语言大模型 / LLM

Prompting Robot Teams with Natural Language

用自然语言提示机器人团队

Eduardo Sebastián, Nicolas Pfitzer, Ajay Shankar, Amanda Prorok

机构 * Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系） ； Department of Mechanical and Process Engineering, ETH Zurich（苏黎世联邦理工学院机械与过程工程系） 纠错

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

AI总结 提出利用语言模型将高层任务分解为子任务，并蒸馏为循环神经网络（RNN）以支持多机器人团队的去中心化实时执行，通过图神经网络控制策略实现协作。

Comments This paper has been accepted for publication at IEEE Robotics and Automation Letters. Please, when citing the paper, refer to the official version

SCRIBE: Structured Mid-Level Supervision for Tool-Using Language Models

SCRIBE：结构化中层监督用于工具使用语言模型

Yuxuan Jiang, Francis Ferraro

机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校） 纠错

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

AI总结 SCRIBE通过引入中层抽象监督框架，减少多步推理中的信用分配难度，提升工具使用代理的可靠性与准确性。

Where Do CoT Training Gains Land in LLM based Agents?

CoT训练在基于LLM的智能体中的增益何在？

Jingyu Liu, Zhiwen Wang, Yuxin Jing, Huanyu Zhou, Yong Liu

机构 * ByteDance（字节跳动） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京市大模型与智能治理重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（教育部新一代智能搜索与推荐工程研究中心） 纠错

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

AI总结 通过比较有无思维链的动作预测，发现CoT训练主要提升直接动作预测质量，而非CoT推理优势，后期检查点更依赖提示，选择性掩码动作监督可改善泛化。

Grounded Chess Reasoning in Language Models via Master Distillation

通过大师蒸馏实现语言模型中的接地国际象棋推理

Zhenwei Tang, Qianfeng Wen, Seth Grief-Albert, Yahya Elgabra, Blair Yang, Honghua Dong, Ashton Anderson

机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Queen’s University（皇后大学） ； Coolwei AI Lab（Coolwei人工智能实验室） 纠错

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

AI总结 提出大师蒸馏框架，将专家系统推理过程蒸馏为自然语言思维链，使4B参数模型C1在国际象棋中达到48.1%准确率，超越所有开源模型和多数前沿闭源系统。

Investigating Faithfulness in Large Audio Language Models

大型音频语言模型中的忠实性研究

Pooneh Mousavi, Lovenya Jain, Mirco Ravanelli, Cem Subakan

机构 * Concordia University（康科迪亚大学） ； Mila - Quebec AI Institute（魁北克人工智能研究院） ； Université Laval（拉瓦尔大学） ； Birla Institute of Technology and Science, Pilani（比拉理工学院和科学学院，皮兰尼） 纠错

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

AI总结 提出系统框架评估大型音频语言模型在推理链忠实性上的表现，定义三个音频忠实性标准，并通过基准测试发现模型推理与音频输入存在脱节。

Comments Accepted to Interspeech 2026

ParkingTransformer: LLM-Enhanced End-to-End Trajectory Planning for Autonomous Parking

ParkingTransformer: 基于大语言模型增强的端到端自主泊车轨迹规划

Hauteng Wu, Xu Li, Dong Kong, Zihang Wang, Xieyuanli Chen, Benwu Wang, Wenkai Zhu

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； School of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院） ； College of Transportation, Shandong University of Science and Technology（山东科技大学交通学院） ； National University of Defense Technology（国防科技大学） 纠错

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

AI总结 提出ParkingTransformer框架，利用多视角感知和大语言模型场景理解能力，结合轨迹查询与隐状态特征，直接输出规划轨迹，无需密集BEV表示，通过3D位置编码、固定窗口流机制和粗到细解码策略提升性能，在CARLA和实车实验中验证有效性。

