大模型推理能力

Cross-platform epistemic verification for improving factual reliability in AI-generated news summarization

用于提升AI生成新闻摘要事实可靠性的跨平台认知验证

Zhuo Xie, Haoze Ni

专题命中 测试时计算 ：verifier(abstract)

AI总结 本研究提出多源证据共识验证（MECV）框架，通过多异构来源证据聚合与多LLM陪审团机制修正AI生成新闻摘要的幻觉，在SummEdits基准上提升了事实一致性，为可信AI与自动化新闻研究提供了新方法。

CARE: Pre-Execution Command Verification for Shell-Executing LLM Agents

CARE：用于执行 shell 的语言模型代理的执行前命令验证

Yu Liu, Wenxiao Zhang, Zhiwei Yang, Zhongyi Zhang, Hanqi Feng, Xinyu Wang, Peng Qiu, Yanbing Liu, Barnabas Poczos, Jin B. Hong

专题命中 测试时计算 ：verifier(abstract)

AI总结 研究 LLM 代理执行 shell 命令时的调度风险，提出 CARE 验证器，通过规范化命令、推导证据并结合 LLM 判断，实现命令级调解，降低调度边界风险，平衡良性恢复、误报负担、延迟和危害降低之间的关系。

Comments Accepted by ISSRE 2026

Latent Denoising Improves Visual Alignment in Large Multimodal Models

潜在去噪提升大多模态模型的视觉对齐

Dhruv Parikh, Jacob Fein-Ashley, Rajgopal Kannan, Viktor Prasanna

机构 * University of Southern California（南加州大学） ； DEVCOM ARL Army Research Office（DEVCOM ARL陆军研究办公室） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 本文提出通过潜在去噪框架改进大多模态模型的内部视觉特征对齐和多模态理解，采用掩码和高斯噪声混合腐蚀视觉token，并利用解码器恢复教师特征，提升模型在分布偏移下的鲁棒性。

Comments ACM MM 2026

A Challenge-Nonce Freshness Gap in Project Veraison's TPM Reference Schemes, Found by Appraising Application-Layer Action Evidence End-to-End

通过端到端评估应用层行动证据发现Project Veraison的TPM参考方案中存在的挑战随机数新鲜度缺口

Anton Sokolov

专题命中 测试时计算 ：verifier(abstract)

AI总结 本文发现Project Veraison的TPM参考方案存在挑战随机数新鲜度缺口，通过端到端测试验证修复方案，使重放Quote的评估结果变为否定，提升了RATS架构的安全性。

Comments 18 pages, 3 figures. Responsible disclosure: veraison/services#427, fixed in PR #432. Artifact and data: doi:10.5281/zenodo.20998730

Hardware-rooted attestation for AI-agent evidence: composing IETF RATS with action evidence packages

AI智能体证据的硬件根证明：将IETF RATS与行动证据包组合

Anton Sokolov

专题命中 测试时计算 ：verifier(abstract)

AI总结 本研究提出将IETF RATS架构与行动证据包组合，实现AI智能体的硬件根证明，通过仿真TPM实验验证了该方案的可行性。

Comments 9 pages, 1 figure, 1 table. Technical note. Also deposited at Zenodo: doi:10.5281/zenodo.20818671

Witness Evidence Portfolios: Single-Prefill Risk Detection for Closed Multimodal Answers

证据见证组合：针对闭集多模态答案的单预填充风险检测

Fexiang Liu, Shiye Wang, Qiang Qiu, Zheng Wang

专题命中 测试时计算 ：verifier(abstract)

AI总结 该研究提出WEP方法，利用MLLM的白盒预填充路径，无需额外操作即可检测闭集视觉答案的推理风险，在3个MLLM和4个基准上提升了平均错误AP。

Comments 22 pages, 6 figures; includes supplementary material. Code: https://github.com/SouthWinter/WEP

