大模型推理能力

KnowML: Improving Generalization of ML-NIDS with Attack Knowledge Graphs

KnowML: 利用攻击知识图提升ML-NIDS的泛化能力

Xin Fan Guo, Xinran Zheng, Albert Merono Penuela, Lorenzo Cavallaro, Sergio Maffeis, Fabio Pierazzi

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出KnowML框架，通过LLM构建攻击知识图并编码到特征空间，解决异常检测NIDS因特征空间缺陷导致的泛化问题，在仅用良性流量训练时实现高达99%检测率且误报率≤0.0137%。

Comments Accepted at EuroS&P 2026

Acoda: Adversarial Code Obfuscation for Defending against LLM-based Analysis

Acoda：对抗性代码混淆防御基于LLM的分析

Hongzhou Rao, Zikan Dong, Yanjie Zhao, Haodong Li, Haoyu Wang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出基于遗传算法的对抗性代码混淆框架Acoda，通过8种语义保留的混淆方法迭代优化，有效诱导LLM拒绝或误判代码分析，在7个先进LLM上攻击成功率高达70%。

A Neurosymbolic Prolog Skill for LLM-Driven Service Placement

一种用于LLM驱动服务放置的神经符号Prolog技能

Jacopo Massa, Giuseppe Bisicchia, Patrizio Dazzi, Antonio Brogi

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出一种基于Prolog技能的神经符号方法，将服务放置意图转化为符号事实和规则，利用Prolog进行约束验证和推理，实现可检查的策略感知放置。

RECON: An LLM-Enhanced Backward Constraint Analysis Framework

RECON：一种增强LLM的逆向约束分析框架

Babangida Bappah, Lamine Noureddine, Umar Farooq, Aisha Ali-Gombe

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出RECON框架，结合LLM语义理解与静态分析，从Android字节码中提取精确执行约束，比传统符号执行快5.8倍且成功率达100%。

Evidence Markets

证据市场

Safwan Hossain, Gabriel Andrade, Chengqi Zang, Yiling Chen

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出证据市场，通过动态调整流动性的对数市场评分规则，激励提交证据和信念，支持内生解决，证明有界损失、证据按市场不确定性奖励，并实现ε-DSIC策略。

MedSIGHT: Towards Grounded Visual Comprehension in Medical Large Vision-Language Models

MedSIGHT：迈向医学大型视觉语言模型中的基础视觉理解

Aofei Chang, Le Huang, Alex James Boyd, Parminder Bhatia, Taha Kass-Hout, Fenglong Ma, Cao Xiao

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出MedSIGHT框架，通过区域感知器、医学区域码本和渐进训练策略，统一医学视觉语言模型的语义理解和像素级分割，在72K数据上达到多模态理解与分割的SOTA。

Comments Accepted at ICML 2026

Efficient Coordination and Synchronization of Multi-Robot Systems Under Recurring Linear Temporal Logic

基于循环线性时序逻辑的多机器人系统高效协调与同步

Davide Peron, Victor Nan Fernandez-Ayala, Eleftherios E. Vlahakis, Dimos V. Dimarogonas

机构 * Department of Information Engineering, University of Padova（帕多瓦大学信息工程系） ； Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（皇家理工学院电气工程与计算机科学学院决策与控制系统系） 纠错

专题命中 逻辑推理 ：planning(abstract)

AI总结 提出一种结合离线计划综合与在线协调的底层方法，通过实时通信动态调整计划，并引入同步机制处理动作延迟，实现多机器人系统的可扩展协调与同步框架。

Comments Submitted for publication at IEEE ICRA 2025

Journal ref Proc. IEEE ICRA, 2025, pp. 10194-10200

Towards Persistent Case-Based Memory for Autonomous Data Science: A CBR-Augmented R&D-Agent with a Locally Deployable Small Language Model

面向自主数据科学的持久化案例记忆：一种CBR增强的R&D-Agent与本地可部署的小语言模型

Felix Stocker

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种CBR增强的R&D-Agent，通过持久化案例库和小语言模型Gemma 4 31B Dense，在Kaggle竞赛中实现方向性精度提升和方差降低。