Forced Deferral: Manipulating Routing Decisions in Multimodal LLM Cascades

强制延迟：在多模态大语言模型级联中操纵路由决策

Zhongye Liu, Yaopei Zeng, Yurui Chang, Lu Lin

机构 * Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 提出强制延迟攻击（FDA），通过对抗性图像攻击降低弱模型置信度，迫使级联系统将查询路由到强模型，揭示了MLLM级联在计算分配上的安全漏洞。

Understanding LLM Reasoning for Abstractive Summarization

理解大语言模型在抽象摘要中的推理能力

Haohan Yuan, Haopeng Zhang

机构 * ALOHA Lab, University of Hawaii at Manoa（夏威夷大学马诺亚分校ALOHA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)；分类 cs.CL

AI总结 本研究通过大规模比较8种推理策略和3种大型推理模型在8个数据集上的表现，发现推理并非万能，其效果依赖于策略和摘要设置，且存在质量与事实准确性之间的权衡。

Comments 27 pages,15 figures

Entity Binding Failures in Speech LLM Reasoning: Diagnosis and Chain-of-Thought Intervention

语音大模型推理中的实体绑定失败：诊断与思维链干预

Ming-Hao Hsu, Xiaohai Tian, Jun Zhang, Zhizheng Wu

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（1 数据科学学院，香港中文大学（深圳）） ； ByteDance, China（2 字节跳动，中国） 纠错

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

AI总结 本文通过诊断语音大模型在逻辑推理中的实体绑定失败问题，提出实体感知思维链方法，显著提升推理准确率。

Comments INTERSPEECH 2026

CLPO: Curriculum Learning meets Policy Optimization for LLM Reasoning

CLPO：课程学习与策略优化相结合用于大语言模型推理

Shijie Zhang, Zheng Xiao, Shiyu Liu, Guohao Sun, Kevin Zhang, Xiang Guo, Rujun Guo, Shaoyu Liu, Wangxiao Zhao, Guanjun Jiang

机构 * Peking University（北京大学） ； Qwen Applications Business Group, Alibaba Group（通义实验室，阿里巴巴集团） ； Xiamen University（厦门大学） 纠错

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

AI总结 提出CLPO框架，通过在线策略准确率动态调整问题难度，使课程与策略共同进化，在数学和通用推理基准上显著优于GRPO和DAPO。

SAID: Accelerating Diffusion-Based Language Models via Scaffold-Aware Iterative Decoding

SAID: 通过支架感知迭代解码加速基于扩散的语言模型

Na Li, Chengda Wang, Mingju Gao, Hao Tang

机构 * School of Computer Science, Peking University（北京大学计算机科学系） 纠错

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

AI总结 提出SAID框架，通过将去噪计算重新分配给支架令牌来加速扩散语言模型，并引入CHLG为低置信度令牌分配额外步骤，在LLaDA模型上实现最高9.1倍加速且保持竞争性能。

Comments Code: https://github.com/TH-AI-Lab-PKU/SAID

Are Tools Always Beneficial? Learning to Invoke Tools Adaptively for Dual-Mode Multimodal LLM Reasoning

工具总是有益的吗？学习自适应调用工具以实现双模式多模态大语言模型推理

Qinghe Ma, Zhen Zhao, Yiming Wu, Jian Zhang, Lei Bai, Yinghuan Shi

机构 * 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)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 提出AutoTool模型，通过强化学习框架自适应决定是否调用工具，结合双模式推理策略和模式特定奖励函数，在提升准确率的同时降低推理开销。

Comments Accepted to ICML 2026

World Models Meet Language Models: On the Complementarity of Concrete and Abstract Reasoning

世界模型遇见语言模型：论具体推理与抽象推理的互补性

Yucheng Zhou, Wei Tao, Yiwen Guo, Jianbing Shen

机构 * Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出受控具体推理框架及PF-OPSD方法，通过结合世界模型的视觉模拟与多模态大语言模型的抽象推理，在空间前瞻和开放域物理预测任务上提升性能与鲁棒性。