The Fabric Is the Cluster Driver: Cross-Layer eBPF Policies for GPU-CXL Fabrics

Fabric 是集群驱动：面向 GPU-CXL Fabric 的跨层 eBPF 策略

Yiwei Yang, Andi Quinn

专题命中 测试时计算 ：verifier(abstract)

AI总结 该研究提出 fabric_ext 中间件编译器与运行时，通过语义移动图实现跨 GPU-CXL Fabric 多层的 eBPF 策略，以处理 LLM 预填充等场景下的跨岛数据流需求。

STORM: Segment, Track, and Object Re-Localization from a Single Image

STORM：从单张图像进行片段、跟踪和目标重定位

Yu Deng, Teng Cao, Hikaru Shindo, Quentin Delfosse, Jiahong Xue, Kristian Kersting

机构 * Department of Computer Science, Technical University of Darmstadt, Darmstadt, Hesse, Germany（德累斯顿技术大学计算机科学系） ； Hessian Center for Artificial Intelligence (hessian.AI), Darmstadt, Hesse, Germany（黑森人工智能中心（hessian.AI）） ； German Research Center for Artificial Intelligence (DFKI), Darmstadt, Hesse, Germany（德国人工智能研究中心（DFKI）） ； Centre for Cognitive Science, Technical University of Darmstadt, Darmstadt, Hesse, Germany（德累斯顿技术大学认知科学中心） ； Google Intrinsic AI Research, Germany. † Work done while at the AIML research lab, now working at Intrinsic, Google.（谷歌Intrinsic AI研究） 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 STORM提出一种统一框架，通过单张参考图像实现6D跟踪，减少人工干预并提升鲁棒性，实验显示其在无标注姿态跟踪和严重遮挡场景中表现优异。

Comments 21 pages. Accepted at the 43rd International Conference on Machine Learning (ICML 2026); camera-ready version

Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026), PMLR, 2026

Agentic Reward Modeling: Verifying GUI Agent via Progressive Trajectory-Grounded Interaction

代理奖励建模：通过在线主动交互验证GUI代理

Chaoqun Cui, Jing Huang, Shijing Wang, Liming Zheng, Qingchao Kong, Zhixiong Zeng

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences ； School of Artificial Intelligence, University of Chinese Academy of Sciences ； School of Computer Science \& Technology, Beijing Jiaotong University 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 VAGEN通过引入代理交互验证范式，解决GUI代理评估中的视觉限制问题，提升评估准确性与性能。

Comments 25 pages, 12 figures

Capturing Inner Experience At Scale: An AI Interviewer Co-Developed with the Founder of a Landmark Phenomenological Method

大规模捕捉内心体验：与一种具有里程碑意义的现象学方法的创始人共同开发的人工智能访谈者

Jona Carmon, Clara Bersch, Charles Fernyhough, Russell T. Hurlburt, Simone Kühn

专题命中 测试时计算 ：reasoning(abstract)

AI总结 研究聚焦于主观体验研究中深度与规模的权衡问题，核心方法是将描述性经验抽样法转化为人工智能访谈者的推理架构，主要贡献是开发出首个基于既定方法研究内心体验的人工智能访谈者及相关平台。

Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment

PhysClaw-0：一种通过语言修正实现机器人自主的共生智能体系统

Boyuan Wang, Zhenyuan Zhang, Zhiqin Yang, Peijun Gu, Shuya Wang, Xiaofeng Wang, Xianghui Ze, Yifan Chang, Guosheng Zhao, Jiangnan Shao, Guan Huang, Hengyu Liu, Yonggang Zhang, Wei Xue, Chunyuan Guan, Chenglin Pu, Yike Guo, Xingang Wang, Zheng Zhu

机构 * GigaAI（字节跳动人工智能实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Leeds（利兹大学） ； Cornell University（康奈尔大学） ； Tsinghua University（清华大学） ； Nanjing University of Science and Technology（南京理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； FAWTD（一汽技术开发部） 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 研究针对自主数据收集问题，提出PhysClaw-0共生智能体系统，通过跨轮保留和重用修正、自主收集验证等方式，在真实机器人测试中减少人力时间，提高成功率，并提升验证者与人类一致性。

