大模型推理能力

ARMS: Automatic Reward Shaping for Sparse-Reward Multi-Agent Reinforcement Learning

ARMS: 稀疏奖励多智能体强化学习的自动奖励塑形

Elie Abboud, Oren Gal

机构 * Department of Marine Technologies（海洋技术系） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 提出ARMS框架，通过自监督轨迹排序学习稠密塑形信号，并基于条件最优反应推理证明其保持纳什均衡，从而解决多智能体强化学习中的稀疏奖励问题。

CHASD: Language Increment-Calibrated Contrastive Decoding against Hallucination in LVLMs

CHASD：面向LVLMs中幻觉的语言增量校准对比解码

Xiaoyi Huang, Kejia Zhang, Zhiming Luo

机构 * Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能学院） ； Department of Artificial Intelligence, Xiamen University（厦门大学人工智能系） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 提出CHASD框架，通过不确定性驱动的置信门控和注意力引导的局部扰动，在推理时按需校准对比解码，减少对象幻觉并提升效率。

DFKI-MLT at SemEval-2026 TASK 7: Steering Multilingual Models Towards Cultural Knowledge

DFKI-MLT 在 SemEval-2026 任务 7 中：将多语言模型引导至文化知识

Yusser Al Ghussin, Daniil Gurgurov, Yasser Hamidullah, Josef van Genabith, Cristina España-Bonet, Simon Ostermann

机构 * German Research Center for Artificial Intelligence (DFKI GmbH)（德国人工智能研究中心（DFKI GmbH）） ； Saarland Informatics Campus（萨尔布吕肯信息学校区） ； Barcelona Supercomputing Center (BSC-CNS)（巴塞罗那超级计算中心（BSC-CNS）） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 本研究提出使用从并行 FLORES 数据中提取的语言向量进行激活引导，在推理时调整多语言模型以提升文化知识，并在 SemEval-2026 任务 7 的 MCQ 赛道上取得 86.96% 准确率，排名第 7。

Comments Accepted to The 20th International Workshop on Semantic Evaluation at ACL 2026

VGAS: Value-Guided Action-Chunk Selection for Few-Shot Vision-Language-Action Adaptation

VGAS: 价值引导的动作块选择用于少样本视觉-语言-动作适应

Changhua Xu, En Yu, Junyu Xuan, Jie Lu

机构 * Australian Artificial Intelligence Institute (AAII)（澳大利亚人工智能研究所） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 提出VGAS框架，通过生成-选择范式和价值引导的动作块选择，解决少样本VLA适应中的几何歧义问题，提升成功率和鲁棒性。

Comments Preprint

ACE: Self-Evolving LLM Coding Framework via Adversarial Unit Test Generation and Preference Optimization

ACE：通过对抗性单元测试生成和偏好优化的自进化LLM编码框架

Yixu Huang, Xinglei Yu, Zhongyu Wei

机构 * School of Data Science Fudan University（数据科学学院 复旦大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI

AI总结 本文提出ACE框架，通过基于求解器-对抗架构的执行中心监督，实现自进化代码生成，无需真实代码或外部奖励模型，实验表明其在CodeContests、MBPP和LiveCodeBench上均优于现有求解器-验证器基线。

SpecBlock: Block-Iterative Speculative Decoding with Dynamic Tree Drafting

SpecBlock：带有动态树草案的块迭代推测解码

Weijie Shi, Qiang Xu, Fan Deng, Yaguang Wu, Jiarun Liu, Yehong Xu, Hao Chen, Jia Zhu, Jiajie Xu, Xiangjun Huang, Jian Yang, Xiaofang Zhou

机构 * Hong Kong University of Science and Technology（香港科技大学） ； MetaX ； Zhejiang Normal University（浙江师范大学） ； Soochow University（苏州大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL

AI总结 该研究提出了一种结合路径依赖性和低成本草案的块迭代草案方法SpecBlock，通过动态树草案和路径依赖机制提高LLM推理效率，同时在部署时利用验证器反馈进行成本感知适应，从而在速度和成本上均优于现有方法。