On the Generalization Gap in Self-Evolving Language Model Reasoning

自进化语言模型推理中的泛化差距

Zhenting Qi, Susanna Maria Baby, Stefanie Anna Baby, Kan Yuan, Andrew Tomkins, Tu Vu, Da-Cheng Juan, Cyrus Rashtchian

机构 * Google Research（谷歌研究） ； Harvard University（哈佛大学） ； Google（谷歌） ； Virginia Tech（弗吉尼亚理工大学） 纠错

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

AI总结 本文研究严格闭环设置下自进化算法与完美监督之间的差距，发现多轮批评-修正策略可接近完美监督性能，但自进化仍存在非平凡差距。

Comments Published at ICML 2026

Recognize Your Orchestrator: An Entropy Dynamics Perspective for LLM Multi-Agent Systems

识别你的编排器：面向LLM多智能体系统的熵动力学视角

Junze Zhu, Weihao Chen, Xuanwang Zhang, Zhen Wu, Xinyu Dai

机构 * Junze Zhu, Weihao Chen, Xuanwang Zhang, Zhen Wu, Xinyu Dai（朱俊泽、陈伟浩、张轩望、伍震、戴新宇） 纠错

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

AI总结 提出平均场熵动力学框架，通过逆工作流生成（IWG）合成高复杂度基准，揭示推理型模型作为编排器时因上下文压缩而失效的“推理陷阱”，为多智能体系统架构设计提供物理可解释参数。

Revise, Don't Freeze: Sampler-Matched Training for Self-Correcting Masked Diffusion Language Models

修正而非冻结：面向自修正掩码扩散语言模型的采样器匹配训练

Longxuan Yu, Shaorong Zhang, Yu Fu, Hui Liu, Yue Dong, Greg Ver Steeg

机构 * University of California, Riverside（加州大学河滨分校） ； Microsoft（微软） 纠错

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

AI总结 针对掩码扩散语言模型在去噪过程中未利用可见标记修正能力的问题，提出无需额外模块的采样器D3IM和轻量级后训练方法SCOPE，显著提升数学和代码生成性能。

Comments 8 pages, 2 figures, 10 tables

Vision Language Models Cannot Reason About Physical Transformation

视觉语言模型无法推理物理变换

Dezhi Luo, Yijiang Li, Maijunxian Wang, Tianwei Zhao, Bingyang Wang, Siheng Wang, Pinyuan Feng, Pooyan Rahmanzadehgervi, Ziqiao Ma, Hokin Deng

机构 * 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 ：language model(title,abstract)；prompting(abstract)；分类 cs.AI

AI总结 本文通过构建ConservationBench基准，评估112个视觉语言模型在物理守恒任务上的表现，发现模型在动态场景中无法维持物理属性的变换不变性。

Comments Accepted by ICML 2026

3ViewSense: Spatial and Mental Perspective Reasoning from Orthographic Views in Vision-Language Models

3ViewSense: 视觉-语言模型中基于正交视图的空间与心理视角推理

Shaoxiong Zhan, Yanlin Lai, Zheng Liu, Hai Lin, Shen Li, Xiaodong Cai, Zijian Lin, Wen Huang, Hai-Tao Zheng

机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院） ； School of Software Engineering, Chongqing University, Chongqing, China（重庆大学软件学院） 纠错

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

AI总结 提出3ViewSense框架，通过正交视图的“模拟-推理”机制解决视觉-语言模型在空间推理中的视角一致性问题，显著提升遮挡计数和空间推理性能。

Comments Accepted to ICML 2026

Knowing What to Solve Before How: Preplan Empowered LLM Mathematical Reasoning

知道在如何解决之前该解决什么：预规划赋能的大语言模型数学推理

Shaojie Wang, Liang Zhang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 提出PPC框架，通过引入显式的问题理解阶段（预规划）来弥补现有规划推理方法中“如何解决”与“该解决什么”之间的范式差距，在多个数学推理基准上取得最佳结果。

