Neuro-Symbolic Synergy for Interactive World Modeling
神经符号协同用于交互世界建模
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 NeSyS通过结合LLMs的概率语义先验与可执行符号规则，实现交互世界建模的表达力与鲁棒性，提升预测准确性和数据效率。
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 逻辑推理 3056 篇
LLM-assisted Semantic Option Discovery for Facilitating Adaptive Deep Reinforcement Learning
基于大语言模型的语义选项发现用于促进自适应深度强化学习
专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI
AI总结 本文提出基于大语言模型的闭环框架，通过语义驱动技能重用和实时约束监控，提升深度强化学习在数据效率、约束合规性和跨任务迁移能力方面的性能。
Adapter-Augmented Bandits for Online Multi-Constrained Multi-Modal Inference Scheduling
适配器增强的带状机用于在线多约束多模态推断调度
机构 * School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, 510006, China.（中山大学计算机科学与工程学院） ； School of Computing, Macquarie University, NSW 2109, Australia（麦考瑞大学计算机学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 M-CMAB通过多适配器增强框架，实现多模态任务调度中的多约束优化，提升推断效率和预算利用效率。
Distilling Formal Logic into Neural Spaces: A Kernel Alignment Approach for Signal Temporal Logic
将形式逻辑蒸馏到神经空间中：一种用于信号时间逻辑的核对齐方法
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出了一种通过核对齐方法将形式逻辑蒸馏到神经空间中，用于信号时间逻辑的高效神经符号推理框架。
Escaping the Hydrolysis Trap: An Agentic Workflow for Inverse Design of Durable Photocatalytic Covalent Organic Frameworks
摆脱水解陷阱：一种基于代理的工作流用于耐用光催化共价有机框架的逆向设计
机构 * Luxembourg Institute of Science and Technology (LIST)（卢森堡科学与技术研究院） ； Department of Physics and Materials Science, University of Luxembourg（卢森堡大学物理与材料科学系）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 Ara通过结合LLM和化学知识，高效发现满足多标准的耐用光催化COFs，显著优于随机搜索和贝叶斯优化。
HiFlow: Hierarchical Feedback-Driven Optimization for Constrained Long-Form Text Generation
HiFlow：用于受约束长文本生成的分层反馈驱动优化
专题命中 逻辑推理 ：planning(abstract)；分类 cs.CL
AI总结 HiFlow通过分层反馈驱动优化框架，解决长文本生成中受约束的优化问题，提升生成质量与约束满足能力。
RLJP: Legal Judgment Prediction via First-Order Logic Rule-enhanced with Large Language Models
通过一阶逻辑规则增强的大语言模型进行法律判决预测
机构 * College of Computer Science and Technology, National University of Defense and Technology（国防科技大学计算机科学与技术学院） ； College of Electronic Engineering, National University of Defense Technology（国防科技大学电子工程学院） ； School of Data and Computer Science, Shandong Women’s University（山东女子大学数据与计算机科学学院） ； Institute for Artificial Intelligence, Tsinghua University（清华大学人工智能研究院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出基于一阶逻辑和对比学习的规则增强方法，通过三阶段流程提升法律判决预测的适应性和准确性。
Neuro-Symbolic Artificial Intelligence: A Task-Directed Survey in the Black-Box Models Era
神经符号人工智能：在黑盒模型时代任务导向的综述
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本研究综述探讨神经符号方法在任务导向中的进展，旨在提升可解释性和推理能力，并为现实任务提供可解释的NeSy方法资源。
Comments Accepted for publication at IJCAI-25. Please cite the definitive, copyrighted, peer reviewed and edited version of this Article published in IJCAI 25, pp. 4196-4176, 2025. DOI: https://doi.org/10.24963/ijcai.2025/1157
Journal ref Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence, 2025, pages 10418-10426
LAD-RAG: Layout-aware Dynamic RAG for Visually-Rich Document Understanding
LAD-RAG：面向视觉丰富文档的布局感知动态RAG
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 LAD-RAG通过构建布局感知的文档图和动态检索机制，提升视觉丰富文档的检索与问答性能。
VITA: Zero-Shot Value Functions via Test-Time Adaptation of Vision-Language Models
VITA：通过视觉语言模型的测试时间适应实现零样本价值函数
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 VITA通过测试时间适应提升视觉语言模型的零样本价值估计能力，实现跨任务和环境的泛化，优于现有方法。
Comments International Conference on Learning Representations, 2026
Multilingual Safety Alignment Via Sparse Weight Editing
多语言安全对齐 via 稀疏权重编辑