Comments 14 pages, 8 figures, 8 tables; preprint, not submitted to any venue; code available at https://github.com/stofe94/cbr-rd-agent

Active Perception and Control from Temporal Logic Specifications

基于时间逻辑规范的主动感知与控制

Rafael Rodrigues da Silva, Vince Kurtz, Hai Lin

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文提出一种结合信念空间规划和符号控制的可扩展任务与运动规划框架，用于不确定环境，通过概率时间逻辑（PRTL）规范的反例引导归纳合成算法实现主动感知以满足规范要求。

Comments L-CSS submission

Inter-Robot Interactions in Multi-Robot Systems Using Braids

多机器人系统中使用编织群的机器人交互

Yancy Diaz-Mercado, Magnus Egerstedt

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文提出利用编织群元素描述机器人交互模式，以实现安全的协作运动和传感器信息交换。

TimeLogic Challenge @ CVPR 2026: Strong MLLMs Meet Evidence-Seeking Agents for Temporal-Logic Video Question Answering

TimeLogic Challenge @ CVPR 2026: 强多模态大语言模型遇见面向时序逻辑视频问答的证据搜索智能体

Zhaoyang Xu, Xusheng He, Wei Liu, Zhenyang Li, Jianlong Wu

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出一种基于证据搜索智能体的无训练时序逻辑视频问答方法，通过多粒度采样工具包和分类引导策略，在TimeLogic测试集上达到77.13 AvgAcc。

Agent Skills Should Go Beyond Text: The Case for Visual Skills

Agent技能应超越文本：视觉技能的必要性

Binxiao Xu, Ruichuan An, Bocheng Zou, Hang Hua

机构 * Peking University（北京大学） ； University of Wisconsin（威斯康星大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 针对现有技能学习方法仅存储文本经验导致视觉任务瓶颈的问题，提出多模态技能范式，结合文本逻辑与视觉支持，通过自动系统将经验转化为可复用的视觉技能，在GUI等视觉任务中显著优于纯文本技能。

On Fréchet Traveling Salesmen Problems

关于Fréchet旅行商问题

Omrit Filtser, Tzalik Maimon, Michal Moiseev

专题命中 逻辑推理 ：planning(abstract)

AI总结 研究在给定点集上构造两条曲线，使得它们之间的Fréchet距离最小，并提出了离散Fréchet距离下的近线性算法，证明了连续Fréchet距离下问题的NP难性。

Temporal Evidence Routing with Structured Visual Evidence for TimeLogicQA

基于结构化视觉证据的时间证据路由用于TimeLogicQA

Yuyang Sun, Yongliang Wu, Xingyu Zhu, Yuxia Chen, Zhenxiang Jiang, Yangguang Ji, Wenbo Zhu, Yanxi Shi, Jay Wu, Shuo Wang, Xu Yang

机构 * Southeast University（东南大学） ； National University of Singapore（新加坡国立大学） ； Independent Researcher（独立研究员） ； Opus AI Research（Opus AI研究院） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出视觉证据路由流水线，分离感知与符号时间推理，通过结构化视觉证据和确定性时间规则在TimeLogicQA上达到81.8 AvgAcc。

Finding Memory Leaks in C/C++ Programs via Neuro-Symbolic Augmented Static Analysis

通过神经符号增强静态分析发现C/C++程序中的内存泄漏

Huihui Huang, Jieke Shi, Bo Wang, Zhou Yang, David Lo

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出MemHint神经符号管道，结合LLM语义理解与Z3符号推理，扩展静态分析器对自定义内存管理函数的识别和路径敏感控制流建模，在8个真实项目中发现54个内存泄漏（53个确认/修复），每个漏洞成本约1.7美元。

Comments 16 pages

DistFlow: A Fully Distributed RL Framework for Scalable and Efficient LLM Post-Training

DistFlow: 一种用于可扩展高效LLM后训练的全分布式强化学习框架

Zhixin Wang, Jiaming Xu, Tianyi Zhou, Mingjun Zhang, Liming Liu, Jiarui Hu, Dian Yang, Tongyu Wang, Ping Zhang, Jinlong Hou, Siyuan Feng, Yuan Qi, Yuan Cheng

