语言大模型 / LLM

Learning When to Plan: Efficiently Allocating Test-Time Compute for LLM Agents

学习何时计划：高效分配测试时计算用于LLM代理

Davide Paglieri, Bartłomiej Cupiał, Jonathan Cook, Ulyana Piterbarg, Jens Tuyls, Edward Grefenstette, Jakob Nicolaus Foerster, Jack Parker-Holder, Tim Rocktäschel

机构 * University of Warsaw（华沙大学） ； University of Oxford（牛津大学） ； New York University（纽约大学） ； Princeton University（普林斯顿大学） ； University College London（伦敦大学学院） 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 本文提出一种动态规划框架，通过两阶段训练提升LLM在长周期任务中的样本效率和复杂目标达成能力，同时展示人类计划对代理系统性能的增强作用。

MergePipe: A Budget-Aware Parameter Management System for Scalable LLM Merging

MergePipe: 一种面向可扩展大语言模型融合的预算感知参数管理系统

Yuanyi Wang, Yanggan Gu, Zihao Wang, Kunxi Li, Yifan Yang, Zhaoyi Yan, Congkai Xie, Jianmin Wu, Hongxia Yang

机构 * Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） 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 MergePipe通过预算感知的参数管理实现高效的大语言模型融合，减少I/O并提升整体性能。

A Financial Brain Scan of the LLM

对大型语言模型的金融脑扫描

Hui Chen, Antoine Didisheim, Mohammad, Pourmohammadi, Luciano Somoza, Hanqing Tian

机构 * University of Melbourne（墨尔本大学） 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 通过

Comments 47 pages

KORAL: Knowledge Graph Guided LLM Reasoning for SSD Operational Analysis

KORAL: 基于知识图谱的LLM推理用于SSD运维分析

Mayur Akewar, Sandeep Madireddy, Dongsheng Luo, Janki Bhimani

机构 * Florida International University, Miami, FL, USA（佛罗里达国际大学） ； Argonne National Laboratory, Lemont, IL, USA（阿贡国家实验室） 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 KORAL结合LLM和知识图谱，实现SSD的端到端推理分析，提供专家级诊断和可解释的运维建议。

Journal ref Proc. IEEE International Parallel and Distributed Processing Symposium (IPDPS), 2026

LLM Reasoning Predicts When Models Are Right: Evidence from Coding Classroom Discourse

大语言模型推理可预测模型何时正确：来自编程课堂对话的证据

Bakhtawar Ahtisham, Kirk Vanacore, Zhuqian Zhou, Jinsook Lee, Rene F. Kizilcec

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

AI总结 本研究通过分析课堂对话中的教师发言，发现LLM生成的推理能有效预测模型预测的正确性，使用随机森林分类器达到F1得分0.83，表明基于推理的错误检测在教育对话分析中具有实用价值。

AnalyticsGPT: An LLM Workflow for Scientometric Question Answering

AnalyticsGPT: 一个基于大语言模型的科学度量问答工作流

Khang Ly, Georgios Cheirmpos, Adrian Raudaschl, Christopher James, Seyed Amin Tabatabaei

机构 * Elsevier B.V.（埃塞尔弗斯有限公司） 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.CL

AI总结 AnalyticsGPT通过LLM实现科学度量问答，结合检索增强生成和代理概念，提升科学数据分析效率。

Fundamental Reasoning Paradigms Induce Out-of-Domain Generalization in Language Models

基本推理范式诱导语言模型的领域外泛化

Mingzi Cao, Xingwei Tan, Mahmud Elahi Akhter, Marco Valentino, Maria Liakata, Xi Wang, Nikolaos Aletras

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

AI总结 本研究通过诱导基本推理范式提升语言模型的领域外泛化能力，实验表明方法在现实任务中性能提升显著。

ReAcTree: Hierarchical LLM Agent Trees with Control Flow for Long-Horizon Task Planning

ReAcTree：具有控制流的分层LLM代理树用于长时间任务规划

Jae-Woo Choi, Hyungmin Kim, Hyobin Ong, Youngwoo Yoon, Minsu Jang, Dohyung Kim, Jaehong Kim

机构 * ETRI & UST（ETRI与UST） ； UST 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 ReAcTree通过分层代理树和控制流实现复杂任务规划，显著提升长周期任务的完成效率和成功率。

Comments Accepted as a Full Paper at AAMAS 2026. This is the extended version including full appendices. Code is available at https://github.com/Choi-JaeWoo/ReAcTree.git

