得优异成绩，还公开了数据集生成引擎和代码库。

Journal ref Proceedings of the 20th International Workshop on Semantic Evaluation (2026), pp. 1006-1014 (2026)

Seduced by the Narrative: Assessing Rule Adherence in Semi-Open Textual Sandboxes

被叙事诱惑：评估半开放文本沙盒中的规则遵守情况

Weiying Chen, Junlong Shen, Zhanyuan Guo, Xiaoou Zhou

机构 * University of Alberta（阿尔伯塔大学） ； Qilu University of Technology（齐鲁工业大学） ； N-Dice Association（N-Dice协会） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 研究在半开放文本游戏环境中，当用户意图与系统规则冲突时大语言模型的规则遵守问题。基于桌面角色扮演游戏机制构建多智能体对抗基准CoC-Seduce，用前沿模型生成样本，对20个目标裁决器进行基准测试。

Safe and Adaptive Cloud Healing: Verifying LLM-Generated Recovery Plans with a Neural-Symbolic World Model

安全且自适应的云修复：使用神经符号世界模型验证LLM生成的恢复计划

Junyan Tan, Haoran Lin, Siyuan Guo, Yichen Fang, Xinyue Luo, Tianyu Shen, Zeyu Qiao

机构 * Zhejiang University（浙江大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；planning(abstract)；分类 cs.CL、cs.AI

AI总结 提出PASE框架，将LLM作为规划引擎生成恢复计划，通过神经符号世界模型验证可行性，并利用DRL优化提示，实现动态自适应修复，显著降低恢复时间并提高未知故障检测精度。

Comments 13 pages

RLCSD: Reinforcement Learning with Contrastive On-Policy Self-Distillation

RLCSD: 基于对比策略自蒸馏的强化学习

Leyi Pan, Shuchang Tao, Yunpeng Zhai, Lingzhe Zhang, Zhaoyang Liu, Bolin Ding, Aiwei Liu, Lijie Wen

机构 * Tsinghua University（清华大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Peking University（北京大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 针对策略自蒸馏中特权诱导的风格漂移问题，提出RLCSD方法，通过对比正确与错误提示下的师生差距来抑制风格偏移，提升推理模型在数学和逻辑推理任务上的性能。

Comments 20 pages, 9 figures, 9 tables

Goal-Oriented Logic-based Semantic Communication for Neuro-Symbolic Reasoning with Applications onto Autonomous Driving

面向目标的基于逻辑的语义通信及用于自动驾驶的神经符号推理

Ahmet Faruk Saz, Duo Xu, Faramarz Fekri

专题命中 逻辑推理 ：reasoning(title)

AI总结 本文针对自动驾驶场景，提出基于一阶逻辑的目标导向语义通信方法，通过选择关键证据传输实现安全决策，在相同通信预算下优于均匀证据选择。

EvoPlan: Evolutionary Neuro-Symbolic Robot Planning with Spatio-Temporal Guarantees

EvoPlan：具有时空保证的进化神经符号机器人规划

Bhavya Sai Nukapotula, Samin Moosavi, Haoze Wang, Luke Duncan, Diya Shakkottai, Varun Murali, Srinivas Shakkottai

机构 * Texas A&M University（德克萨斯农工大学） 纠错

专题命中 逻辑推理 ：planning(title)

AI总结 研究针对基于LLM的机器人规划器不足及经典PDDL规划器问题，提出含离线STL约束挖掘、进化PDDL规划器和受约束执行循环的神经符号框架，能保证计划属性，在基准测试中表现良好且可在无云环境下部署。

Neuro-Symbolic Reasoning for Vulnerability Detection

用于漏洞检测的神经符号推理

Yanjie Zhao, Hongjie Chen, Li Lu, Zhou Yang, Xiao Cheng, Haoyu Wang

专题命中 逻辑推理 ：reasoning(title)

AI总结 研究基于大语言模型的漏洞检测不可靠性，提出神经符号框架LeanGuard，通过将代码解释与安全义务判定分离，神经侧过滤事实，符号侧形式验证，证据感知裁决器权衡结果，在五个CWE类上实例化框架。

LLM-Only PDDL Domain Repair with Open-Weight Models

仅使用大语言模型的PDDL领域修复：基于开放权重模型

Nader Karimi Bavandpour, Pascal Bercher

专题命中 逻辑推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI

AI总结 本文评估开放权重大语言模型仅用LLM方法修复PDDL模型错误的能力，发现其F1分数优于符号基线，但测试通过率仍不足，无法保证满足修复所需的测试约束。

SKILL: Self-correcting Knowledge-guided Iterative Large Language Model Agent for Logic Optimization

SKILL：用于逻辑优化的自校正知识引导迭代大语言模型智能体

Rui Yang

机构 * University of California, Riverside（加州大学河滨分校） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI

AI总结 针对逻辑综合优化的挑战，提出SKILL智能体，结合多LLM推理与RL交互，经基准测试实现12.4%的PDA提升及86.3%的50万门级逻辑系统成功率。

From Passive Video to Editable Experience: Physically Grounded Experience Synthesis for Embodied Intelligence

从被动视频到可编辑体验：具身智能的物理基础体验合成

Jia Luo

专题命中 逻辑推理 ：planning(abstract)；verifier(abstract)；分类 cs.AI

AI总结 针对具身AI的数据瓶颈，提出Pegasus低资源框架，通过结构化知识传递将人类操作视频转化为机器人可学习数据，经多基准与机器人评估验证其跨具身翻译及数据生成的有效性。

