AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
相同的 Token 是否意味着相同的状态？MoE 路由作为推理控制的信号
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.CL
AI总结 研究发现稀疏 MoE 语言模型中相同 token 的路由状态因上下文而异，基于此提出 RAD 方法，通过路由一致性选择输出，无需解析答案字符串，在数学、GPQA 和代码任务上表现与多数投票相当。
SCOPE：面向开放环境规划的演化符号世界
机构 * Zhejiang University（浙江大学） ； Chalmers University of Technology（查尔姆斯理工大学） ； Lanzhou University（兰州大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出SCOPE框架，通过符号执行模拟器和自适应符号记忆模块，在开放环境中演化符号世界表示，提升规划完整性和鲁棒性。
Comments Accepted to ICML 2026
金点狙击手：VLM中的自引导视觉推理用于细粒度动作理解
机构 * Beijing National Research Center for Information Science and Technology (BNRist), Department of Automation, Tsinghua University（清华大学自动化系北京信息科学与技术国家研究中心） ； State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI)（北京通用人工智能研究院通用人工智能国家重点实验室）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出金点狙击手框架，通过金点提取器、选择性苏格拉底提问器和语义蕴含评估器三个模块，增强轻量级VLM的细粒度人类动作理解能力，在CAP基准上达到接近GPT-4o的性能且事实准确性更优。
Robusto-2: 在利马与纽约市对自动驾驶中人类与VLM的基准测试
机构 * Artificio Lima, Peru
专题命中 推理与问题求解 ：prompting(abstract)；分类 cs.AI
AI总结 本研究通过视觉问答范式，比较人类驾驶员（来自利马和纽约）与视觉语言模型在利马和纽约的驾驶场景中的表现，发现人类与模型在回答事实、评级、反事实和推理四类问题时存在差异，但地理因素影响不显著。
Comments 11 pages main body. 42 pages total. Data publicly available online
Vesta: 一种通用具身推理模型
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Michigan（密歇根大学） ； Nanyang Technological University（南洋理工大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Tübingen（图宾根大学）
专题命中 推理与问题求解 ：foundation model(abstract)；分类 cs.AI
AI总结 提出统一的基础模型Vesta，整合定位、空间推理、导航和长时规划能力，通过大规模空间感知语料库和简单多模态记忆机制，在多个基准上平均优于专用模型20%以上，在真实机器人任务中成功率提升35%。
SPARC：用于电路问答的多智能体系统
机构 * University of Michigan（密歇根大学） ； Bangladesh University of Engineering and Technology（孟加拉工程与技术大学）
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.AI
AI总结 提出SPARC多智能体系统，通过可执行的物理仿真程序进行推理，在电路问答任务上实现83%准确率，较基线提升高达58%。
基于Lean的过程验证强化学习用于定理证明
机构 * KAIST AI（韩国科学技术院人工智能系）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出利用Lean证明助手提供过程级验证信号，结合GRPO风格强化学习目标，通过策略级监督提升定理证明性能。
DreamReasoner-8B：面向扩散推理模型的块大小课程学习
机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.CL
AI总结 提出块大小课程学习，通过从细粒度到粗粒度的渐进训练，解决块扩散语言模型在长链推理中性能差距问题，DreamReasoner-8B在数学和代码推理上达到与Qwen3-8B相当的水平。
GraphPO：基于图的推理模型策略优化
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Ant Group（蚂蚁集团）
专题命中 推理与问题求解 ：LLM(abstract_cn)；分类 cs.CL
AI总结 提出GraphPO框架，将推理轨迹建模为有向无环图，通过合并语义等价路径减少冗余探索，并利用边级优势函数提高推理效率，在多个基准上优于链式和树式方法。
Guava: 一种有效且通用的具身操作工具框架
机构 * University of Maryland College Park（马里兰大学帕克分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Waterloo（滑铁卢大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Amazon FAR（亚马逊 FAR）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出Guava框架，通过迭代感知-推理-行动循环、语义动作抽象和多模态观测三大关键设计，将具身操作能力蒸馏到4B开源模型中，在仿真和真实环境中性能媲美前沿专有模型。