Accelerated Test-Time Scaling with Model-Free Speculative Sampling

加速测试时间缩放与模型无关的推测采样

Woomin Song, Saket Dingliwal, Sai Muralidhar Jayanthi, Bhavana Ganesh, Jinwoo Shin, Aram Galstyan, Sravan Babu Bodapati

机构 * KAIST（韩国科学技术院） ； Amazon AGI（亚马逊人工智能实验室） ； AirSignal 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出STAND，一种无需模型的推测解码方法，通过利用推理轨迹中的冗余性，显著提升推理效率而不牺牲准确性，经多个模型和任务评估，STAND在保持准确性的同时将推理延迟降低了60-65%。

Comments EMNLP 2025 Oral

Hallucination as Exploit: Evidence-Carrying Multimodal Agents

幻觉作为利用：证据承载多模态智能体

Guijia Zhang, Hao Zheng, Harry Yang

机构 * Shenzhen University（深圳大学） ； HKUST（香港科技大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI

AI总结 本文研究了多模态智能体中幻觉导致授权失败的问题，提出证据承载多模态智能体（ECA）方法，通过分解工具调用、获取类型证书并使用确定性门控来授权，从而将模型的模糊信念转换为可审计的残余，提高了系统的安全性。

Comments 23 pages, 6 figures, 15 tables

Code Researcher: Deep Research Agent for Large Systems Code and Commit History

Code Researcher: 用于大型系统代码和提交历史的深度研究代理

Ramneet Singh, Sathvik Joel, Abhav Mehrotra, Nalin Wadhwa, Ramakrishna B Bairi, Aditya Kanade, Nagarajan Natarajan

机构 * Microsoft Research（微软研究院） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出Code Researcher，一种用于大型系统代码和提交历史的深度研究代理，通过多步骤推理和全局上下文收集，有效解决系统代码崩溃修复问题，显著优于现有基线方法。

Epistemic Regret Minimization: Label-Free Causal Critique Beyond Outcome Reward

知识悔恨最小化：超越结果奖励的无标签因果批评

Edward Y. Chang, Longling Geng

机构 * Stanford University（斯坦福大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出了一种名为知识悔恨最小化（ERM）的框架，通过评估模型推理轨迹的因果结构而非答案本身，来改进因果批评，从而在没有正确答案的情况下进行无标签操作，并在多个前沿LLM上实验表明，ERM在因果批评任务中表现优于传统方法。

Comments 43 pages, 22 tables, 18 figures

Self-Filtered Distillation with LLMs-generated Trust Indicators for Reliable Patent Classification

基于LLM生成信任指标的自过滤蒸馏用于可靠专利分类

Yongmin Yoo, Xu Zhang, Longbing Cao

机构 * Frontier AI Research Centre, School of Computing, Faculty of Science and Engineering, Macquarie University（前沿人工智能研究中心，计算机学院，科学与工程学院，麦考瑞大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL

AI总结 本文提出自过滤蒸馏方法，通过将LLM生成的推理作为信任指标而非真实标签，提升专利分类的可靠性，实验显示在USPTO-2M数据集上宏F1指标提升了38.7%。

SCOPE-RL: Stable and Quantitative Control of Policy Entropy in RL Post-Training

SCOPE-RL: 稳定和定量控制强化学习后训练中的策略熵

Chen Wang, Zhaochun Li, Jionghao Bai, Hexuan Deng, Ge Lan, Yue Wang

机构 * College of Software, Nankai University（南开大学软件学院） ； Zhongguancun Academy（中关村学院） ； Beijing Institute of Technology（北京理工大学） ； Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.LG

AI总结 本文提出SCOPE-RL框架，通过温度自适应的正样本构造正则化项，稳定并定量控制强化学习后训练中的策略熵，实验表明其在Pass@1和Pass@$k$任务上优于现有基线方法。

