大模型推理能力

Towards Explainable AI Planning as a Service

Michael Cashmore, Anna Collins, Benjamin Krarup, Senka Krivic, Daniele Magazzeni, David Smith

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

Comments 2nd ICAPS Workshop on Explainable Planning (XAIP-2019)

Planning Robot Motion using Deep Visual Prediction

Meenakshi Sarkar, Prabhu Pradhan, Debasish Ghose

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

Comments 7th ICAPS Workshop on Planning and Robotics (PlanRob), 2019

Probabilistic Planning by Probabilistic Programming

Vaishak Belle

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

Comments Article at AAAI-18 Workshop on Planning and Inference

Addendum to: Summary Information for Reasoning About Hierarchical Plans

Lavindra de Silva, Sebastian Sardina, Lin Padgham

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

Comments This paper is a more detailed version of the following publication: Lavindra de Silva, Sebastian Sardina, Lin Padgham: Summary Information for Reasoning About Hierarchical Plans. ECAI 2016: 1300-1308

Knowledge Engineering for Planning-Based Hypothesis Generation

Shirin Sohrabi, Octavian Udrea, Anton V. Riabov

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

Comments This paper appears in the Proceedings of the Automated Planning and Scheduling (ICAPS) Workshop on Knowledge Engineering for Planning and Scheduling (KEPS)

Infer Human's Intentions Before Following Natural Language Instructions

在遵循自然语言指令前推断人类的意图

Yanming Wan, Yue Wu, Yiping Wang, Jiayuan Mao, Natasha Jaques

专题命中 规划推理 ：reasoning(abstract,abstract_cn)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 该研究针对人类指令的歧义问题，提出FISER框架，通过显式推断人类意图改进协作具身任务的指令遵循，在HandMeThat基准上达到最优性能。

Understanding Inference Scaling for LLMs: Bottlenecks, Trade-offs, and Performance Principles

理解大语言模型的推理扩展：瓶颈、权衡与性能原则

Moiz Arif, Avinash Maurya, Sudharshan Vazhkudai, Bogdan Nicolae

专题命中 规划推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)

AI总结 本文研究了大语言模型推理扩展中的瓶颈、权衡和性能原则，通过在GPU集群上评估从8B到671B参数的模型，系统探讨了数据并行、张量并行和流水线并行之间的相互作用，揭示了推理工作负载中数据并行的容量陷阱以及张量并行和稀疏MoE模型的性能限制。

Comments ISCA'26: The 53rd International Symposium on Computer Architecture, Industry Track

Learning to Trust: Dynamic Utilization of Retrieval-Augmented Generation for E-commerce Search Relevance

学习信任：动态利用检索增强生成用于电子商务搜索相关性

Tingqiao Xu, Shaowei Yao, Chenhe Dong, Yiming Jin, Zerui Huang, Dan Ou, Haihong Tang, Bo Zheng

专题命中 规划推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)

AI总结 本文提出DyKnow-RAG框架，通过动态利用外部知识使LLM学会信任，提升电子商务搜索相关性评估的准确性和效率。

Graph-GRPO: Dependency-Aware Credit Assignment for Generative E-commerce Search Relevance

Graph-GRPO：面向生成式电商搜索相关性的依赖感知信用分配

Jiarui Che, Yifei Chen, Zhixing Tian, Chenyang Wang, Ziguang Cheng

专题命中 规划推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)

AI总结 提出Graph-GRPO，一种基于图结构的GRPO扩展，通过构建推理依赖图并传播结果级奖励实现细粒度信用分配，提升电商搜索相关性建模。

Comments 11 pages, 2 figures, 2 tables. Submitted to CIKM 2026

Personalized Embodied Navigation for Portable Object Finding

面向便携物品寻找的个性化具身导航

Vishnu Sashank Dorbala, Bhrij Patel, Amrit Singh Bedi, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； University of Central Florida（中央佛罗里达大学） 纠错

专题命中 规划推理 ：planning(summary_cn,abstract)

AI总结 本文提出了一种面向动态环境的个性化习惯学习方法，通过引入Transit-Aware Planning算法提升便携物品寻找的性能，在模拟和现实环境中均取得显著效果。

Comments 10 pages

Demystifying Chains, Trees, and Graphs of Thoughts

解开思维链、树和图的谜团

Maciej Besta, Florim Memedi, Zhenyu Zhang, Robert Gerstenberger, Guangyuan Piao, Nils Blach, Piotr Nyczyk, Marcin Copik, Grzegorz Kwaśniewski, Jürgen Müller, Lukas Gianinazzi, Ales Kubicek, Hubert Niewiadomski, Aidan O'Mahony, Onur Mutlu, Torsten Hoefler

