语言大模型 / LLM

BatteryAgent: Synergizing Physics-Informed Interpretation with LLM Reasoning for Intelligent Battery Fault Diagnosis

BatteryAgent: 将物理信息解释与LLM推理相结合用于智能电池故障诊断

Songqi Zhou, Ruixue Liu, Boman Su, Jiazhou Wang, Yixing Wang, Benben Jiang

机构 * Department of Automation Tsinghua University Beijing, China（自动化系 清华大学 北京） 纠错

专题命中 推理与问题求解 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 BatteryAgent结合物理知识与LLM推理，实现智能电池故障诊断的可解释性与高准确性。

Enforcing Temporal Constraints for LLM Agents

为LLM代理强制执行时间约束

Adharsh Kamath, Sishen Zhang, Calvin Xu, Shubham Ugare, Gagandeep Singh, Sasa Misailovic

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois at Urbana-Champaign, USA（伊利诺伊大学厄巴纳-香槟分校，美国） ； Meta 纠错

专题命中 推理与问题求解 ：LLM(title,abstract)；language model(abstract)；分类 cs.AI

AI总结 Agent-C通过运行时保证确保LLM代理遵守时间安全属性，提高任务实用性并实现完美安全性。

DaGRPO: Rectifying Gradient Conflict in Reasoning via Distinctiveness-Aware Group Relative Policy Optimization

DaGRPO：通过意识性群相对策略优化纠正推理中的梯度冲突

Xuan Xie, Xuan Wang, Wenjie Wang, Shuai Chen, Wei Lin

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；post-training(abstract)；SFT(abstract)

AI总结 DaGRPO通过意识性群相对策略优化纠正推理中的梯度冲突，提升推理能力和样本效率。

Enhancing LLM Planning Capabilities through Intrinsic Self-Critique

通过内在自我批评增强大语言模型的规划能力

Bernd Bohnet, Pierre-Alexandre Kamienny, Hanie Sedghi, Dilan Gorur, Pranjal Awasthi, Aaron Parisi, Kevin Swersky, Rosanne Liu, Azade Nova, Noah Fiedel

专题命中 推理与问题求解 ：LLM(title,abstract)；分类 cs.AI、cs.LG

AI总结 通过内在自我批评方法提升大语言模型的规划能力，实现Blocksworld、Logistics和Mini-grid数据集上的性能改进。

FEDSTR: Money-In AI-Out | A Decentralized Marketplace for Federated Learning and LLM Training on the NOSTR Protocol

FEDSTR: 人工智能无钱 | 基于NOSTR协议的去中心化市场

Konstantinos E. Nikolakakis, George Chantzialexiou, Dionysis Kalogerias

专题命中 推理与问题求解 ：LLM(title,abstract)；分类 cs.AI、cs.LG

AI总结 FEDSTR提出基于NOSTR协议的去中心化市场，允许用户通过数据集训练AI模型并支付费用获取优化模型，旨在实现公平且开放的AI训练市场。

Comments 23 pages

Diffusion Language Models are Provably Optimal Parallel Samplers

扩散语言模型是可证明最优的并行采样器

Haozhe Jiang, Nika Haghtalab, Lijie Chen

专题命中 推理与问题求解 ：language model(title,abstract)；分类 cs.LG

AI总结 本文证明了通过链式思维和修订，扩散语言模型能够以最优步骤和空间复杂度模拟并行采样算法，从而提升其作为高效并行采样器的理论基础。

Evolving, Not Training: Zero-Shot Reasoning Segmentation via Evolutionary Prompting

进化，而非训练：通过进化提示实现零样本推理分割

Kai Ye, Xiaotong You, Jianghang Lin, Jiayi Ji, Pingyang Dai, Liujuan Cao

专题命中 推理与问题求解 ：prompting(title)；SFT(abstract)；分类 cs.AI

AI总结 本文提出EVOL-SAM3，通过进化提示方法实现零样本推理分割，克服传统方法的局限性，提升分割性能。

Evaluating the Reasoning Abilities of LLMs on Underrepresented Mathematics Competition Problems

评估大语言模型在不常见数学竞赛问题上的推理能力

Samuel Golladay, Majid Bani-Yaghoub

机构 * University of Missouri: Kansas City（密苏里大学：堪萨斯城） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本研究评估了三种LLM在不常见数学竞赛问题上的推理能力，发现DeepSeek-V3在微积分、解析几何和离散数学中表现最佳，但所有模型在几何学上均表现较弱。