Quantum Sidecar Architectures for Hybrid AI Training and Inference: Stateful Protected Registers, Stateless Reset-and-Reprepare Circuits and Quantum Weight-State Outlook

用于混合AI训练和推理的量子Sidecar架构：状态保护寄存器、无状态重置和重新准备电路以及量子权重状态展望

Y. Mo, G. D. Su

机构 * Independent Researcher（独立研究者；BroadLink公司） ； BroadLink Co., Ltd.（杭州电子科技大学副教授） ； Associate Professor, Hangzhou Dianzi University 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出了一种用于未来混合AI训练和推理的量子Sidecar架构家族，通过状态保护寄存器和无状态重置和重新准备模式，为优化器侧采样、适配器或专家选择、检索、路由和推理路径提案提供有界信号生成器，并引入了量子权重状态Sidecar作为受限的量子表示。

Comments 14 pages, 8 figures. Architecture and small-scale simulation study; no hardware experiment or quantum-advantage claim

R2V Agent: Teaching SLMs When to Ask for Help

R2V Agent：教SLMs何时请求帮助

Raghu Vamshi Hemadri, Humaira Firdowse Mohammed, Rishabh Maheshwary, Srivatsava Daruru, Sagar Davasam, Vikas Yadav, Srinivas Sunkara, Sai Rajeswar

机构 * New York University Tandon School of Engineering（纽约大学Tandon工程学院） ； University of California, San Diego（加州大学圣地亚哥分校） ； Stanford University（斯坦福大学） ； ServiceNow Research（ServiceNow研究） ； Mila - Quebec AI Institute（魁北克AI研究院） ； Université de Montréal（蒙特利尔大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.LG

AI总结 R2V-Agent通过风险校准的SLM-LLM路由框架提升交互代理的可靠性，结合小型语言模型策略、更强的教师LLM、轻量级过程验证器和校准的步骤路由器，在多个基准测试中显著提升性能与成本效率。

Asking Back: Interaction-Layer Antidistillation Watermarks

反向提问：交互层反知识蒸馏水印

Guang Yang, Amir Ghasemian, Fengchen Liu, Zhong Wang, Ninareh Mehrabi, Homa Hosseinmardi

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； Meta 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出交互层反知识蒸馏水印，通过教师模型的行为特征进行水印，验证其在不同模型上的有效性与鲁棒性。

Comments 34 pages, 17 figures

IO-SVD: Input-Output Whitened SVD for Adaptive-Rank LLM Compression

IO-SVD：输入-输出白化SVD用于自适应秩LLM压缩

Ali Abbasi, Chayne Thrash, Haoran Qin, Hamed Pirsiavash, Soheil Kolouri

机构 * Vanderbilt University（范德比大学） ； University of California, Davis（加州大学戴维斯分校） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.LG

AI总结 IO-SVD通过构建KL感知的双侧白化空间，结合高效异质秩分配策略，实现LLM压缩时的性能与效率平衡，实验表明其在压缩过程中性能损失小且推理速度提升显著。

An Interpretable Latency Model for Speculative Decoding in LLM Serving

为LLM服务中的推测解码开发一个可解释的延迟模型

Linghao Kong, Megan Flynn, Michael Peng, Nir Shavit, Mark Kurtz, Alexandre Marques

机构 * MIT（麻省理工学院） ； Red Hat AI（红帽人工智能） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.LG

AI总结 本文提出一个可解释的延迟模型，用于LLM服务中的推测解码，通过Little定律推断有效批处理大小，并分解预填充、草稿和验证的请求需求，以解释延迟变化及系统配置影响。

Comments 10 pages, 8 figures

KGPFN: Unlocking the Potential of Knowledge Graph Foundation Model via In-Context Learning

KGPFN：通过上下文学习解锁知识图谱基础模型的潜力

Yisen Gao, Jiaxin Bai, Haoyu Huang, Zhongwei Xie, Yufei Li, Hong Ting Tsang, Sirui Han, Yangqiu Song