PersonaX: Multimodal Datasets with LLM-Inferred Behavior Traits

PersonaX: 多模态数据集与LLM推断行为特征

Loka Li, Wong Yu Kang, Minghao Fu, Guangyi Chen, Zhenhao Chen, Gongxu Luo, Yuewen Sun, Salman Khan, Peter Spirtes, Kun Zhang

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Australian National University（澳大利亚国立大学） 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.LG

AI总结 PersonaX通过多模态数据集结合LLM推断行为特征，推动多模态特征分析与因果推理发展。

Comments ICLR 2026

HealthProcessAI: A Technical Framework and Proof-of-Concept for LLM-Enhanced Healthcare Process Mining

HealthProcessAI: 一种基于大语言模型的医疗流程挖掘技术框架及证明概念

Eduardo Illueca-Fernandez, Kaile Chen, Fernando Seoane, Farhad Abtahi

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 HealthProcessAI通过整合大语言模型实现医疗流程挖掘的自动化解释和报告生成，提升其在医疗和流行病学中的可访问性和实用性。

Comments Figure 1 updated, typos corrected, references added, under review

Cochain: Balancing Insufficient and Excessive Collaboration in LLM Agent Workflows

Cochain: 在LLM代理工作流中平衡不足与过度的合作

Jiaxing Zhao, Hongbin Xie, Yuzhen Lei, Xuan Song, Zhuoran Shi, Lianxin Li, Shuangxue Liu, Linguo Xie, Haoran Zhang

机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； School of Urban Planning and Design, Peking University（北京大学城市规划与设计学院） 纠错

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

AI总结 Cochain通过整合知识图谱和提示树，有效解决业务工作流中LLM代理合作问题，优于基线模型。

Comments 35 pages, 23 figures

Bolmo: Byteifying the Next Generation of Language Models

Bolmo：字节化下一代语言模型

Benjamin Minixhofer, Tyler Murray, Tomasz Limisiewicz, Anna Korhonen, Luke Zettlemoyer, Noah A. Smith, Edoardo M. Ponti, Luca Soldaini, Valentin Hofmann

机构 * Allen Institute for AI（艾伦人工智能研究所） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 Bolmo通过两阶段转换将现有子词模型转换为字节级模型，实现性能和细粒度理解的平衡。

What Makes LLM Agent Simulations Useful for Policy Practice? An Iterative Design Study in Emergency Preparedness

是什么使大语言模型代理模拟对政策实践有用？一项关于应急准备的迭代设计研究

Yuxuan Li, Sauvik Das, Hirokazu Shirado

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 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.CL

AI总结 本文通过迭代设计研究，探讨了LLM代理模拟在应急准备中的应用，发现通过可验证场景建立信任、获取隐性知识以及共同进化模拟与政策实施是提升其对政策实践有用性的关键。

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

Chentong Chen, Mengyuan Zhong, Ye Fan, Jialong Shi, Jianyong Sun

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） 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 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。

ChatCFD: An LLM-Driven Agent for End-to-End CFD Automation with Structured Knowledge and Reasoning

ChatCFD: 一种基于大语言模型的端到端CFD自动化代理

E Fan, Kang Hu, Zhuowen Wu, Jiangyang Ge, Jiawei Miao, Yuzhi Zhang, He Sun, Weizong Wang, Tianhan Zhang

机构 * Department of Mechanics and Aerospace Engineering, Southern University of Science and Technology（南方科技大学机械与航空航天工程系） ； School of Astronautics, Beihang University（北航航天学院） ； DP Technology, Beijing（北京DP技术） ； College of Future Technology, Peking University（北京大学未来技术学院） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心） ； State Key Laboratory of High-Efficiency Reusable Aerospace Transportation Technology（高性能可重复使用航天运输技术国家重点实验室） ； Key Laboratory of Spacecraft Design Optimization and Dynamic Simulation Technology, Ministry of Education（航天器设计优化与动态仿真技术重点实验室） 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.CL

AI总结 ChatCFD通过结构化知识和推理，实现端到端CFD自动化，显著提升执行成功率和物理保真度，具备高灵活性和模块化设计。

Comments 19 pages, 8 figures

Journal ref Adv. Intell. Discov. 2025, 2500174

Invisible Walls in Cities: Designing LLM Agent to Predict Urban Segregation Experience with Social Media Content

城市中的隐形墙壁：设计LLM代理以通过社交媒体内容预测城市隔离体验

Bingbing Fan, Lin Chen, Songwei Li, Jian Yuan, Fengli Xu, Pan Hui, Yong Li

机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，BNRist，清华大学） ； Hong Kong University of Science（科学大学） 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.CL

