语言大模型 / LLM

Credit Cards, Confusion, Computation, and Consequences: What Can We Uncover About Language Model Reasoning?

信用卡、困惑、计算与后果：我们能从语言模型推理中发现什么？

Arnav Hiray, Agam Shah, Caleb Lu, Meghaj Tarte, Harsit Mittal, Sudheer Chava

机构 * College of Computing（计算机学院） ； Scheller College of Business（舍勒商学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 该研究构建了首个基于真实信用卡协议的数值推理金融素养基准CreditCardQA，评估发现程序思维（PoT）提示可提升模型推理性能，错误多源于金融规则误用等，边缘案例易影响财务脆弱群体。

Comments Accepted at CoLM 2026

Enhancing Linguistic Competence of Language Models through Pre-training with Language Learning Tasks

通过语言学习任务预训练增强语言模型的语言能力

Atsuki Yamaguchi, Maggie Mi, Nikolaos Aletras

机构 * School of Computer Science, University of Sheffield, United Kingdom（谢菲尔德大学计算机科学学院，英国） 纠错

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

AI总结 本文提出L2T框架，结合语言学习任务与标准预测任务，提升语言模型在语言能力评估中的表现，同时保持推理任务的竞争力。

Comments Accepted to ACL 2026 Main Conference

Context Assembly as the Controlled Variable: A Control-Theoretic View of Harness Policies for Frozen LLM Agents

作为受控变量的上下文组装：冻结大语言模型智能体利用策略的控制理论视角

Debjyoti Paul

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

AI总结 研究聚焦大语言模型智能体，以往控制工具选择等，本文将上下文组装视为受控变量，通过上下文博弈或强化学习策略在线学习，进行形式分解、稳定性论证及不确定性校准分析，给出控制理论视角的相关证据。

Comments 6 pages, 2 figures, 1 table. Code and companion paper's data: https://github.com/dpaul0501/context-optimization-rl

Statistically Supported LLM Ingredient and Recipe Data Collection in Computational Nutrition

计算营养中统计支持的大语言模型成分与食谱数据收集

James Izzard, Hassan Eshkiki, Fabio Caraffini

机构 * Swansea University（斯旺西大学） 纠错

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

AI总结 研究针对计算营养中成分数据问题，提出结合统计估计、不变性检查和网络获取的大语言模型管道。通过该管道可获取精确数据，在参考集上实现高匹配度并大幅降低误差，将大语言模型辅助数据库构建变为可控流程。

Spatial Reasoning in LLM Game Agents: Impact of Causal Context and Multi-Step Planning

大语言模型游戏智能体中的空间推理：因果上下文和多步规划的影响

Mohit Jiwatode, Ronja Fuchs, Robin Schmöcker, Bodo Rosenhahn, Alexander Dockhorn

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

AI总结 研究基于大语言模型的游戏智能体在复杂任务中表现不佳的问题，通过实验验证因果提示增强和多步规划可提升胜率并控制延迟，引入新基准评估，发现较大模型定位更准，融入因果上下文和多步规划能优化性能与速度。

Comments To be published at COG 2026

Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills

技能自我博弈：通过协同进化技能拓展大语言模型能力边界

Siyuan Huang, Pengyu Cheng, Haotian Liu, Tao Chen, Yihao Liu, Jingwei Ni, Shijie Zhou, Ziyi Yang, Gangwei Jiang, Mengyu Zhou, Yu Cheng, Xiaoxi Jiang, Guanjun Jiang

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

AI总结 研究针对大语言模型训练困境，引入Skill Self-Play协同进化框架，由提议者、求解器和控制器构成，经强化学习循环使组件协同进化，有效弥合验证与探索差距，推动模型性能提升。

What is Good? Extracting and Testing Implicit Theories of Literary Quality from LLM Reasoning Traces

什么是好的？从大语言模型推理痕迹中提取并测试文学质量的隐含理论

Birger Moëll

机构 * Uppsala University（乌普萨拉大学） 纠错

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

AI总结 研究通过构建含30篇文本的基准从大语言模型推理痕迹提取文学质量隐含理论，经五次复制实验得模型判断写作质量的相关结论；还通过对经典散文段落退化探究该理论，发现其判断整体、作者特定且对结构更敏感，对相关领域有启示。

Reinforcement Learning: From Algorithms To Foundation Models

强化学习：从算法到基础模型

Zihan Ding

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

AI总结 本文从游戏算法和基础模型时代的RL两个视角展开研究，前者聚焦多智能体RL中相关概念的相互作用，后者利用生成和基础模型丰富序列决策，开发多种模型并进行相关研究，呈现RL在复杂序列域的统一视图，突出其连接多方面的作用。