机构 * Department of Computer Science and Engineering, HKUST, Hong Kong, China（香港科技大学计算机科学与工程系） ； Department of Computer Science and Engineering, HKBU, Hong Kong, China（香港城市大学计算机科学与工程系） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 KGPFN通过结合先验数据拟合网络与上下文学习，统一了可转移关系规律与推理时的上下文学习，有效提升知识图谱推理能力。

VIP-COP: Context Optimization for Tabular Foundation Models

VIP-COP：表格基础模型的上下文优化

Yilong Chen, Xueying Ding, Leman Akoglu

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 测试时计算 ：test-time compute(abstract)；分类 cs.LG

AI总结 VIP-COP通过显式选择机制优化上下文，提升表格基础模型性能，具备快速、预算感知、黑盒兼容和可解释性等优势。

On the Limitations of Large Language Models for Conceptual Database Modeling

大型语言模型在概念数据库建模中的局限性

Arthur F. Siqueira, Carlos D. S. Nogueira, Eduarda Farias, Claudio E. C. Campelo, Júlia Menezes

机构 * Systems and Computing Department（系统与计算系） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI

AI总结 本文研究了大型语言模型在生成实体关系图方面的能力，发现其在复杂场景中可靠性下降，存在不一致和模糊性问题。

On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment

通过失败轨迹实现的在线自我进化以实现代理安全对齐

Bo Yin, Qi Li, Xinchao Wang

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

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI

AI总结 本文提出FATE框架，通过将验证者评分的失败轨迹转化为修复监督，结合Pareto-Front Policy Optimization方法，提升代理安全性同时保持有用行为，实验显示在不同模型和规模上均有效。

Route Before Retrieve: Activating Latent Routing Abilities of LLMs for RAG vs. Long-Context Selection

在检索前路由：激活大语言模型的潜在路由能力用于RAG与长上下文选择

Yiwen Chen, Kuan Li, Fuzhen Zhuang, Deqing Wang, Zhao Zhang, Liwen Zhang, Yong Jiang, Shuai Wang, Minhao Cheng

机构 * Beihang University（北航） ； HKUST（香港科技大学） ； Alibaba Group（阿里巴巴集团） ； Pennsylvania State University（宾夕法尼亚州立大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出Pre-Route框架，通过结构化推理提前决策，利用轻量级元数据进行任务分析和信息需求预测，实现可解释且高效的路由决策，实验表明其在成本效益上优于现有方法。

Forget BIT, It is All about TOKEN: Towards Semantic Information Theory for LLMs

忘掉BIT，一切关于TOKEN：面向大语言模型的语义信息理论

Bo Bai

机构 * Bo Bai（白波） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出语义信息理论，将TOKEN作为意义载体，重构注意力机制和Transformer模型，建立预训练、强化学习和推理中的信息度量方法，明确下一token预测与格兰杰因果推断的关系。

Beyond Autonomy: A Dynamic Tiered AgentRunner Framework for Governable and Resilient Enterprise AI Execution

超越自主性：一种动态分层代理运行框架用于可控且具有弹性的企业AI执行

Kai Pan, Rong Hou

机构 * a2alab（a2alab实验室） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI

AI总结 本文提出动态分层代理运行框架，通过风险自适应分层、权力分离架构和容错设计，解决企业AI执行中的可控性和可靠性问题。

Comments 9 pages, 2 figures, 3 tables

EquiMem: Calibrating Shared Memory in Multi-Agent Debate via Game-Theoretic Equilibrium

EquiMem：通过博弈论均衡校准多智能体辩论中的共享内存

Yuqiao Meng, Sakshi Sunil Narvekar, Luoxi Tang, Rupali Rajendra Vaje, Yingxue Zhang, Muchao Ye, Zhaohan Xi