AI总结 本文提出了一种基于LLM的代理，通过社交媒体内容预测城市隔离体验，利用代码本整合多通道特征，提升预测准确性并促进社会包容性。

Comments 11 pages, 6 figures. This paper has been accepted at The ACM Web Conference 2026

Position: The Real Barrier to LLM Agent Usability is Agentic ROI

位置：LLM代理可用性的真正障碍是代理的ROI

Weiwen Liu, Jiarui Qin, Xu Huang, Xingshan Zeng, Yunjia Xi, Jianghao Lin, Chuhan Wu, Yasheng Wang, Lifeng Shang, Ruiming Tang, Defu Lian, Yong Yu, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学） 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.CL

AI总结 本文提出LLM代理可用性的核心问题在于其投资回报率，主张通过Z字型发展路径提升其在日常应用中的可用性和可扩展性。

LegalOne: A Family of Foundation Models for Reliable Legal Reasoning

LegalOne：一种用于可靠法律推理的基础模型家族

Haitao Li, Yifan Chen, Shuo Miao, Qian Dong, Jia Chen, Yiran Hu, Junjie Chen, Minghao Qin, Yueyue Wu, Yujia Zhou, Qingyao Ai, Yiqun Liu, Cheng Luo, Quan Zhou, Ya Zhang, Jikun Hu

机构 * Department of Computer Science, Tsinghua University（清华大学计算机科学系） ； Quancheng Laboratory（清华云城实验室） ； University of Waterloo, Canada（加拿大滑铁卢大学） ； China University of Political Science and Law（中国政法大学） ； MegaTech.AI Inc（MegaTech.AI公司） 纠错

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

AI总结 LegalOne通过三阶段流程提升法律推理能力，结合领域适应、代理推理蒸馏和课程强化学习，在法律任务中取得超越通用LLMs的性能。

Comments 25 pages, v1

Think Silently, Think Fast: Dynamic Latent Compression of LLM Reasoning Chains

静思速思：动态潜在空间压缩LLM推理链

Wenhui Tan, Jiaze Li, Jianzhong Ju, Zhenbo Luo, Ruihua Song, Jian Luan

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； MiLM Plus, Xiaomi Inc.（小米公司） 纠错

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

AI总结 CoLaR通过动态潜在空间压缩LLM推理链，实现高效推理与灵活速度调整，提升数学推理任务的准确率和效率。

Comments 15 pages, 8 figures

ReMiT: RL-Guided Mid-Training for Iterative LLM Evolution

ReMiT: 通过强化学习指导的迭代大语言模型进化

Junjie Huang, Jiarui Qin, Di Yin, Weiwen Liu, Yong Yu, Xing Sun, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

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

AI总结 ReMiT通过强化学习指导中训练过程，实现大语言模型的迭代进化，提升模型在数学、代码和推理任务上的表现。

Comments 25 pages

ROG: Retrieval-Augmented LLM Reasoning for Complex First-Order Queries over Knowledge Graphs

ROG：基于知识图谱的复杂一阶查询的检索增强大语言模型推理

Ziyan Zhang, Chao Wang, Zhuo Chen, Chiyi Li, Kai Song

机构 * School of Information Science and Engineering, Chongqing Jiaotong University（信息科学与工程学院，重庆交通大学） ； State Grid Chongqing Electric Power Company（国网重庆市电力公司） 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.CL

AI总结 ROG通过检索增强的大语言模型推理，解决复杂一阶查询中的投影、交集、并集和否定问题，提升知识图谱推理的鲁棒性和准确性。

TransportAgents: a multi-agents LLM framework for traffic accident severity prediction

TransportAgents: 一种用于交通事故严重性预测的多智能体LLM框架

Zhichao Yang, Jiashu He, Jinxuan Fan, Cirillo Cinzia

机构 * Civil and Environmental Engineering, University of Maryland（大学环境工程系，马里兰州大学） ； Computer and Information Science, University of Pennsylvania（计算机与信息科学系，宾夕法尼亚大学） ； Statistics, University of California, Berkeley（统计学系，加州大学伯克利分校） 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 TransportAgents通过多智能体框架提升交通事故严重性预测的准确性与可靠性。

A State-Transition Framework for Efficient LLM Reasoning

一种用于高效大语言模型推理的状态转换框架

Liang Zhang, Yu Zhao, Longyue Wang, Tianqi Shi, Weihua Luo, Kaifu Zhang, Jinsong Su