“你撒谎了吗？”评估不同规模模型和信念验证模型生物体的谎言检测器
机构 * AI Security Institute（AI安全研究所）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 本研究通过构建13个信念可验证的推理模型生物体和多样化提示撒谎测试集，评估了四种谎言检测器在不同规模模型上的表现，发现基于激活和概率的检测器在训练模型生物体上性能显著下降，而思维链法官保持较强性能，但存在伪影。
Comments 12 pages, 6 figures
PearlVLA：潜在空间中的渐进式具身动作计划精炼
机构 * Imperial College London（帝国理工学院） ； Tsinghua University（清华大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出PearlVLA框架，通过在VLM潜在空间中进行迭代计划精炼，平衡动作生成效率与显式推理，在LIBERO基准上达到最先进性能。
Comments 21 pages, 2 figures. Preprint
多轮反射掩码激发掩码扩散模型中的推理能力
机构 * University of Maryland（马里兰大学） ； Virginia Tech（弗吉尼亚理工大学） ； Intuit ； UC Davis（加州大学戴维斯分校） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
专题命中 推理与问题求解 ：post-training(abstract)；分类 cs.CL
AI总结 提出反射掩码（RM）方法，通过轻量级后训练使掩码扩散模型具备多轮掩码与去噪能力，实现迭代局部修正，无需架构改变，在文本生成、数独和图像编辑等任务中优于基线。
Comments 22 pages, 6 figures, 5 tables
编织多源证据进行生物医学推理：BioMedHop基准与BioWeave框架
机构 * University of New South Wales（新南威尔士大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； University of Technology Sydney（悉尼科技大学）
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.CL
AI总结 提出BioMedHop基准和BioWeave框架，用于评估和实现生物医学多源证据推理，BioWeave在基准上优于基线方法10.5%，并提升小模型性能。
GRACE：基于上下文忠实推理的步骤级基准
机构 * Nanyang Technological University（南洋理工大学） ； VinUniversity
专题命中 推理与问题求解 ：prompting(abstract)；分类 cs.CL
AI总结 提出GRACE，首个带人工标注的步骤级忠实性基准，通过数据驱动错误分类法评估上下文推理中的链式思维步骤，并证明步骤级忠实信号可提升下游准确性和推理可靠性。
视觉锚定思维
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出视觉锚定思维方法，让视觉语言模型在推理时交替生成自然语言和视觉锚点（点或框），并通过合成数据管道和锚定感知强化学习训练，在计数和空间推理任务上显著提升性能。
EChO-Agent: 用于音频推理的证据链编排智能体
机构 * School of Artificial Intelligence, Tianjin University（天津大学人工智能学院）
专题命中 推理与问题求解 ：prompting(abstract)；分类 cs.AI
AI总结 提出EChO-Agent模块化框架，将复杂音频问答转化为规划、工具执行、证据整合和答案验证流程，在MMAR基准上提升准确率和评分。
Comments 5 pages, 2 figures. Accepted by Interspeech 2026
既非并行也非顺序：DiffusionGemma 实际如何提交令牌
机构 * Transformer Lab
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.LG
AI总结 通过钩取DiffusionGemma 26B的采样器接受步骤，测量其解码顺序，发现解码既非并行也非块自回归，而是呈现部分从左到右的提交偏差，且块大小是测量尺度的伪影而非架构特性。
边界框作为目标：通过神经符号规划实现语言条件抓取
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出GRASP框架，利用预训练VLM将自然语言查询转化为神经符号目标状态，通过边界框检测实现零样本桌面操作，无需任务特定训练。
Comments Project website: https://allisonandreyev.github.io/grasp.github.io/
SpatialClaw：重新思考智能体空间推理的动作接口
机构 * KAIST（韩国科学技术院） ； NVIDIA（英伟达）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出SpatialClaw框架，以代码作为动作接口，通过状态化Python内核和感知几何原语，使VLM智能体逐步执行并灵活组合中间结果，在20个3D/4D空间推理基准上平均准确率59.9%，比现有方法高11.2个百分点。
Comments Project page: https://spatialclaw.github.io/