Comments WebPage: https://open-gigaai.github.io/Zero2Skill

Cold-Start Model Delivery in Kubernetes Inference Serving: An Empirical Study of OCI-Based Distribution and Its Integrity

Kubernetes推理服务中的冷启动模型交付：基于OCI的分发及其完整性的实证研究

Georgii Kliukovkin

专题命中 测试时计算 ：verifier(abstract)

AI总结 研究Kubernetes推理服务中模型冷启动交付问题，通过在KServe平台实现oci+native://和oci+fetch://两条新交付路径进行分析，对比不同交付路径在不同模型大小下的表现，提出服务时完整性设计并验证其对交付时间的影响。

Comments 8 pages, 2 figures, 3 tables. Submitted to IEEE Access. Benchmark harness and data: https://github.com/kliukovkin/oci-model-delivery-bench

ProfMalPlus: Agent-Coordinated Detection of Malicious NPM Packages via Static-Dynamic Analysis Synergy

ProfMalPlus：通过静态-动态分析协同实现代理协调检测恶意NPM包

Yiheng Huang, Zhijia Zhao, Bihuan Chen, Susheng Wu, Zhuotong Zhou, Yiheng Cao, Kun Hu, Xin Hu, Xin Peng

专题命中 测试时计算 ：reasoning(abstract)

AI总结 研究针对NPM包恶意代码检测问题，提出ProfMalPlus，结合对象敏感行为图与大语言模型推理，经多步骤提取安全切片并评估，对不确定情况增强证据后再评估，最终定位恶意代码，F1分数高且发现多个未知恶意包，性能优于现有检测器。

Beyond Random Sampling: Distribution-Aware Alignment for Semi-Supervised Medical Image Segmentation

超越随机采样：用于半监督医学图像分割的分布感知对齐

Weihao Yan, Yeqiang Qian, Yi Dong, Ming Yang

机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Department of Ultrasound, Xinhua Hospital Affiliated to Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属新华医院超声科） 纠错

专题命中 测试时计算 ：planning(abstract)

AI总结 研究针对半监督医学图像分割中随机采样策略在低数据量时表征偏差的问题，提出基于分布对齐的高效框架，用分布感知样本选择策略和记忆引导复制粘贴模块，提升分割性能。

Comments 19 pages, 5 figures, accepted by ECCV 2026

CogRad: A Cognitively-Inspired Multi-Agent Framework for Radiology Report Generation

CogRad：一种用于放射学报告生成的受认知启发的多智能体框架

Saif Ur Rehman Khan, Hasaan Maqsood, Sebastian Vollmer, Andreas Dengel, Muhammad Nabeel Asim

机构 * German Research Center for Artificial Intelligence（德国人工智能研究中心） ； Intelligentx GmbH（智能X有限公司） ； Department of Core Informatics, Graduate School of Informatics, Osaka Metropolitan University（大阪城市大学信息科学研究生院核心信息学系） 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 提出受认知启发的多智能体框架CogRad，围绕放射科医生阅读过程的四个阶段构建报告生成，通过多智能体协作提升报告质量，在多个数据集上取得最佳成绩。

A Workflow-Aware Serving Layer for Agentic Applications

用于智能应用的工作流感知服务层

Jiayi Qian, Zishen Wan, Hanchen Yang, Chun Tao, Souvik Kundu, Tushar Krishna

专题命中 测试时计算 ：verifier(abstract)

AI总结 研究智能AI应用工作流，其介于现有两层之间。提出Dyserve工作流感知服务层填补空白，通过整数线性规划在异构后端池编译节点模型和验证器选择，还可在不同压力水平预求解并动态调整。

Understanding Inference-Time Token Allocation and Coverage Limits in Agentic Hardware Verification

