Co-Authoring with AI: How I Wrote a Physics Paper About AI, Using AI
与AI共同撰写：我如何用AI写了一篇关于AI的物理学论文
专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)
AI总结 本文探讨AI在科学写作中的作用，强调人类在保持物理逻辑和学术规范中的关键责任，提出必须发表完整的AI交互记录以确保科学记录的完整性。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 推理与问题求解 69 篇
Benchmarking and Evaluating VLMs for Software Architecture Diagram Understanding
对软件架构图理解的VLMs基准测试与评估
专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)
AI总结 本文提出SADU基准，评估VLMs在理解软件架构图作为结构化软件工程制品上的能力，揭示当前模型在图表推理和视觉关系定位方面的不足。
A Systematic Study of Cross-Modal Typographic Attacks on Audio-Visual Reasoning
多模态字体攻击在音频视觉推理中的系统研究
机构 * Boston University（波士顿大学）
专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)
AI总结 本文研究多模态字体攻击对多模态大语言模型的影响，发现跨模态攻击比单模态攻击更有效，揭示了多模态推理中的关键安全漏洞。
When Models Know More Than They Say: Probing Analogical Reasoning in LLMs
当模型知道更多 than 它说：探测类比推理在 LLMs 中
机构 * Cambridge University（剑桥大学） ； Northeastern University（东北大学） ； Athenahealth ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 推理与问题求解 ：prompting(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究探讨了LLMs在类比推理任务中的表现，发现探测内部表示比提示性能更优，揭示了任务依赖性和提示机制的局限性。
LiquiLM: Bridging the Semantic Gap in Liquidity Flaw Audit via DCN and LLMs
LiquiLM: 通过DCN和LLMs弥合流动性缺陷审计中的语义鸿沟
专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)
AI总结 本文提出LiquiLM框架，结合LLMs和DCN，通过动态交互流动性关键合同与缺陷描述，弥合代码实现与高阶流动性意图间的语义鸿沟，有效检测流动性缺陷。
SGTA: Scene-Graph Based Multi-Modal Traffic Agent for Video Understanding
基于场景图的多模态交通代理：视频理解的模块化框架
机构 * Technical University of Munich（慕尼黑工业大学）
专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)
AI总结 SGTA结合结构化场景图与多模态推理，通过检测、跟踪和车道提取构建交通场景图，并利用ReAct处理大语言模型的推理轨迹，实现复杂视频问题的可解释决策。
FunFact: Building Probabilistic Functional 3D Scene Graphs via Factor-Graph Reasoning
FunFact：通过因子图推理构建概率性功能3D场景图
机构 * ETH Zürich（苏黎世联邦理工学院） ； Microsoft（微软） ； University of Bonn & Lamarr Institute（波恩大学与拉马尔研究所）
专题命中 推理与问题求解 ：LLM(abstract)；foundation model(abstract)
AI总结 FunFact通过因子图推理构建概率性功能3D场景图，结合语义和几何先验，提升场景功能理解的鲁棒性与准确性。
Chain-of-Frames: Advancing Video Understanding in Multimodal LLMs via Frame-Aware Reasoning
链式帧：通过帧感知推理推进多模态大语言模型的视频理解
机构 * New York University（纽约大学） ； EPFL（瑞士联邦理工学院洛桑分校）
专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)
AI总结 本文提出一种单阶段视频LLM，通过显式引用相关帧减少推理中的时间不一致性，利用COF-DATA数据集提升视频理解性能，发现合成数据显著提升模型准确率。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
Automatically Generating Hard Math Problems from Hypothesis-Driven Error Analysis
从假设驱动的错误分析自动生成难题
机构 * University of Chicago（芝加哥大学）
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.AI；large language model(comments)；language model(comments)
AI总结 本文提出了一种新的数学基准生成流程，利用AI生成的假设识别LLM在特定数学概念上的弱点，并生成针对性难题。实验表明，假设准确性与生成难题难度正相关，且该流程可扩展至其他领域。
Comments 8 pages (without reference and appendix), 4 figures, 1 table, accepted by ICLR 2026 Workshop of Logical Reasoning of Large Language Models
SPHINX: A Synthetic Environment for Visual Perception and Reasoning
SPHINX：一个用于视觉感知与推理的合成环境
机构 * Rochester Institute of Technology（罗彻斯特理工学院） ； University of Washington（华盛顿大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 SPHINX通过生成具有可验证解的谜题，评估视觉感知与推理能力，发现大模型表现不足，RLVR方法显著提升性能。
Embodied-R1: Reinforced Embodied Reasoning for General Robotic Manipulation
Embodied-R1：强化的具身推理用于通用机器人操作