Comments 7 pages, submitted to ACM Transactions on Intelligent Systems and Technology

ROAD: Reflective Optimization via Automated Debugging for Zero-Shot Agent Alignment

ROAD: 通过自动调试实现零样本智能体对齐的反思优化

Natchaya Temyingyong, Daman Jain, Neeraj Kumarsahu, Prabhat Kumar, Rachata Phondi, Wachiravit Modecrua, Krittanon Kaewtawee, Krittin Pachtrachai, Touchapon Kraisingkorn

专题命中 推理与问题求解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 ROAD通过自动调试实现零样本智能体对齐的反思优化，利用多智能体架构将无结构故障日志转化为结构化决策树协议，提升智能体性能和样本效率。

Comments 22 pages, 1 figure

Zoomer: Adaptive Image Focus Optimization for Black-box MLLM

Zoomer: 为黑盒大语言模型实现自适应图像聚焦优化

Jiaxu Qian, Chendong Wang, Yifan Yang, Chaoyun Zhang, Huiqiang Jiang, Xufang Luo, Yu Kang, Qingwei Lin, Anlan Zhang, Shiqi Jiang, Ting Cao, Tianjun Mao, Suman Banerjee, Guyue Liu, Saravan Rajmohan, Dongmei Zhang, Yuqing Yang, Qi Zhang, Lili Qiu

机构 * Microsoft（微软公司） ； Peking University（北京大学） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； University of Southern California（南加州大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.AI

AI总结 Zoomer通过自适应图像聚焦优化提升黑盒MLLM的多模态理解能力，显著提升准确性并减少token使用

Comments TMLR accepted

Iterative Deployment Improves Planning Skills in LLMs

迭代部署提升大语言模型的规划能力

Augusto B. Corrêa, Yoav Gelberg, Luckeciano C. Melo, Ilia Shumailov, André G. Pereira, Yarin Gal

机构 * University of Oxford（牛津大学） ； AI Sequrity Company（AI安全公司） ； UFRGS（乌拉圭联邦大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 通过迭代部署大语言模型，利用用户编纂的数据提升规划能力，展现隐含奖励函数的强化学习机制，具有AI安全和训练制度替代的双重意义。

Fantastic Reasoning Behaviors and Where to Find Them: Unsupervised Discovery of the Reasoning Process

非凡的推理行为及其发现位置：无监督发现推理过程

Zhenyu Zhang, Shujian Zhang, John Lambert, Wenxuan Zhou, Zhangyang Wang, Mingqing Chen, Andrew Hard, Rajiv Mathews, Lun Wang

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本研究提出无监督框架RISE，通过稀疏自编码器发现LLM推理行为，揭示可解释的推理特征并控制推理轨迹。

From Building Blocks to Planning: Multi-Step Spatial Reasoning in LLMs with Reinforcement Learning

从积木到规划：通过强化学习在LLMs中实现多步骤空间推理

Amir Tahmasbi, Sadegh Majidi, Kazem Taram, Aniket Bera

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出了一种两阶段方法，通过强化学习在LLMs中实现多步骤空间推理，通过微调和LoRA适配器提升模型在结构环境中的空间推理能力。

Group Deliberation Oriented Multi-Agent Conversational Model for Complex Reasoning

面向复杂推理的群体讨论导向多智能体对话模型

Zheyu Shi, Dong Qiu, Shanlong Yu

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一种群体讨论导向的多智能体对话模型，通过三级角色架构和改进的优化策略，提升复杂推理任务的准确性和一致性。

Comments Accepted by IEEE ITCA 2025

TIM-PRM: Verifying multimodal reasoning with Tool-Integrated PRM

TIM-PRM：利用工具集成PRM验证多模态推理

Peng Kuang, Xiangxiang Wang, Wentao Liu, Jian Dong, Kaidi Xu

机构 * Zhejiang University（浙江大学） ； iFLYTEK AI Research Institute（iFLYTEK人工智能研究院） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 TIM-PRM通过工具集成PRM验证多模态推理，有效解决视觉幻觉和逻辑不一致问题，实验表明其在性能和可解释性上优于现有模型。

Comments 12 pages

DiffThinker: Towards Generative Multimodal Reasoning with Diffusion Models

DiffThinker: 向基于扩散模型的生成多模态推理迈进

Zefeng He, Xiaoye Qu, Yafu Li, Tong Zhu, Siyuan Huang, Yu Cheng

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)