理解代理硬件验证中推理时间标记分配与覆盖限制

Vihaan Patel, Vidya Chhabria, Aman Arora

专题命中 测试时计算 ：reasoning(abstract)

AI总结 本文研究了代理硬件验证中推理时间标记分配与覆盖限制，通过两个层级的代理框架，分析覆盖孔径并改进效率，展示领域专业化如何提升覆盖效率。

DataEvolver: Self-Evolving Multi-Agent Data Construction for Text-Rich Image Generation

DataEvolver: 面向文本丰富图像生成的自我进化多智能体数据构建

Siyu Yan, Yizhen Gao, Yilin Wang, Dongxing Mao, Alex Jinpeng Wang

机构 * Central South University（中南大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 提出DataEvolver，一种自我进化的多智能体框架，通过反馈驱动策略迭代优化数据构建，显著提升文本丰富图像生成质量。

When Latent Agents Lie: KV-Cache Integrity in Multi-Agent LLM Collaboration

当潜在智能体说谎时：多智能体LLM协作中的KV缓存完整性

Luís Brito, Carlos Baquero

专题命中 测试时计算 ：verifier(abstract)

AI总结 研究多智能体问答中KV缓存传递的安全问题，发现恶意智能体可通过篡改隐藏状态破坏协作，提出HMAC-SHA256清单保护传输完整性。

Comments 16 pages, 2 figures, 3 tables

Speculation at a Distance: Where Edge-Cloud Speculative Decoding Actually Pays Off

远距离推测：边缘-云推测解码何时真正有效

Yuan Lyu, Bharath Irukulapati, Jaya Prakash Champati

专题命中 测试时计算 ：verifier(abstract)

AI总结 本文通过闭式不等式分析分布式推测解码（DSD）在广域网边缘-云通信下的延迟收益，指出其仅在低RTT场景下优于共置SD，并发现多租户容量是DSD的主要优势。

VisCritic: Visual State Comparison as Process Reward for GUI Agents

VisCritic: 视觉状态比较作为GUI智能体的过程奖励

Jiachen Qian

机构 * City University of Hong Kong（香港城市大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出VisCritic框架，通过比较操作前后截图在视觉特征空间中的变化来验证GUI智能体动作，结合孪生视觉Transformer和动作感知评判头，无需额外人工标注即可提升多基准测试性能。

Comments 17 pages, 4 figures; ECCV 2026 submission; supplementary material uploaded as ancillary file

ChartWalker: Benchmarking the Cross-Chart RAG Task with Hierarchical Knowledge Graphs

ChartWalker: 跨图表RAG任务的基准测试

Ning Tang, Chenghan Xie, Hanyang Yuan, Yi Li, Renhong Huang, Qian Kou, Xiaofeng Shi, Hua Zhou, Jiarong Xu

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出ChartWalker框架，通过层次化知识图谱和结构感知采样生成跨图表RAG基准，揭示现有方法性能差距。

Theorist Toolbox: Tools for Agent Based LLM-assisted economic theory Research

理论家工具箱：基于智能体的LLM辅助经济理论研究工具

Moran Koren

专题命中 测试时计算 ：verifier(abstract)

AI总结 提出一种验证优先的经济理论LLM辅助协议，通过三种可重用方法（单次检查、对抗性证明-验证对、多智能体项目）在等级膨胀的Gans-Kominers特征模型上设计Groves/Pigouvian激励机制的实例验证。

Wasserstein-Aligned Localisation for VLM-Based Distributional OOD Detection in Medical Imaging

基于VLM的医学图像分布外检测的Wasserstein对齐定位

Bernhard Kainz, Johanna P Mueller, Matthew Baugh, Cosmin Bercea

机构 * Department of Computing, Imperial College London, UK（伦敦帝国理工学院计算机系） ； Technical University Munich, DE（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML), DE（慕尼黑机器学习中心（MCML）） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出WALDO框架，利用最优传输理论通过熵加权切片Wasserstein距离、Goldilocks区域采样和自一致性聚合实现零样本异常定位，在NOVA脑MRI基准上mAP@30达43.5%，相对提升19%。