机构 * School of Artificial Intelligence, Xidian University（人工智能学院，西安电子科技大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出基于稀疏权重编辑的多语言安全对齐方法，通过稀疏神经元映射降低低资源语言攻击成功率，同时保持通用推理能力。
Uncovering Grounding IDs: How External Cues Shape Multimodal Binding
揭示地面ID：外部线索如何塑造多模态绑定
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出地面ID概念，揭示外部线索通过增强多模态绑定的注意力机制，提升跨模态定位精度并减少幻觉。
Comments Under review as a conference paper at ICLR 2026
Architecting AgentOS: From Token-Level Context to Emergent System-Level Intelligence
构建AgentOS：从令牌级上下文到涌现的系统级智能
机构 * Yishu Research（亿舒研究） ； Fukuoka Institute of Technology（福冈技术学院） ； National University of Singapore（新加坡国立大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出AgentOS框架，通过重构LLM为推理内核，引入深度上下文管理和语义切片机制，旨在构建具备系统级智能的自主认知环境。
Comments 16 pages,9 figures
Adaptive Problem Generation via Symbolic Representations
通过符号表示实现自适应问题生成
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工联盟研究技术） ； Massachusetts Institute of Technology（麻省理工学院） ； Singapore Management University（新加坡管理大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出通过符号表示生成自适应问题，以提升小型语言模型在数学任务上的表现。
GenesisGeo: Technical Report
GenesisGeo：技术报告
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Polytechnic Institute, Zhejiang University（浙江大学多科大学院） ； Hangzhou Research Institute of AI and Holographic Technology（杭州人工智能与全息技术研究 institutes） ； Volkswagen Group Innovation（大众集团创新） ； School of Mathematical Science, Zhejiang University（浙江大学数学科学学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出GenesisGeo-1M数据集及基于多任务学习的几何学习框架，通过大规模合成数据提升模型在几何推理任务中的性能，实现金牌级表现。
Aurora: Neuro-Symbolic AI Driven Advising Agent
Aurora：神经符号AI驱动的建议代理
机构 * Florida International University（佛罗里达国际大学） ； Northeastern University（东北大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 Aurora通过神经符号AI结合检索增强生成、符号推理和课程数据库，实现大规模、可验证的学术建议，提升推荐准确性和效率。
Comments Accepted to 41st ACM/SIGAPP Symposium On Applied Computing. 8 Pages, 3 Figures
AnCoder: Anchored Code Generation via Discrete Diffusion Models
AnCoder：通过离散扩散模型实现锚定代码生成
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 逻辑推理 ：planning(abstract)；分类 cs.LG
AI总结 AnCoder通过结构化锚定扩散模型实现高质量代码生成，解决了传统方法无法尊重编程语言结构的问题。
On the Value of Labeled Data and Symbolic Methods for Hidden Neuron Activation Analysis
关于标记数据和符号方法在隐藏神经元激活分析中的价值
机构 * Kansas State University（堪萨斯州立大学） ； Bowie State University（比弗州立大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出了一种基于符号方法和背景知识的可解释人工智能方法，能够为卷积神经网络中的神经元提供有意义的解释，并在定量和定性方面优于现有方法。
Aeon: High-Performance Neuro-Symbolic Memory Management for Long-Horizon LLM Agents
Aeon: 高性能神经符号记忆管理用于长时域大语言模型智能体
机构 * Independent Researcher（独立研究者）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 Aeon通过神经符号认知操作系统优化长时域大语言模型的记忆管理，实现高效内存压缩和加速，提升推理性能与稳定性。
Comments v3: Production hardening. Added INT8 quantization (5.6x dot product speedup, 3.1x compression), crash recovery via decoupled WAL (<1% overhead), unlimited text storage via sidecar blob arena with generational GC, and epoch-based reclamation for lock-free reads (P99 750ns under 16-thread contention). Revised for systems engineering clarity
EAA: Automating materials characterization with vision language model agents
EAA: 用视觉语言模型代理自动化材料表征
机构 * Argonne National Laboratory（阿贡国家实验室） ； Advanced Photon Source（先进光子源） ； Data Science and Learning Division（数据科学与学习 division） ； Department of Radiation Oncology（放射肿瘤学系） ； Northwestern University（西北大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 EAA利用视觉语言模型代理自动化材料表征，通过多模态推理和工具增强操作提升显微镜实验效率，减少操作负担并降低用户专业门槛。
Lifted Relational Probabilistic Inference via Implicit Learning
通过隐式学习实现提升的关系概率推断