AlphaOracle: Oracle bone script decipherment via human-workflow-inspired deep learning

AlphaOracle：通过受人工工作流程启发的深度学习进行甲骨文破译

Yuliang Liu, Haisu Guan, Pengjie Wang, Xinyu Wang, Jinpeng Wan, Kaile Zhang, Handong Zheng, Xingchen Liu, Zhebin Kuang, Huanxin Yang, Bang Li, Yongge Liu, Lianwen Jin, Xiang Bai

机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； School of Electronic Information Engineering, South China University of Technology（华南理工大学电子信息学院） ； Key Laboratory of Oracle Bone Inscriptions Information Processing, Anyang Normal University（安阳师范学院甲骨文信息处理重点实验室） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL

AI总结 针对约3000个未破译甲骨文字符的问题，提出受人工工作流程启发的AlphaOracle框架，经多阶段管道进行甲骨文破译，与专家解读高度一致，还能减少分析时间，为甲骨文及其他未破译文字研究提供参考。

Comments Accepted by The Innovation 2026

Journal ref The Innovation 7(11), 101462, 2026

Neuro-Symbolic AI for LEED compliance: Document-Centric Benchmarking, Deterministic Numeric Checking, and When Multimodal Hurts

用于LEED合规的神经符号人工智能：以文档为中心的基准测试、确定性数值检查以及多模态何时有害

Aritro De, Juliana Felkner

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 逻辑推理 ：chain-of-thought(abstract)；verifier(abstract)；分类 cs.AI

AI总结 研究小型本地部署语言模型对LEED文档筛选及符号组件作用，引入神经符号管道，通过对齐PDF、检索证据、语言模型验证和数值检查器检查来验证合规性，实验表明特定模型在任务中表现较好，管道及基线提供了参考。

Agentic-Ideation: Sample Efficient Agentic Trajectories Synthesis for Scientific Ideation Agents

Agentic-Ideation: 面向科学构思智能体的样本高效智能体轨迹合成

Keyu Zhao, Lingyan Kong, Fengli Xu, Yong Li

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI

AI总结 提出Agentic-Ideation框架，通过Oracle引导的数据合成策略和掩码训练，高效生成高质量智能体轨迹，在科学构思任务上整体质量提升11.91%，数据合成效率提高10倍以上。

Probabilistic Agents in Deterministic Audits: Evaluating Multi-Agent Systems for Automated Audits Based on the German IT-Grundschutz

确定性审计中的概率性智能体：基于德国IT-Grundschutz的自动化审计多智能体系统评估

Lea Roxanne Muth, Marian Margraf

机构 * Department of Mathematics and Computer Science（数学与计算机科学系） ； Freie Universität Berlin（柏林自由大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI

AI总结 提出结合混合检索增强生成的多智能体系统架构，通过假设验证循环和解耦推理流水线部分自动化IT-Grundschutz认证，实验表明在语义任务上高效但在逻辑推理阶段受限于LLM的概率性。

Comments Accepted for publication at the 2026 IEEE International Systems Conference (SysCon), Halifax, NS, Canada, April 6-9, 2026. 8 pages, 1 figure

AgentCAT: Simulating Computerized Adaptive Testing via Multi-Agent Large Language Models

AgentCAT：通过多智能体大语言模型模拟计算机自适应测试

Weiyuan Zhou, Haiping Ma, Xiaoshan Yu, Changqian Wang, Shangshang Yang, Xingyi Zhang

机构 * Institute for Clarity in Documentation（文档清晰度研究所） ； Inria Paris-Rocquencourt（法国国家信息与自动化研究所巴黎-罗康库尔中心） ； Rajiv Gandhi University（拉吉夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕默研究实验室） ； State Key Laboratory of Opto-Electronic Information Acquisition and Protection Technology, Institute of Physical Science and Information Technology, Anhui University（光电信息获取与防护技术国家重点实验室，物理科学与信息技术学院，安徽大学） ； School of Artificial Intelligence, Anhui University（安徽大学人工智能学院） ； School of Computer Science and Technology, Dalian University of Technology（大连理工大学计算机科学与技术学院） ； School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China, the Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（认知智能国家重点实验室，中国科学技术大学，人工智能研究院，合肥综合性国家科学中心） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 提出基于大语言模型的多智能体仿真系统AgentCAT，通过考生、选题和监督三个模块模拟动态测试过程，实现能力估计与选题策略的平衡，在真实数据集上验证了有效性。

Deontic Policies for Runtime Governance of Agentic AI Systems

面向自主AI系统运行时治理的道义策略

Anupam Joshi, Tim Finin, Karuna Pande Joshi, Lalana Kagal

机构 * CSEE Department UMBC Baltimore, MD, USA ； Center for AI UMBC Baltimore, MD, USA ； Information Systems Department UMBC Baltimore, MD, USA ； CSAIL MIT Cambridge, MA, USA 纠错

专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI

AI总结 针对大语言模型驱动的自主AI系统在安全、隐私和合规方面的治理挑战，提出AgenticRei框架，利用基于Rei的道义策略语言（OWL表示）在运行时通过逻辑引擎强制执行义务、豁免、冲突解决等治理约束，并兼容A2AS等标准。

Comments 10 pages, 1 figure. To be published in the 2026 IEEE Symposium on Agentic Services which is part of the IEEE Conference on Web Services