机构 * Binghamton University, State University of New York（宾夕法尼亚州立大学布林茅尔分校） ； University of Iowa（爱荷华大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出EquiMem，通过博弈论均衡校准多智能体辩论中的共享内存，解决传统方法在过滤错误信息时的不足，提升内存增强推理的可靠性。

Skill-CMIB: Multimodal Agent Skill for Consistent Action via Conditional Multimodal Information Bottleneck

Skill-CMIB: 多模态代理技能用于通过条件多模态信息瓶颈实现一致行动

Zihan Huang, Junda Wu, Tong Yu, Qianqi Yan, Rohan Surana, Uttaran Bhattacharya, Lina Yao, Xin Eric Wang, Julian McAuley

机构 * UC San Diego（UC圣地亚哥大学） ； Adobe Research（Adobe研究院） ； UC Santa Barbara（UC圣芭芭拉大学） ； University of New South Wales（新南威尔士大学） 纠错

专题命中 测试时计算 ：planning(abstract)；分类 cs.LG

AI总结 本文提出Skill-CMIB方法，通过条件多模态信息瓶颈构建多模态技能，解决多模态环境下代理执行不一致的问题，提升执行稳定性。

A geometric relation of the error introduced by sampling a language model's output distribution to its internal state

语言模型输出分布采样引入的误差与内部状态的几何关系

Albert F. Modenbach

机构 * Department of Mathematics, King's College London, United Kingdom（伦敦国王学院数学系） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.LG

AI总结 研究揭示语言模型输出分布采样误差与内部状态几何结构的关系，通过几何方法分析token嵌入空间，发现其曲率在棋类任务中反映模型对问题的内部表示。

Comments 12 Pages, 10 Figures, 2 Appendices. To appear in Proceedings of ICML 2026

Compute as Teacher: Turning Inference Compute Into Reference-Free Supervision

计算作为教师：将推理计算转化为无参考监督

Dulhan Jayalath, Shashwat Goel, Thomas Foster, Parag Jain, Suchin Gururangan, Cheng Zhang, Anirudh Goyal, Alan Schelten

机构 * University of Oxford（牛津大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； Meta Superintelligence Labs（元宇宙超级智能实验室） 纠错

专题命中 测试时计算 ：test-time compute(abstract)；分类 cs.LG

AI总结 本文提出计算作为教师框架，通过推理计算生成参考估计，实现无监督学习，尤其在非可验证领域如医疗指导中表现优异，测试时计算开销减少9倍。

Comments Published as a conference paper at ICML 2026. 23 pages, 6 figures, 12 tables

SkillLens: Adaptive Multi-Granularity Skill Reuse for Cost-Efficient LLM Agents

SkillLens: 适应性多粒度技能重用以实现成本高效的LLM代理

Yongliang Miao, Ziyang Yu, Liang Zhao, Bowen Zhu, Hasibul Haque

机构 * Emory University（埃默里大学） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI

AI总结 SkillLens通过分层技能进化框架实现多粒度技能重用，解决技能重用中的相关性与成本矛盾，提升LLM代理在MuLocbench和ALFWorld中的性能。

Estimating the Black-box LLM Uncertainty with Distribution-Aligned Adversarial Distillation

通过分布对齐对抗蒸馏估计黑盒大语言模型的不确定性

Huizi Cui, Huan Ma, Qilin Wang, Yuhang Gao, Changqing Zhang

机构 * School of Computer Science and Technology, Tianjin University, China（天津大学计算机科学与技术学院） ； School of Future Technology, Tianjin University, China（天津大学未来技术学院） ； Georgia Tech Shenzhen Institute, Tianjin University, China（Georgia Tech深圳研究院） ； School of Artificial Intelligence, Tianjin University, China（天津大学人工智能学院） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出DisAAD方法，通过生成-判别架构引导轻量级代理模型学习黑盒LLM的输出分布高质量区域，从而有效估计其不确定性。实验表明，即使代理模型仅占目标LLM大小的1%，也能实现可靠的不确定性量化。

Comments Accepted to ACL 2026