机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Embodied-R1，通过引入指向作为统一的中间表示，结合强化微调方法，实现通用机器人操作中的具身推理，展示了在多个基准测试中的卓越性能和零样本泛化能力。
Comments Embodied-R1 technical report v2; Published as a conference paper at ICLR 2026
From Seeing to Doing: Bridging Reasoning and Decision for Robotic Manipulation
从感知到行动：弥合推理与决策以实现机器人操作
机构 * Tianjin University（天津大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出FSD模型，通过空间关系推理生成中间表示，提升机器人操作的泛化能力，在8个基准测试中表现优异，且在零样本任务中实现显著性能提升。
Comments Published as a conference paper at ICLR 2026. Our project homepage: https://embodied-fsd.github.io/
HI-MoE: Hierarchical Instance-Conditioned Mixture-of-Experts for Object Detection
HI-MoE：基于实例的混合专家架构用于目标检测
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.LG
AI总结 HI-MoE提出一种分层实例条件混合专家架构，通过两级路由机制提升目标检测效率，尤其在小目标检测上表现优异。
Agentic Federated Learning: The Future of Distributed Training Orchestration
代理联邦学习：分布式训练编排的未来
机构 * Institute of Computing, University of Campinas（坎皮纳斯州立大学计算研究所） ； Hub of Artificial Intelligence and Cognitive Architectures - H.IAAC（人工智能与认知架构中心 - H.IAAC）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 本文提出代理联邦学习框架，通过语言模型代理自主协调，缓解客户端异质性和系统动态波动，提升资源利用和公平性，推动联邦学习向去中心化生态系统演进。
Schema-Aware Planning and Hybrid Knowledge Toolset for Reliable Knowledge Graph Triple Verification
基于模式的规划和混合知识工具集的可靠知识图谱三元组验证
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Bay Area International Business School, Beijing Normal University（北京师范大学湾区国际商学院）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 本文提出SHARP，一种无需训练的自主代理，通过动态策略规划、主动调查和证据推理改进知识图谱三元组验证的稳定性与解释性，实验证明其在FB15K-237和Wikidata5M-Ind上准确率提升显著。
Compliance-by-Construction Argument Graphs: Using Generative AI to Produce Evidence-Linked Formal Arguments for Certification-Grade Accountability
基于构造的合规性论证图：利用生成式AI生成证据关联的正式论证以实现认证级问责
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 本文提出一种结合生成式AI与结构化正式论证表示的合规性架构，通过类型化论证图、检索增强生成、推理验证内核和溯源账本，确保论证的可验证性和可追溯性，防止不支持的主张进入决策记录。
Comments Accepted at FACCT 2026, IoT CPS Week
TraceGuard: Structured Multi-Dimensional Monitoring as a Collusion-Resistant Control Protocol
TraceGuard：结构化多维监控作为抗合谋的控制协议
机构 * Independent Researchers（独立研究人员） ； Apart Research
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.AI
AI总结 本文提出TraceGuard，一种结构化多维监控协议，通过五个维度评估代理行为，结合LLM调用和启发式检测器，有效区分攻击与诚实行为，防止合谋攻击。
Emergent Compositional Communication for Latent World Properties
涌现的组合通信用于潜在世界属性
机构 * Independent Researcher, Amsterdam, Netherlands（独立研究者，阿姆斯特丹，荷兰）
专题命中 推理与问题求解 ：pretraining(abstract)；分类 cs.LG
AI总结 本文研究多智能体通信能否从冻结视频特征中提取离散组合性表示，展示通过Gumbel-Softmax瓶颈和迭代学习发展出无标签的组合协议，验证了感知先验对可通信信息的影响。
Comments 24 pages, 4 figures, 12 tables. Code: https://github.com/TomekKaszynski/emergent-physics-comm
DRAFT: Task Decoupled Latent Reasoning for Agent Safety
草稿：任务解耦的潜在推理用于代理安全
机构 * National University of Singapore, Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.LG
AI总结 本文提出DRAFT框架，通过解耦安全判断为提取器和推理器两个阶段，利用潜在空间证据聚合提升代理安全性，在多个基准测试中表现优异。
An Onto-Relational-Sophic Framework for Governing Synthetic Minds
一个面向合成智能的本体-关系-Sophic框架
机构 * University of Science and Technology Beijing（北京科技大学） ； Blekinge Institute of Technology（布莱金厄理工学院）
专题命中 推理与问题求解 ：foundation model(abstract)；分类 cs.AI
AI总结 本文提出ORS框架，通过本体论、数字人格谱系和Cybersophy三支柱，解决合成智能的治理问题，展示其在自主研究代理和医疗AI等场景中的适应性治理能力。
Comments 9 pages, 3 figures
Seemingly Simple Planning Problems are Computationally Challenging: The Countdown Game