Comments Princeton University PhD Thesis 2026

SlotGuard: Stop Oversharing Private Local Context in LLM Agent Transcri

SlotGuard：阻止大语言模型代理转录中过度共享私有本地上下文

Haocheng Xia, Yongjoo Park

机构 * Siebel School of Computing（计算机科学系） ； Data Science, University of Illinois Urbana-Champaign（数据科学，伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 研究大语言模型代理转录本隐私泄露问题，提出SlotGuard方法，通过重写结构绑定、替换机密值、链接跨轮引用等操作隐藏敏感数据，在保持代理性能的同时大幅降低凭证泄漏率。

Comments ICML 2026 AIWILD

PlanFlip: Attacking Multi-Agent LLM Systems via Planning-Phase Prompt Injection

PlanFlip：通过规划阶段提示注入攻击多智能体大语言模型系统

Yuhang Wang

机构 * Fudan University（复旦大学） 纠错

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

AI总结 研究针对多智能体大语言模型系统规划阶段的攻击，提出PlanFlip框架包含四种攻击，通过对九个模型的3479次测试发现能力放大漏洞、同类管道盲点及推理增强模型的抗性等结果，并提出检测方法，强调异构模型多样性对系统安全的重要性。

AnovaX: A Local, Multi-Agent Voice Assistant with LLM Planning, Typed Executors, and Adaptive Recovery

AnovaX：一个具有大语言模型规划、类型化执行器和自适应恢复功能的本地多智能体语音助手

Raunak B Sinha

机构 * BITS Pilani（贝拉理工学院皮拉尼分校） 纠错

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

AI总结 研究桌面语音助手局限，提出AnovaX本地多智能体语音助手，通过Python进程连接多组件，含规划器、安全层等，各工具对应专用智能体类，有递归元智能体及自适应恢复循环，还介绍配套服务器功能，展示其独特优势。

MaxSAT-Based Feedback for Guiding Vision-Language Models in Sudoku

基于最大可满足性的反馈在数独中引导视觉语言模型

Pedro Orvalho, Guillem Alenyà, Felip Manyà

机构 * Artificial Intelligence Research Institute (IIIA), Consejo Superior de Investigaciones Científicas (CSIC)（人工智能研究所（IIIA），西班牙科学研究高级理事会（CSIC）） ； Institut de Robòtica i Informàtica Industrial (IRI-CSIC-UPC)（工业机器人与信息学研究所（IRI-CSIC-UPC）） 纠错

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

AI总结 研究在数独中引导视觉语言模型的问题，提出通过MaxSAT预言机将形式约束推理集成到VLM求解过程的神经符号方法，经实验验证该方法能提高逻辑一致性和解决实例数量，增强视觉语言推理可靠性。

Comments Accepted at the 25th EPIA Conference on Artificial Intelligence, EPIA 2026. 16 pages, 1 figure, and 1 table

ABot-N1: Toward a General Visual Language Navigation Foundation Model

ABot-N1：迈向通用视觉语言导航基础模型

Ruiyan Gong, Yingnan Guo, Junjun Hu, Jintao Kong, Xiaoxu Leng, Tianlun Li, Weize Li, Fei Liu, Zhicheng Liu, Jia Lu, Minghua Luo, Chenlin Ming, Yanfen Shen, Jiyue Tao, Zhengbo Wang, Mingyang Yin, Minqi Gu, Zihao Guan, Wei Guo, Guoqing Liu, Huachong Pang, Menglin Yang, Zeqian Ye, Xiaoxiao Geng, Zhining Gu, Honglin Han, Di Jing, Hongyu Pan, Mingchao Sun, Kuan Yang, Jianfang Zhang, Yanghong Chen, Ye He, Wei Mei, Jiahao Shi, Xiangpo Yang, Yanqing Zhu, Yang Cai, Jingjing Ma, Shihui Su, Zixiao Tang, Linbo Zheng, Zedong Chu, Xiaolong Wu, Wenbin Tang, Mu Xu

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

AI总结 研究旨在构建通用视觉语言导航基础模型，针对当前方法问题，提出ABot-N1，通过慢-快架构解耦认知与控制，利用双视觉语言信号，实现跨场景稳健、可推广且可解释的导航，在城市规模导航等任务中表现出色并开源新基准。

MCPEvol-Bench: Benchmarking LLM Agent Performance Across Dynamic Evolutions of MCP Servers