递归智能体框架
机构 * PricewaterhouseCoopers, U.S.（普华永道（美国））
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.CL
AI总结 提出递归智能体框架（RAH），通过代码优先的框架递归扩展模型递归，在长上下文推理中显著提升编码智能体性能。
ERTS: 通过有界后果空间中的语义扰动进行伦理AI的对抗鲁棒性测试
机构 * Pratyush Chaudhari（普拉蒂什·查德哈里）
专题命中 推理与问题求解 ：LLM(abstract_cn)；分类 cs.AI
AI总结 提出伦理鲁棒性测试系统(ERTS)，通过有界伦理后果空间、语义扰动和领域自适应评估，测试AI在伦理推理中的对抗鲁棒性，实验表明仅33%模型通过测试。
Comments 8 pages, 10 tables
感知、交互、推理：构建工具增强的视觉智能体用于空间推理
机构 * Tsinghua University（清华大学） ； Virginia Tech（弗吉尼亚理工大学） ； NVIDIA（英伟达）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出PERIA智能体，通过视觉感知和交互工具增强VLM的空间推理能力，在13个基准上优于同类模型7.0%-14.8%。
世界模型与物理AI教程
机构 * Department of Computer Science and Artificial Intelligence/CAIIT, Jeonju, Jeonbuk, South Korea（韩国全北全州计算机科学与人工智能系/CAIIT）
专题命中 推理与问题求解 ：foundation model(abstract)；分类 cs.AI
AI总结 本文提出统一框架，区分显式与隐式世界模型，并探讨其在机器人、自动驾驶等物理AI领域的应用，以及迈向通用人工智能的挑战。
Foresight: 关于导航关键线索的迭代推理
机构 * UT Austin（德克萨斯大学奥斯汀分校） ； FieldAI
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出Foresight框架，利用微调VLM交替提出和批评图像空间运动计划，通过人类反馈学习奖励模型进行强化学习后训练，实现无地图导航中稀疏语言指令下的迭代运动优化，任务成功率提升37%。
Comments 22 pages, 10 figures, 3 tables
KCSAT-ML: 用全国队列人类难度探测推理模型
机构 * NAVER Cloud AI（NAVER云AI） ； KAIST AI（韩国科学技术院人工智能系）
专题命中 推理与问题求解 ：LLM(abstract_cn)；分类 cs.CL
AI总结 提出KCSAT-ML基准（含664道韩国高考数学题及339道带官方错误率的核心题）和难度对齐推理增益（DRG）指标，揭示视觉语言模型在人类高错误率题目上准确率崩溃、测试时缩放非单调以及同一模型族内反缩放与过度思考并存的现象。
Comments 18 pages, 14 figures, 8 tables
DIRECT: 在具身规划器中何时何地分配测试时计算？
机构 * Stanford University（斯坦福大学） ； University of Waterloo（滑铁卢大学） ； NVIDIA（英伟达）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI
AI总结 提出DIRECT路由框架，根据多模态场景上下文按提示分配计算资源，优化成功-成本帕累托前沿，实验表明不同缩放轴带来不同能力增益，在物理机器人上以更低延迟匹配或超越更强模型。
表示空间中的一致性：面向开放式自洽性
机构 * HiTZ Center - Ixa, University of the Basque Country (UPV/EHU)（HiTZ中心 - Ixa，巴斯克大学（UPV/EHU））
专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.CL
AI总结 针对开放式生成任务，提出基于嵌入的协议（EBA），通过聚类采样生成的嵌入表示来估计自洽性，无需训练即可鲁棒地选择更可靠的输出。
解码多模态线索：揭示仇恨视频背后的隐含意义
机构 * Dalian University of Technology（大连理工大学） ； Tencent（腾讯） ； City University of Hong Kong（香港城市大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
专题命中 推理与问题求解 ：preference optimization(abstract)；分类 cs.CL
AI总结 提出IARE框架，通过信息增强和推理优化实现可解释的仇恨视频检测，在Ex-HateMM和Ex-ImpliHateVid数据集上达到最优性能。
通过重新标注视觉-动作机器人数据的任务鲁棒性
机构 * Mila — Quebec AI Institute（Mila — 魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； The University of British Columbia（不列颠哥伦比亚大学）
专题命中 推理与问题求解 ：language model(abstract)；分类 cs.LG
AI总结 提出TREAD框架，利用大型视觉语言模型对机器人数据集进行语义子任务分解和多样化指令生成，无需额外数据收集，提升策略在未见任务上的泛化能力。
Comments Project website: https://akuramshin.github.io/tread
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