机构 * ETH Zurich（苏黎世联邦理工学院） ； Dell（戴尔） ； Cledar ； BASF SE（巴斯夫欧洲公司） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文通过分析提示执行流程，构建了首个结构增强的大语言模型推理方案分类法，揭示了不同结构对推理性能和成本的影响，并探讨了提示工程与语言模型生态系统的理论基础。

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 47, Issue 12, pages 10967-10989 (December 2025)

Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining

通过重构理解：为LLM预训练反转软件开发过程

Zhiyuan Zeng, Yichi Zhang, Yong Shan, Kai Hua, Siyuan Fang, Zhaiyu Liu, Jiaheng Liu, Haozhe Wang, Yining Zheng, Ming Ding, Ke Shen, Ge Zhang, Wenhao Huang, Xipeng Qiu

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；planning(abstract)

AI总结 本文提出通过重构软件开发过程来提升LLM性能，通过模拟多智能体轨迹生成更丰富的监督信号，实验显示在多个基准测试中效果显著。

Tree Search for Language Model Agents

语言模型代理的树搜索

Jing Yu Koh, Stephen McAleer, Daniel Fried, Ruslan Salakhutdinov

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

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；test-time compute(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出一种树搜索算法，用于提升语言模型代理在现实网页任务中的表现，实验显示其在成功率上显著优于基线方法。

Comments 13 pages. Models and code available at https://jykoh.com/search-agents

LORE: A Large Generative Model for Search Relevance

LORE：一种大规模生成模型用于搜索相关性

Chenji Lu, Zhuo Chen, Hui Zhao, Zhiyuan Zeng, Gang Zhao, Junjie Ren, Ruicong Xu, Haoran Li, Songyan Liu, Pengjie Wang, Jian Xu, Bo Zheng

机构 * Alibaba Group（阿里巴巴集团） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 LORE提出了一种基于大规模生成模型的搜索相关性框架，通过两阶段训练和分层部署策略提升搜索效果，为垂直领域提供方法参考。

Segment Policy Optimization: Effective Segment-Level Credit Assignment in RL for Large Language Models

Yiran Guo, Lijie Xu, Jie Liu, Dan Ye, Shuang Qiu

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments Accepted at NeurIPS 2025

From Literal to Liberal: A Meta-Prompting Framework for Eliciting Human-Aligned Exception Handling in Large Language Models

Imran Khan

机构 * Independent Researcher（独立研究者） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments 13 pages. Code and data are available at https://github.com/strongSoda/LITERAL-TO-LIBERAL

TextAtari: 100K Frames Game Playing with Language Agents

Wenhao Li, Wenwu Li, Chuyun Shen, Junjie Sheng, Zixiao Huang, Di Wu, Yun Hua, Wei Yin, Xiangfeng Wang, Hongyuan Zha, Bo Jin

机构 * Tongji University（同济大学） ； East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学） ； Bank of Communications（中国银行） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments 51 pages, 39 figures

Direct Behavior Optimization: Unlocking the Potential of Lightweight LLMs

Hongming Yang, Shi Lin, Jun Shao, Changting Lin, Donghai Zhu, Meng Han, Qinglei Kong

机构 * Zhejiang Gongshang University（浙江工商大学） ； Zhejiang University（浙江大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江研究院） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments This work is accepted at ACL 2025

From Perceptions to Decisions: Wildfire Evacuation Decision Prediction with Behavioral Theory-informed LLMs

Ruxiao Chen, Chenguang Wang, Yuran Sun, Xilei Zhao, Susu Xu

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Florida（佛罗里达大学） 纠错

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments 25 pages, 9 figures

EscapeBench: Towards Advancing Creative Intelligence of Language Model Agents

Cheng Qian, Peixuan Han, Qinyu Luo, Bingxiang He, Xiusi Chen, Yuji Zhang, Hongyi Du, Jiarui Yao, Xiaocheng Yang, Denghui Zhang, Yunzhu Li, Heng Ji

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments 23 pages, 15 figures, ACL 2025 Main Conference

SOLVE: Synergy of Language-Vision and End-to-End Networks for Autonomous Driving

Xuesong Chen, Linjiang Huang, Tao Ma, Rongyao Fang, Shaoshuai Shi, Hongsheng Li

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；planning(abstract)