MCPEvol-Bench：跨MCP服务器动态演化对大语言模型智能体性能进行基准测试

Huanxi Liu, Kun Hu, Jiaqi Liao, Qiang Wang, Pengfei Qian, YuanZhao Zhai, Dawei Feng, Bo Ding, Huaimin Wang

机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； State Key Laboratory of Complex & Critical Software Environment（复杂关键软件环境国家重点实验室） ； National Key Laboratory of Parallel and Distributed Computing（并行与分布式计算国家重点实验室） 纠错

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

AI总结 研究针对MCP服务器工具接口和功能持续演化致评估有缺陷的问题，引入MCPEvol-Bench基准测试，提出11种变异算子模拟工具演化，对12个先进大语言模型测试，发现前沿模型也难适应，凸显大语言模型驱动工作流程脆弱性，确立评估标准。

What We Talk About When We Talk About LLM Planning: Evidence for Two Distinct Planning Abilities

当我们谈论大语言模型规划时我们在谈论什么：两种不同规划能力的证据

Sukai Huang, Chenyuan Zhang, Fucai Ke, Zhixi Cai, Naim Rastgoo, Gholamreza Haffari, Hamid Rezatofighi

机构 * Faculty of Information Technology, Monash University（莫纳什大学信息技术学院） 纠错

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

AI总结 研究大语言模型规划任务性能差异原因，通过在ACPBench-Hard上评估多个模型家族，应用多维项目反应理论模型，发现操作推理和结构枚举两个塑造规划性能的维度，推动大语言模型规划的能力层面评估。

Comments 19 pages. Keywords: Reasoning, Automated Planning, Item Responses Theory, LLMs as Planner Research Area: NLP and Symbolic Reasoning Research Area Keywords: neurosymbolic, planning in agents, symbolic reasoning Contribution Types: Model analysis & interpretability

Looped State-Space Language Models with Adaptive Exit-State Selection

具有自适应退出状态选择的循环状态空间语言模型

Zhenxuan Yu, Takeshi Kojima, Yutaka Matsuo, Yusuke Iwasawa

机构 * Rikkyo University（立教大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 研究循环状态空间语言模型在推理任务及预训练中的表现，采用循环曼巴等架构，在推理任务中优于非循环基线，预训练时在下游基准测试有竞争力，适配退出门后在中间深度提升下游性能。

Predicting Viticulture Potential through an Ensemble of U-Net and a Geospatial Foundation Model

通过U-Net和地理空间基础模型的集成预测葡萄种植潜力

Jorge Ignacio Perez, Hwaai Kang Kee, Lucas Rassbach

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 针对ImageCLEF AI4Agri 2026法国南部葡萄种植潜力预测子任务，DS@GT ARC团队采用U-Net和地理空间基础模型集成方法，其最佳模型准确率达68.32，在7个团队中排第二，且实现已公开。

Comments To be published in CLEF 2026 Working Notes

Evaluating SageMath-Augmented LLM Agents for Computational and Experimental Mathematics

评估用于计算和实验数学的SageMath增强型大语言模型智能体

Pavel Snopov, German Magai

机构 * The Sage Developers（Sage开发者团队） 纠错

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

AI总结 研究聚焦AI在数学领域进展，提出结合大语言模型推理与SageMath反馈的智能体设置，改进RealMath基准。实验表明该设置能提升模型性能，缩小模型差距，CAS增强型智能体在计算探索上有潜力，朝自动猜想发现迈进。

Comments 37 pages, 16 figures, accepted to 3rd AI for Math Workshop at ICML 2026

Beyond Reactivity: Measuring Proactive Problem Solving in LLM Agents

超越反应性：衡量大语言模型智能体中的主动解决问题能力

Gil Pasternak, Dheeraj Rajagopal, Julia White, Dhruv Atreja, Matthew Thomas, George Hurn-Maloney, Ash Lewis

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

AI总结 研究旨在衡量大语言模型智能体的主动解决问题能力。提出PROBE方法，将主动性分解为三个核心能力。应用该方法评估领先模型和框架，发现即使最先进的模型表现也不佳，GPT-5和Claude Opus-4.1最佳端到端性能为40%，突出局限并揭示未来研究方向。

TACG: Trajectory-Aware Commit Gating for Diffusion Language Model Decoding

TACG：用于扩散语言模型解码的轨迹感知提交门控

Chengcheng Wang, Tingzhang Luo, Wenhao Li, Jianyuan Guo, Chang Xu

机构 * University of Sydney（悉尼大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 研究扩散语言模型解码问题，提出无训练的门级解码器TACG，结合时间隐式逻辑引导和历史门，基于轨迹信号决定是否提交，在多基准测试中提升性能。