Comments submitted to MICCAI 2026

New Crystal Structures Hide in Plain Sight: A Stress Test for AI-Guided Materials Discovery

新晶体结构隐藏于眼前：AI引导材料发现的压力测试

Xin Zhang, Scott B. Lee, Sudipta Chatterjee, Hanqi Pi, Yi Jiang, Fatmagül Katmer, Emily G. Ward, Daniel E. Widdowson, Charles C. Tam, Sarah Schwarz, Connor J. Pollak, Jaime M. Moya, Grigorii Skorupskii, Vitaliy A. Kurlin, Stephen D. Wilson, B. Andrei Bernevig, Leslie M. Schoop

专题命中 测试时计算 ：reasoning(abstract)

AI总结 通过实验合成发现GdNiSn4和LuNiSn4具有前所未有的结构类型，并以此测试两种生成式AI模型，发现它们无法在容忍度内重现该结构，表明编码化学推理（如已知基元堆叠）是AI发现结构新颖材料的具体路径。

Exploring Multi-Modal Large Language Models and Two-Stage Fine-Tuning for Fashion Image Retrieval

探索多模态大语言模型与两阶段微调在时尚图像检索中的应用

Nguyen Cao Hoang, Hoang Bui Le, Nam Vo Hoang, Trung-Nghia Le

机构 * University of Science, VNU-HCM（胡志明市国家大学下属理科大学） ； Vietnam National University, Ho Chi Minh（胡志明市国家大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出融合多模态大语言模型（LLaVA）生成属性感知三元组，并采用两阶段微调策略增强对比学习，以解决时尚图像检索中标注数据稀缺和负采样简单的问题。

Comments SOICT 2025

The Gate Is Only as Honest as Its Contracts: ContractGuard for the Contract Layer of Risk-Aware Causal Gating

门仅与其合约一样诚实：面向风险感知因果门控合约层的ContractGuard

Laxmipriya Ganesh Iyer, Rahul Suresh Babu

专题命中 测试时计算 ：verifier(abstract)

AI总结 针对工具增强型LLM代理的间接提示注入，提出ContractGuard，通过验证合约完整性（而非风险标签）来防御攻击，在基准测试中实现零注入成功率。

DeSRPA: Decoupled Speech Role-Playing Agent via Inference-Time Intervention

DeSRPA: 通过推理时干预的解耦语音角色扮演智能体

Wenqiu Tang, Zhen Wan, Takahiro Komamizu, Ichiro Ide

机构 * Nagoya University（名古屋大学） ； National Institute of Informatics（国立情报学研究所） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出DeSRPA框架，通过推理时干预冻结骨干模型，利用双层控制向量机制解耦认知推理与副语言表达，在语音角色扮演中实现个性与情感一致性，超越端到端微调方法。

Comments Accepted to INTERSPEECH 2026

On the Reliability of Networks of AI Agents: Density Evolution, Stopping Sets, and Architecture Optimization

AI代理网络的可靠性：密度演化、停止集与架构优化

Ehsan Aghazadeh, Hossein Pishro-Nik

专题命中 测试时计算 ：verifier(abstract)

AI总结 将多代理AI系统建模为稀疏图上的消息传递，扩展LDPC编码的密度演化理论，分析三种擦除失效模式，并证明密度演化定理以预测未解决子声明的渐近比例。

MarkIt: Training-Free Visual Markers for Precise Video Temporal Grounding

MarkIt: 免训练视觉标记用于精确视频时间定位

Pengcheng Fang, Yuxia Chen, Xiaohao Cai

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出免训练框架MarkIt，通过无标注查询到掩码桥接生成标记视频，增强视频语言大模型的时间定位能力，在多个基准上取得最优结果。