Prioritize the Process, Not Just the Outcome: Rewarding Latent Thought Trajectories Improves Reasoning in Looped Language Models

优先过程而非结果：奖励潜在思维轨迹改善循环语言模型的推理能力

Jonathan Williams, Esin Tureci

机构 * Department of Computer Science, Princeton University, Princeton NJ, U.S.A（普林斯顿大学计算机科学系） 纠错

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

AI总结 针对循环语言模型（LoopLM）中标准强化学习（如GRPO）仅奖励最终潜在状态导致推理改进失败的问题，提出RLTT框架，通过在整个潜在推理轨迹上分配奖励实现密集的轨迹级信用分配，显著提升数学推理性能并泛化至非数学任务。

Comments ICML 2026

FABSVer: Faster Training and Better Self-Verification for LLM Mathematical Reasoning

FABSVer: 更快的训练与更好的自验证用于大语言模型数学推理

Haihui Pan, Junwei Bao, Hongfei Jiang, Yang Song

机构 * Zuoyebang Education Technology（左岳邦教育科技） 纠错

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

AI总结 提出FABSVer方法，通过融合解生成与自验证为单次前向传播，并引入动态参考模型更新（DRMU）突破奖励瓶颈，在三个模型规模上实现更优的自验证与推理性能，训练时间仅为现有方法的51%-71%。

Prefix-Safe Bayesian Belief Tracking for LLM Reasoning Reliability:Separating Calibration from Ranking

前缀安全贝叶斯信念追踪用于LLM推理可靠性：将校准与排序分离

Zhenghan Song, Yunyi Li, Yulong Liu

机构 * Cornell University（康奈尔大学） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 提出前缀安全贝叶斯信念追踪（SBBT）框架，通过分离概率质量与排序能力，在长链推理中实现可靠的在线校准与不确定性估计。

PolyGnosis 2.0: Enhancing LLM Reasoning via Agentic Harness Engineering for Polymarket and OSINT Insight Extraction

PolyGnosis 2.0: 通过智能体工程增强LLM推理，用于Polymarket和OSINT洞察提取

Daren Wang, Hong Xu, Jiawen Xian

机构 * The Chinese University of Hong Kong（香港中文大学） ； Evolution AI Lab（进化人工智能实验室） 纠错

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

AI总结 本文提出PolyGnosis 2.0多智能体架构，通过融合Polymarket异常信号与全球开源情报（GDELT）来提取预测情报，并量化“视角错配”作为高阿尔法交易信号，同时评估“工具工程”技术（如反射循环、工具调用、分治和思维链）在高噪声金融领域的有效性。

Miller-Index-Based Latent Crystallographic Fracture Plane Reasoning and generation with Vision-Language Models

基于米勒指数的潜在晶体学断裂面推理与生成：视觉-语言模型方法

Qinwu Xu, Xiaofu Ma, Yifan Jiang

机构 * Independent research（独立研究） 纠错

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

AI总结 研究多模态大语言模型能否利用米勒指数作为结构化潜在表示来推理断裂几何，实验表明模型在理想条件下可进行潜在推理，并能拒绝不适用物理的表示。

PROGRESSLM: Towards Progress Reasoning in Vision-Language Models

PROGRESSLM: 迈向视觉-语言模型中的进度推理

Jianshu Zhang, Chengxuan Qian, Haosen Sun, Haoran Lu, Dingcheng Wang, Letian Xue, Han Liu

机构 * Northwestern University（西北大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） 纠错

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

AI总结 本文提出Progress-Bench基准和ProgressLM-3B模型，通过两阶段进度推理范式，评估并提升视觉-语言模型从部分观测中推断任务进度的能力。

Comments ACL 2026 Camera Ready Version

Circle-RoPE: Cone-like Decoupled Rotary Positional Embedding for Large Vision-Language Models