看似简单的规划问题具有计算挑战性：倒计时游戏
机构 * IBM T. J. Watson Research Center（IBM T. J. Watson 研究中心） ； IBM San Jose（IBM 圣何塞） ； Colorado State University（科罗拉多州立大学）
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.AI
AI总结 本文提出基于倒计时游戏的规划基准，该问题具有NP完全复杂性，能有效评估规划能力，实验显示现有LLM方法在该基准上仍面临挑战。
VERDI: VLM-Embedded Reasoning for Autonomous Driving
VERDI：嵌入视觉语言模型的自动驾驶推理
机构 * Princeton University（普林斯顿大学） ； Torc Robotics
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 VERDI通过在训练时整合视觉语言模型的推理过程和常识知识，提升自动驾驶系统的决策能力，实现更高效的模块化架构，同时保持快速推理速度。
Beyond the Global Scores: Fine-Grained Token Grounding as a Robust Detector of LVLM Hallucinations
超越全局评分：细粒度令牌接地作为检测LVLM幻觉的稳健检测器
机构 * Hanoi University of Science and Technology（河内科技大学） ； Australian Institute for Machine Learning, University of Adelaide（澳大利亚机器学习研究所，阿德莱德大学） ； Nanjing University（南京大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Hanoi-Amsterdam High School for the Gifted（河内阿姆斯特丹天才高中）
专题命中 推理与问题求解 ：language model(abstract)
AI总结 本文提出细粒度令牌接地方法，通过分析模型层间令牌交互，发现幻觉令牌的扩散注意力模式和语义对齐失败特征，实现90%的幻觉检测准确率。
Comments Accepted at CVPR2026 Main Track
Visual Prompt Based Reasoning for Offroad Mapping using Multimodal LLMs
基于视觉提示的越野制图推理使用多模态大语言模型
机构 * Khalifa University（哈利法大学）
专题命中 推理与问题求解 ：language model(abstract)
AI总结 本文提出一种零样本方法，利用SAM2进行环境分割和多模态大语言模型（VLM）进行可行驶区域推理，通过整合分割图像和原始图像实现越野制图推理，无需专门地形模型。
Saliency-R1: Enforcing Interpretable and Faithful Vision-language Reasoning via Saliency-map Alignment Reward
Saliency-R1: 通过显著图对齐奖励增强可解释性和忠实的视觉-语言推理
机构 * The Chinese University of Hong Kong（香港中文大学） ； City University of Hong Kong（香港城市大学）
专题命中 推理与问题求解 ：language model(abstract)
AI总结 Saliency-R1通过显著图对齐奖励提升视觉-语言模型的推理可解释性和忠实性，利用显著图技术高效突出关键图像区域，结合GRPO优化策略增强模型对相关区域的关注，实验显示提升推理忠实性和任务性能。
Comments CVPR 2026
Steerable Vision-Language-Action Policies for Embodied Reasoning and Hierarchical Control
可调节的视觉-语言-动作策略用于具身推理和分层控制
专题命中 推理与问题求解 ：language model(abstract)
AI总结 本文提出可调节策略，通过训练在丰富合成命令上的视觉-语言-动作模型，提升低层可控性，解锁预训练VLM知识，改进任务泛化能力。
VectraFlow: Long-Horizon Semantic Processing over Data and Event Streams with LLMs
VectraFlow：基于LLM的长时域语义处理数据与事件流
专题命中 推理与问题求解 ：LLM(abstract)
AI总结 VectraFlow通过结合LLM与传统关系运算符，实现了对无结构数据流的长时域语义处理，提供连续语义运算符，支持自然语言意图到可执行运算图的转换，实现从原始文本到匹配事件群体的端到端模式检测。
When AI Agents Disagree Like Humans: Reasoning Trace Analysis for Human-AI Collaborative Moderation
当AI代理像人类一样产生分歧：用于人机协作 moderation 的推理轨迹分析
专题命中 推理与问题求解 ：LLM(abstract)
AI总结 本文研究AI代理在仇恨言论 moderation 中的分歧模式，通过推理轨迹分析发现分歧结构比幅度更能预测人类判断需求，提出从共识寻求转向不确定性揭示的多代理设计。
Comments Accepted to the ICLR 2026 Workshop on "From Human Cognition to AI Reasoning: Models, Methods, and Applications (HCAIR)
2. 评测与基准 83 篇
AutoReSpec: A Framework for Generating Specification using Large Language Models
AutoReSpec：一种利用大语言模型生成规范的框架
机构 * Texas State University（德克萨斯州立大学）
专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)
AI总结 本文提出AutoReSpec框架，通过动态选择LLM和提示配置，结合协作模型反馈，提升规范生成的准确性和效率，实验显示其在成功概率和完整性上优于现有方法。
Comments 10 pages
Structured Multi-Criteria Evaluation of Large Language Models with Fuzzy Analytic Hierarchy Process and DualJudge
结构化多标准评估大型语言模型：基于模糊层次分析法与DualJudge
机构 * St. Petersburg State University（圣彼得堡国立大学） ； ITMO University（ITMO大学）
专题命中 评测与基准 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.AI
AI总结 本文提出基于模糊层次分析法的结构化评估方法，通过引入置信度感知的模糊AHP扩展，提升对大型语言模型评估的准确性与稳定性，提出DualJudge框架实现直观与 deliberative评估的互补。