机构 * Washington University in St. Louis（华盛顿大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出了一种基于隐式学习的方法，实现第一-order概率逻辑的隐式学习和提升推断，解决了传统方法在模型构建上的局限性。
Differentiable Modal Logic for Multi-Agent Diagnosis, Orchestration and Communication
可微模态逻辑用于多智能体诊断、协调与通信
机构 * Lawrence Berkeley National Lab（伯克利劳伦斯国家实验室） ； Berkeley（伯克利）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出可微模态逻辑，通过神经符号方法实现多智能体系统的调试与协调，结合知识注入和多模态推理，提升智能体间的信任与因果推理能力。
Comments 29 pages, 8 figures, 8 tables, Tutorial at 3rd International Conference on Neuro-Symbolic Systems (NeuS)
MEME: Modeling the Evolutionary Modes of Financial Markets
MEME：金融市场的进化模式建模
机构 * National Key Laboratory for Multimedia Information Processing, PKU-Anker LLM Lab, School of Computer Science, Peking University（国家多媒体信息处理重点实验室、PKU-Anker LLM实验室、计算机科学学院、北京大学） ； School of Electronics Engineering（电子工程学院） ； Computer Science, Peking University（计算机科学、北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究所、北京大学） ； Sun Yat-sen University（中山大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 MEME通过建模金融市场中的动态进化思维模式，利用多代理提取和高斯混合模型，实现对市场动态的精准重建，优于现有基线方法。
Beyond Pixels: Vector-to-Graph Transformation for Reliable Schematic Auditing
超越像素：用于可靠图示审计的向量到图转换
机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（人工智能与数字经济广东实验室） ； Guangdong Power Grid Co., Ltd.（广东电网公司） ； Shanghai University（上海大学） ； Carleton University（卡尔顿大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出向量到图转换方法，通过将CAD图转换为属性图，提升工程图示审计的准确性，克服基于像素方法的局限性。
Comments 4 pages, 3 figures. Accepted to ICASSP 2026
Modal Logical Neural Networks
模态逻辑神经网络
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.LG
AI总结 模态逻辑神经网络结合深度学习与模态逻辑，通过可微逻辑护栏实现必要性与可能性推理，提升逻辑一致性和可解释性。
Comments 22 pages, 7 figures, 6 tables
Generating Software Architecture Description from Source Code using Reverse Engineering and Large Language Model
基于逆向工程和大语言模型从源代码生成软件架构描述
机构 * Institute for Software and Systems Engineering（软件与系统工程研究所） ； Technical University of Clausthal（克莱斯特哈尔技术大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出利用逆向工程与大语言模型生成软件架构描述，以自动化提取组件图和行为模型，减少人工依赖并提升系统可维护性。
Rational Transductors
理性转导器
专题命中 逻辑推理 ：chain-of-thought(abstract)；分类 cs.LG
AI总结 理性转导器通过引入双流架构和理性注入方案，扩展转换器的表达能力以捕捉正则语言和$\NC^1$-完全问题，实现鲁棒的长度泛化。
TIDE: Tuning-Integrated Dynamic Evolution for LLM-Based Automated Heuristic Design
TIDE：基于大语言模型的自动启发式设计调谐集成动态进化
机构 * School of Mathematics and Statistics, Xi’an Jiaotong University, Xi’an, China（西安交通大学数学与统计学院） ； School of Electronics and Information, Northwest Polytechnical University, Xi’an, China（西北工业大学电子与信息学院）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 TIDE通过集成调谐的动态进化框架，解决大语言模型在自动化启发式设计中结构与参数优化耦合的问题，提升搜索效率和解的质量。
Rethinking Explainable Disease Prediction: Synergizing Accuracy and Reliability via Reflective Cognitive Architecture
重新思考可解释疾病预测：通过反思认知架构协同提升准确性和可靠性
机构 * Institute for Artificial Intelligence, Peking University ； School of Software \& Microelectronics, Peking University ； School of Computer Science, Peking University ； School of Life Sciences, Peking University ； Department of Comprehensive Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences ； Peking Union Medical College Beijing, China
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出反思认知架构（RCA），通过经验与反思直接从表格数据学习，实现预测精度与解释可靠性的协同提升。
Comments under review
CodeCircuit: Toward Inferring LLM-Generated Code Correctness via Attribution Graphs
CodeCircuit: 通过归因图推断LLM生成代码的正确性
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； IQuest Research（IQuest研究）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 CodeCircuit通过归因图分析LLM内部结构，推断生成代码的正确性，验证内部动态信号的预测能力。