Comments Accepted by CVPR 2025

Leveraging LLMs to Enable Natural Language Search on Go-to-market Platforms

Jesse Yao, Saurav Acharya, Priyaranjan Parida, Srinivas Attipalli, Ali Dasdan

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments 11 pages, 5 figures

Fine-Tuning Large Vision-Language Models as Decision-Making Agents via Reinforcement Learning

Yuexiang Zhai, Hao Bai, Zipeng Lin, Jiayi Pan, Shengbang Tong, Yifei Zhou, Alane Suhr, Saining Xie, Yann LeCun, Yi Ma, Sergey Levine

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

Tree of Thoughts: Deliberate Problem Solving with Large Language Models

Shunyu Yao, Dian Yu, Jeffrey Zhao, Izhak Shafran, Thomas L. Griffiths, Yuan Cao, Karthik Narasimhan

专题命中 规划推理 ：reasoning(abstract)；chain-of-thought(abstract)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments NeurIPS 2023 camera ready version. Code repo with all prompts: https://github.com/princeton-nlp/tree-of-thought-llm

Chasing Progress, Not Perfection: Revisiting Strategies for End-to-End LLM Plan Generation

Sukai Huang, Trevor Cohn, Nir Lipovetzky

专题命中 规划推理 ：planning(abstract,comments)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI

Comments 8 pages main body, 10 pages appendix, accepted by Workshop on Planning in the Era of LLMs (LM4Plan @ AAAI 2025)

GRIP: Granular Reward-Guided Parameter Interpolation for Efficient Reasoning

GRIP：用于高效推理的粒度奖励引导参数插值

Lam So, Canhui Wu, Han Lin

机构 * Peking University（北京大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 针对推理模型与指令模型的准确性-效率不匹配问题，提出GRIP框架，通过优化同架构两模型模块的可学习插值比例，实现更优的准确性-效率权衡。

Comments 13 pages, 8 figures

SIMGUIDE: Procedurally Grounded Multi-Context Representations for Personalized Agent Planning

SIMGUIDE：用于个性化智能体规划的过程式基础多上下文表示

Chirag Shah

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 本研究针对个性化AI智能体无法适配用户多场景优先级的问题，提出SIMGUIDE方法，构建SIMBENCH基准验证，发现过程式基础的Sims优于RAG，且表示格式是关键设计变量。

Multi-Turn Reasoning LLMs for Task Offloading in Mobile Edge Computing

面向移动边缘计算的任务卸载的多轮推理LLM

Ning Yang, Chuangxin Cheng, Haijun Zhang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Machano-Electronic Engineering, Xidian University（西安电子科技大学机电工程学院） ； School of Computer and Communication Engineering, University of Science and Technology Beijing（北京科技大学计算机与通信工程学院） 纠错

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

AI总结 本文提出COMLLM框架，通过整合GRPO与LACS机制，实现移动边缘计算中的前瞻性决策，提升任务卸载效率与负载均衡公平性，支持零样本拓扑扩展。

OPDSearch+: On-Policy Distillation with RL Refinement for Search-Augmented Reasoning

OPDSearch+：用于搜索增强推理的带RL优化的在线策略蒸馏

Qinglin Ye, Zhiyuan Gu, Jingjie Xia, Yiheng Zhang, Kaiyan Zhao, Shunchao Zheng, Yuhang Mu, Wenchao Du, Yiming Wang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Macau（澳门大学） ； Wuhan University（武汉大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Northwestern Polytechnical University（西北工业大学） ； University of Hong Kong（香港大学） 纠错

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

AI总结 OPDSearch+是无需教师微调的搜索增强推理蒸馏范式，利用冻结的现成指令模型分两阶段优化3B模型，在7个QA基准上优于所有3B RL基线，HotpotQA和2WikiMultihopQA分别提升13.1%、8.5%。

Comments 9 pages, 4 figures

STRIVE: Multi-Agent Structured Temporal Reasoning with Integrated Verification for Longitudinal Radiology Report Generation

STRIVE：面向纵向放射报告生成的集成验证多智能体结构化时序推理

Junyeong Maeng, Eunsong Kang, Heung-Il Suk

机构 * Korea University（高丽大学） ； Kangwon National University（江原国立大学） 纠错

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

AI总结 STRIVE将临床推理分解为多智能体并引入两阶段验证，在Longitudinal-MIMIC数据集上实现纵向放射报告生成的最佳临床效能，纵向变化一致性较最强基准提升超一倍。