AI总结 DiffThinker通过基于扩散模型的生成方法，在多模态推理任务中实现了更高效的视觉推理和更精确的空间处理，显著优于现有模型。

Comments Project page: https://diffthinker-project.github.io

Graph-Based Exploration for ARC-AGI-3 Interactive Reasoning Tasks

基于图的探索用于ARC-AGI-3交互推理任务

Evgenii Rudakov, Jonathan Shock, Benjamin Ultan Cowley

专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.AI

AI总结 基于图的探索方法在ARC-AGI-3任务中实现高效交互推理，无需训练即可解决大量级别，优于LLM方法。

Journal ref AAAI 2026 Workshop on AI for Scientific Research

A Survey of Efficient Reasoning for Large Reasoning Models: Language, Multimodality, and Beyond

大推理模型高效推理的综述：语言、多模态与更远的探索

Xiaoye Qu, Yafu Li, Zhao-Chen Su, Weigao Sun, Jianhao Yan, Dongrui Liu, Ganqu Cui, Daizong Liu, Shuxian Liang, Junxian He, Peng Li, Wei Wei, Jing Shao, Chaochao Lu, Yue Zhang, Xian-Sheng Hua, Bowen Zhou, Yu Cheng

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Soochow University（苏州大学） ； Westlake University（西湖大学） ； Peking University（北京大学） ； Tongji University（同济大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 推理与问题求解 ：pretraining(abstract)；分类 cs.CL

AI总结 本文综述了大推理模型在提升推理效率方面的最新研究，聚焦于语言、多模态及未来方向，旨在推动该领域的发展。

Comments Update recent RL papers. Project page: https://github.com/XiaoYee/Awesome_Efficient_LRM_Reasoning

CascadeNS: Confidence-Cascaded Neurosymbolic Model for Sarcasm Detection

CascadeNS: 一种基于置信度的神经符号模型用于讽刺检测

Swapnil Mane, Vaibhav Khatavkar

机构 * IIT Jodhpur, India（印度拉贾斯坦理工学院） ； DES Pune University, Pune, India（印度德化大学） ； COEP Technological University, Pune, India（印度科帕尔技术大学） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.CL

AI总结 CascadeNS通过结合符号推理和神经推理，利用置信度校准实现更高效的讽刺检测，实验表明其性能优于现有基线方法。

Comments 10 pages

From Illusion to Insight: Change-Aware File-Level Software Defect Prediction Using Agentic AI

从幻觉到洞察：利用代理AI的变更感知文件级软件缺陷预测

Mohsen Hesamolhokama, Behnam Rohani, Amirahmad Shafiee, MohammadAmin Fazli, Jafar Habibi

专题命中 推理与问题求解 ：LLM(abstract)

AI总结 本文提出了一种基于代理AI的变更感知文件级软件缺陷预测方法，通过多代理辩论框架提升缺陷预测的准确性和敏感性。

LLM-3D Print: Large Language Models To Monitor and Control 3D Printing

LLM-3D Print: 大型语言模型用于监控和控制3D打印

Yayati Jadhav, Peter Pak, Amir Barati Farimani

机构 * Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，PA，USA） 纠错

专题命中 评测与基准 ：LLM(title,abstract)；large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 利用大型语言模型监控和控制3D打印过程，自动识别和纠正打印缺陷，提升产品质量与生产效率。

Journal ref Additive Manufacturing, Vol. 114, September 2025, Article 105027

Agentic Large Language Models, a survey

代理大语言模型：综述

Aske Plaat, Max van Duijn, Niki van Stein, Mike Preuss, Peter van der Putten, Kees Joost Batenburg

机构 * Leiden University Leiden Netherlands ； Leiden University \& AI Lab, Pegasystems Leiden Netherlands ； Leiden University ； Leiden University \& AI Lab, Pegasystems 纠错

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,comments)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文综述了代理大语言模型的研究现状，探讨了其在医疗诊断、物流和金融分析等领域的应用，并提出通过推理、行动和交互提升大语言模型能力的未来研究方向。

Comments Website: https://askeplaat.github.io/agentic-llm-survey-site/

Journal ref JAIR volume 84, article 29, December 2025

Using Large Language Models To Translate Machine Results To Human Results

利用大型语言模型将机器结果转换为人类结果

Trishna Niraula, Jonathan Stubblefield

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 本文提出利用YOLOv5和YOLOv8结合大型语言模型生成胸部X光图像的自然语言放射学报告，验证了AI生成报告与人类报告的语义相似性及临床准确性。