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； Alibaba International Digital Commerce（阿里巴巴国际数字商务） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism, China（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），文化和旅游部，中国） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 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 本文提出了一种基于状态转换的高效推理框架，通过线性注意力机制和状态策略提升大语言模型的推理效率和性能。

Comments ICLR 2026

Reflecting with Two Voices: A Co-Adaptive Dual-Strategy Framework for LLM-Based Agent Decision Making

双声道反思：基于LLM的智能体决策的共适应双策略框架

Wentao Zhang, Qunbo Wang, BoXuan Zhao, Tao Zhang, Junsheng Wu, Hongping Gan, Ling Dai, Shizhuang Deng, Shuntong Sun, Yang Liu

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 DuSAR通过双策略共适应推理框架，无需演示或微调即可在模拟和真实环境中实现优于现有方法的性能，同时减少token消耗。

Task-Aware LLM Council with Adaptive Decision Pathways for Decision Support

具有自适应决策路径的任务感知大语言模型委员会用于决策支持

Wei Zhu, Lixing Yu, Hao-Ren Yao, Zhiwen Tang, Kun Yue

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 TALC通过任务感知的LLM委员会和自适应决策路径，提升决策支持任务的成功率和搜索效率。

Comments A shorter version of this work has been accepted by ICASSP 2026

Jailbreaks on Vision Language Model via Multimodal Reasoning

通过多模态推理实现对视觉语言模型的逃逸攻击

Aarush Noheria, Yuguang Yao

机构 * Novi High School, MI, USA（诺维高中） ； Michigan State University, MI, USA（密歇根州立大学） 纠错

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

AI总结 本文提出了一种基于多模态推理的逃逸攻击框架，通过训练后链式推理和自适应噪声机制提高对视觉语言模型的安全过滤器的绕过能力。

SCALAR: Quantifying Structural Hallucination, Consistency, and Reasoning Gaps in Materials Foundation Models

SCALAR：量化材料基础模型中的结构幻觉、一致性和推理差距

Can Polat, Erchin Serpedin, Mustafa Kurban, Hasan Kurban

机构 * Texas A\&M University, College Station, TX, USA（德克萨斯A&M大学） ； Ankara University, Ankara, Turkey（安卡拉大学） ； Texas A\&M University at Qatar, Doha, Qatar（德克萨斯A&M大学多哈分校） ； Hamad Bin Khalifa University, Doha, Qatar（哈马德·本·卡西姆大学） 纠错

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

AI总结 SCALAR基准通过评估几何尺度泛化与材料基础模型中结构幻觉、一致性和推理的关系，揭示了大语言模型在材料科学推理中的性能局限。

Uncovering Hidden Correctness in LLM Causal Reasoning via Symbolic Verification

通过符号验证揭示LLM因果推理中的隐藏正确性

Paul He, Yinya Huang, Mrinmaya Sachan, Zhijing Jin

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； ETH Zürich（苏黎世联邦理工学院） ； MPI for Intelligent Systems（智能系统研究所） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） 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 本文提出DoVerifier，通过符号验证揭示LLM因果推理中的隐藏正确性，提升因果推理评估的严谨性与信息量。

Comments EACL 2026 Main

Planner-Auditor Twin: Agentic Discharge Planning with FHIR-Based LLM Planning, Guideline Recall, Optional Caching and Self-Improvement

计划-审核双胞胎：基于FHIR的LLM计划、指南回忆、可选缓存和自我改进的代理出院计划

Kaiyuan Wu, Aditya Nagori, Rishikesan Kamaleswaran

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 基于FHIR的LLM计划与审核框架，通过自我改进和缓存优化，提升临床出院计划的安全性和可靠性。

Should I Have Expressed a Different Intent? Counterfactual Generation for LLM-Based Autonomous Control

我本应表达不同的意图？基于LLM的自主控制的反事实生成

Amirmohammad Farzaneh, Salvatore D'Oro, Osvaldo Simeone

机构 * Department of Engineering, King's College London, London, UK（伦敦大学金史密斯学院工程系） ； Intelligent Networked Systems Institute (INSI), Northeastern University, Boston, MA, USA（东北大学智能网络系统研究所） ； Intelligent Networked Systems Institute (INSI), Northeastern University, London, UK（伦敦大学东北大学智能网络系统研究所） 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 本文提出一种基于结构因果模型的反事实生成方法，通过概率性反事实生成和离线校准，为LLM驱动的自主控制提供可靠反事实推理，展示了在无线网络控制中的显著优势。