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出DistFlow框架，通过解耦数据传输与控制调度、采用多控制器范式和基于DAG的任务调度器，实现近线性可扩展性并提升吞吐量达2.63倍。

From Flat to Hierarchical: Evolving Tree-structured Thoughts for Fine-grained Alpha Mining

从平面到层次：演化树状思维以实现细粒度Alpha挖掘

Junji Ren, Junjie Zhao, Shengcai Liu, Peng Yang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出树状思维演化（TreEvo）方法，通过层次化分解思维扩展有效搜索空间，并设计结构化思维演化算子，在四个真实市场数据集上以最多200倍更少的评估次数获得与传统方法竞争性的Alpha，且平均比LLM驱动的演化算法高出14.31%。

Can Generative AI help people navigate Radical Moral Disagreements? The CONSIDER prototype

生成式AI能否帮助人们应对根本性道德分歧？CONSIDER原型

William Hohnen-Ford, Sarah Chen, Kathryn B. Francis, Madeline G. Reinecke, Ilina Singh, David Lyreskog

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出CONSIDER原型，一种基于大型语言模型的一对一AI工具，通过结构化分歧帮助用户澄清价值观，以应对根本性道德分歧。

Comments 25 pages, 1 figure, 2 tables. Submitted manuscript

GenClaw: Code-Driven Agentic Image Generation

GenClaw: 代码驱动的智能体图像生成

Junyan Ye, Jun He, Zilong Huang, Dongzhi Jiang, Xuan Yang, Rui Chen, Weijia Li

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出GenClaw，一种代码驱动的智能体图像生成范式，通过概念构思、代码草图绘制和纹理补充三个阶段，将黑盒图像生成转变为可控、可解释的分阶段过程。

Comments 21 pages, 7 figures

HunterAgent: Neuro-Symbolic Attack Trace Reconstruction under Anti-Forensics

HunterAgent: 反取证下的神经符号攻击痕迹重建

Guangze Zhao, Yongzheng Zhang, Weilin Gai, Hongri Liu, Yuliang Wei, Bailing Wang

专题命中 逻辑推理 ：verifier(abstract)

AI总结 针对反取证技术导致的攻击痕迹断裂问题，提出神经符号框架HunterAgent，将痕迹重建建模为部分可观测下的代价约束启发式图搜索，通过生成器-验证器流水线和校准代价函数实现高精度重建。

ProDebug: An Automated Debugging System for Prolog

ProDebug：Prolog的自动化调试系统

Ricardo Brancas, Vasco Manquinho, Ruben Martins

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出结合大语言模型、频谱和变异技术的Prolog自动调试系统ProDebug，用于识别学生作业中的错误并生成修复方案。

From Actions to Obligations: A Deontic Action Model Logic

从行动到义务：道义行动模型逻辑

Giorgio Cignarale

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出道义行动模型逻辑（DAML），通过整合道义评估机制扩展认知行动模型逻辑，用于推理多智能体系统中关于行动的义务，并证明其公理化系统的可靠性和完备性。

Provisioning to Runtime Optimization of a 100 MW-Scale AI Cluster

一个100兆瓦级AI集群的供应到运行时优化

Ehsan K. Ardestani, Leonardo Piga, Jovan Stojkovic, Pavan Balaji, Mustafa Ozdal, Mikel Jimenez Fernandez, Mihaela Dimovska, Luka Tadic, Hao Shen, Devika Vishwanath, Richa Mishra, Melaku Mihret, Valentin Andrei, Mauricio Cespedes, Julien Prigent, James Monahan, Tyler Graf, Bin Li, Charles Marquez, Shobhit Kanaujia, Kaushik Veeraraghavan, Chunqiang Tang

专题命中 逻辑推理 ：planning(abstract)

AI总结 本文首次描述了超大规模AI数据中心从早期电力规划到运行时动态功耗管理的端到端过程，并提供了150兆瓦数据中心中83K GB200 GPU集群的详细功耗测量数据。