Circle-RoPE: 用于大视觉-语言模型的锥形解耦旋转位置嵌入

Chengcheng Wang, Jianyuan Guo, Hongguang Li, Yuchuan Tian, Ying Nie, Chang Xu, Kai Han

机构 * Huawei Noah's Ark Lab.（华为诺亚实验室） ； City University of Hong Kong.（香港城市大学） ； University of Sydney.（悉尼大学） ； State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学人工智能国家重点实验室，智能科学与技术学院） 纠错

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

AI总结 本文提出Circle-RoPE，通过将图像标记坐标映射到与文本位置轴正交的圆环上，实现跨模态位置解耦，同时保留图像内部空间结构，并通过交替几何编码增强跨模态位置解耦和细粒度图像空间结构保留。

Comments Accepted at ICML 2026

MDM-Prime-v2: Binary Encoding and Index Shuffling Enable Scaling of Diffusion Language Models

MDM-Prime-v2：二进制编码和索引洗牌使扩散语言模型能够扩展

Chen-Hao Chao, Wei-Fang Sun, Junwei Quan, Chun-Yi Lee, Rahul G. Krishnan

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； NVIDIA AI Technology Center（NVIDIA AI技术中心） ； National Taiwan University（国立台湾大学） 纠错

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

AI总结 本文提出MDM-Prime-v2，通过二进制编码和索引洗牌技术改进扩散语言模型，解决了子分词器功能形式与BPE分词器结合导致的交叉熵损失增加以及子分词器粒度超参数选择缺乏工具的问题，从而提升了模型在常识推理基准上的零样本准确率。

PHYSICS: Benchmarking Foundation Models on University-Level Physics Problem Solving

PHYSICS：在大学物理问题求解中基准测试基础模型

Kaiyue Feng, Yilun Zhao, Yixin Liu, Tianyu Yang, Chen Zhao, John Sous, Arman Cohan

机构 * Yale University（耶鲁大学） ； New York University（纽约大学） ； Notre Dame University（诺特丹大学） 纠错

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

AI总结 本文提出PHYSICS基准测试，用于评估大学水平物理问题求解能力，包含1297个专家标注的问题，涵盖六个核心领域，并通过自动化评估系统揭示了领先基础模型的显著局限性。

Journal ref Findings of ACL 2025

Taming the Thinker: Conditional Entropy Shaping for Adaptive LLM Reasoning

驯服思考者：面向自适应大语言模型推理的条件熵塑造

Shuyu Wei, Jian Sun, Delai Qiu, Yining Wang, Shengping Liu, Jiaen Liang, Ying Fu, Wei Huang, Jitao Sang

机构 * Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence（北京交通大数据挖掘与具身智能重点实验室） ； Beijing Jiaotong University（北京交通大学） ； Unisound AI Technology Co., Ltd.（Unisound AI科技有限公司） 纠错

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

AI总结 本文提出条件熵塑造（CES）框架，通过动态控制token级响应熵，使大语言模型在简单问题上产生简洁解，在复杂问题上促进深入探索，从而平衡响应长度与准确性。

Unified Deployment-Aware Evaluation of Open Reasoning Language Models

统一的部署感知开放推理语言模型评估

Md Motaleb Hossen Manik, Ge Wang

机构 * Department of Computer Science, Rensselaer Polytechnic Institute（理海理工学院计算机科学系） ； Department of Biomedical Engineering, Rensselaer Polytechnic Institute（理海理工学院生物医学工程系） 纠错

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

AI总结 本文提出了一种统一的开放推理语言模型评估方法，通过四个基准测试（ARC-Challenge、GSM8K、MATH 1-3级和TruthfulQA MC1）对七种配置进行评估，结合零样本、链式思维（CoT）和少量样本CoT提示策略，分析模型在准确率、延迟、内存使用等多目标下的表现，强调部署感知的多目标优化问题。