Comments 11 pages, 7 figures, 3 tables

Beyond Hallucinations: A Composite Score for Measuring Reliability in Open-Source Large Language Models

超越幻觉：一种衡量开源大语言模型可靠性的综合评分

Rohit Kumar Salla, Manoj Saravanan, Shrikar Reddy Kota

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出综合可靠性评分（CRS）用于评估开源大语言模型的可靠性，通过实验发现最可靠的系统在准确率、鲁棒性和校准不确定性间取得平衡。

Comments 5 pages, 4 tables, accepted at AAAI 2026

Large Language Model Sourcing: A Survey

大语言模型的来源：一项综述

Liang Pang, Jia Gu, Sunhao Dai, Zihao Wei, Zenghao Duan, Kangxi Wu, Zhiyi Yin, Jun Xu, Huawei Shen, Xueqi Cheng

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） 纠错

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文综述了大语言模型来源的四个维度，并提出双范式分类法以分类现有来源方法，旨在提高模型的透明度和可信度。

Comments 31 pages

Automated Analysis of Sustainability Reports: Using Large Language Models for the Extraction and Prediction of EU Taxonomy-Compliant KPIs

欧盟可持续性报告的自动化分析：利用大型语言模型提取和预测符合欧盟分类法的KPIs

Jonathan Schmoll, Adam Jatowt

机构 * University of Innsbruck（因斯布鲁克大学） 纠错

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL

AI总结 本文提出一个结构化数据集，利用大型语言模型评估欧盟分类法合规性，发现模型在预测财务KPIs上表现不佳，但能辅助识别经济活动。

AdditiveLLM: Large Language Models Predict Defects in Additive Manufacturing

AdditiveLLM：大型语言模型预测增材制造缺陷

Peter Pak, Amir Barati Farimani

机构 * Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，宾夕法尼亚州，美国） 纠错

专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.LG

AI总结 AdditiveLLM通过自然语言输入预测增材制造缺陷，准确率达93%，简化了工艺参数优化过程。

Journal ref Additive Manufacturing Letters, Vol. 14, July 2025, Article 100292

Plan Verification for LLM-Based Embodied Task Completion Agents

基于大语言模型的体感任务完成代理的计划验证

Ananth Hariharan, Vardhan Dongre, Dilek Hakkani-Tür, Gokhan Tur

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 评测与基准 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文提出基于自然语言提示的体感任务代理计划验证框架，通过迭代修正提升动作序列质量，实现高召回率和精确度。

STED and Consistency Scoring: A Framework for Evaluating LLM Structured Output Reliability

STED与一致性评分：一个评估LLM结构化输出可靠性的框架

Guanghui Wang, Jinze Yu, Xing Zhang, Dayuan Jiang, Yin Song, Tomal Deb, Xuefeng Liu, Peiyang He

机构 * AWS Generative AI Innovation Center（AWS生成式AI创新中心） ； AWS WWSO SA Field Initiatives（AWS WWSO SA现场项目） 纠错

专题命中 评测与基准 ：LLM(title,abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出STED与一致性评分框架，用于评估LLM结构化输出可靠性，通过实验展示其在不同模型上的表现差异及应用价值。

OmniBench: Towards The Future of Universal Omni-Language Models

OmniBench: 向通用多语言模型的未来迈进

Yizhi Li, Yinghao Ma, Ge Zhang, Ruibin Yuan, Kang Zhu, Hangyu Guo, Yiming Liang, Jiaheng Liu, Zekun Wang, Jian Yang, Siwei Wu, Xingwei Qu, Jinjie Shi, Xinyue Zhang, Zhenzhu Yang, Yidan Wen, Yanghai Wang, Shihao Li, Zhaoxiang Zhang, Zachary Liu, Emmanouil Benetos, Wenhao Huang, Chenghua Lin

机构 * University of Manchester（曼彻斯特大学） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； Hongkong University of Science and Technology（香港科学与技术大学） ； Nanjing University（南京大学） ； Dartmouth College（达特茅斯学院） 纠错

专题命中 评测与基准 ：language model(title,abstract)；large language model(abstract)；instruction tuning(abstract)；分类 cs.CL、cs.AI

AI总结 OmniBench提出了一种评估通用多语言模型三模态处理能力的基准，揭示了现有模型在多模态推理中的不足，并提出OmniInstruct数据集以改进训练方法。

Comments Accepted by The Thirty-Ninth Annual Conference on Neural Information Processing Systems (NeurIPS2025)