Toward General Quantum Control with Physics-Informed Large Language Models

面向通用量子控制的物理信息大语言模型

Yusheng Zhao, Han Wang, Xin Liu, Xinjie Song, Jixi He, Lingwei Song, Yuanhe Ji, Ken Deng, Runqing Zhang, Zhiguo Huang, Ling Qian, Jize Han, Di Luo

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出VF-QCTRL框架，结合物理信息大语言模型与符号推理及优化，实现通用量子控制协议的高保真度设计，并通过QCTRL-BENCH基准测试验证其通用性、准确性、效率和可解释性。

Synthesizing Inductive Invariants for Distributed Protocols via IC3 and Large Language Models

通过IC3和大语言模型综合分布式协议的归纳不变量

Weining Cao, Guangyuan Wu, Yuan Yao, Hengfeng Wei, Taolue Chen, Xiaoxing Ma

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出IC3Syn框架，结合符号IC3控制器和大语言模型，自动综合分布式协议的归纳不变量，无需逻辑限制或人工模板，在29个协议上验证了有效性。

Comments 15 pages, 1 figure

Federated Semantic Knowledge Graphs for Laboratory Workflows: A Structured Expert Elicitation Methodology Demonstrated Through Bioanalytical Workflow Twins

面向实验室工作流的联邦语义知识图谱：通过生物分析工作流孪生展示的结构化专家启发方法

Luis F. Schachner, Vinith Thamizhazhagan, Sara Tanenbaum, John C. Tran, Pamela P. F. Chan, Mandy Kwong, Andy Chang, Maureen Beresini, Margaret Porter Scott

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出一种可重复的结构化专家启发方法和联邦语义知识图谱架构，用于捕获和查询实验室工作流中的隐性知识，并通过Genentech的部署案例展示了跨子图查询能力，特别是识别自动化掩盖的静默故障。

Comments 48 pages, 4 figures, 3 appendices. Submitted to ISWC 2026 In-Use Track

FuzzingBrain V2: A Multi-Agent LLM System for Automated Vulnerability Discovery and Reproduction

FuzzingBrain V2: 一个用于自动化漏洞发现与重现的多智能体LLM系统

Ze Sheng, Zhicheng Chen, Qingxiao Xu, Kewen Zhu, Jeff Huang

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出FuzzingBrain V2，通过多智能体系统解决LLM在漏洞检测中的三大挑战：自动化分析、精准定位与复杂依赖推理，实现了90%的检测率并发现29个零日漏洞。

Correct-by-Construction G-Code Generation: A Neuro-Symbolic Approach via Separation Logic

通过分离逻辑的正确性构建G代码生成：一种神经符号方法

Yeonseok Lee

专题命中 逻辑推理 ：self-correction(abstract)

AI总结 本文提出了一种神经符号框架，通过分离逻辑证明器将GLLM方法的神经生成能力与形式验证相结合，利用几何数据构建两组件架构，将物理碰撞转化为逻辑空间数据 race，从而生成自我校正的G代码生成系统，减少人工监督，提高自主制造的安全性和验证性。

Comments 15 pages, 5 figures

LLM-Based Static Verification of Code Against Natural-Language Requirements: An Industrial Experience Report

基于大语言模型的代码对自然语言要求的静态验证：一项工业经验报告

Zhi Quan Zhou, Dave Towey, Tsong Yueh Chen

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种基于大语言模型的两阶段工作流，用于在智能汽车网络安全案例中验证代码是否符合自然语言要求，通过引入结构化中间表示减少幻觉和输出变异，提升静态分析的准确性与解释性。

Position: AI as Part of Self -- Extending the Mind Requires Cognitive Co-Regulation

位置：AI作为自我的一部分——扩展心智需要认知共调节

Alina Gutoreva, Fendi Tsim, Trisevgeni Papakonstantinou

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文探讨了AI作为自我组成部分的重要性，强调认知共调节在人机认知系统中的必要性，指出传统约束无法实现安全与对齐，需通过人机协同调节来达成。