Visually Grounded Self-Reflection for Vision-Language Models via Reinforcement Learning

基于强化学习的视觉语言模型视觉接地自反思

Liyan Tang, Fangcong Yin, Greg Durrett

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； New York University（纽约大学） 纠错

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

AI总结 提出VRRL框架，通过随机掩码轨迹前缀和缓冲回滚机制，增强视觉语言模型在分布外场景下的视觉接地自反思能力，显著提升准确率。

What's Hidden Matters: Identifying Planning-Critical Occluded Agents using Vision-Language Models

隐藏之物至关重要：使用视觉语言模型识别规划关键性的被遮挡智能体

Amirhosein Chahe, Tyler Naes, Jovin D'sa, Faizan M. Tariq, Sangjae Bae, Lifeng Zhou, David Isele

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

AI总结 提出利用视觉语言模型（VLM）识别对自车轨迹影响最大的被遮挡智能体，通过规划KL散度（PKL）度量进行排序，并微调VLM以提升性能，实验表明该方法比随机采样提升约30%。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 9 pages, 5 figures, 5 tables

LWDrive: Layer-Wise World-Model-Guided Vision-Language Model Planning for Autonomous Driving

LWDrive: 基于逐层世界模型的视觉-语言模型自动驾驶规划

Chen Yang, Yuhao Wei, Ze Xu, Ziheng Zou, Shuang Liang, Delin Ouyang, Lingfeng Qi, Jie Li, Guofa Li

机构 * Chongqing University（重庆大学） 纠错

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

AI总结 提出LWDrive框架，通过逐层世界模型引导，将VLM输出的粗轨迹逐步细化为几何精确、多视角感知的规划轨迹，在NAVSIM基准上取得92.0分。

ALM2Vec: Learning Audio Embeddings for Universal Audio Retrieval with Large Audio-Language Models

ALM2Vec: 利用大型音频语言模型学习通用音频检索的音频嵌入

Fengjie Lu, Chenang Jiang, Jiarui Hai, Helin Wang, Aaron Yee

机构 * Zhejiang University（浙江大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提出ALM2Vec框架，利用预训练大型音频语言模型学习统一嵌入空间，实现跨域、任务感知的音频检索，支持指令感知检索，在标准基准上表现优异。

Comments 7 pages, 3 figures

Dynamo: Dynamic Skill-Tool Evolution for Vision-Language Agents

Dynamo: 视觉-语言代理的动态技能-工具演化

Yutao Sun, Yanting Miao, Hao-Xuan Ma, Mengyu Zhou, Mingshuai Chen, Tiancheng Zhao, Dexin Wang, Lei Lv, Li Xu, Xiaoxi Jiang, Guanjun Jiang

机构 * Qwen Large Model Application Team, Alibaba（阿里云大模型应用团队） ； Alibaba Zhejiang University（阿里巴巴浙江大学） ； University of Waterloo（多伦多大学） ； Vector Institute（向量研究所） ； Nanjing University（南京大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江学院） 纠错

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

AI总结 提出Dynamo，一种无需训练、无需权重更新的框架，通过让冻结的VLM在少量标注数据上自我检查并演化可复用的推理技能和可执行的视觉工具，提升视觉推理性能。

NIVA: A Multimodal Foundation Model for Actionable Earth System Intelligence

NIVA：面向可操作地球系统智能的多模态基础模型

Anisha Pal, Aodhan Sweeney, Kyle Heyblom, Kalai Ramea

机构 * Planette AI 纠错

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

AI总结 提出多模态基础模型NIVA，通过联合学习海洋与大气模态，捕获耦合地球系统动力学，为次季节至季节预测提供基础，并准确预测主要气候指数。

SingGuard: A Policy-Adaptive Multimodal LLM Guardrail with Dynamic Reasoning

SingGuard: 一种策略自适应的多模态大语言模型护栏，具有动态推理能力

SingGuard Team

机构 * AI Security Lab, Ant Group（蚂蚁集团AI安全实验室） 纠错

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

AI总结 提出SingGuard，一种策略自适应的多模态护栏模型，通过将策略作为运行时输入，支持快速、混合和慢速推理模式，实现动态规则下的安全评估，在多个基准上取得最优F1。

Wan-Streamer v0.1: End-to-end Real-time Interactive Foundation Models

Wan-Streamer v0.1: 端到端实时交互基础模型

Lianghua Huang, Zhi-Fan Wu, Wei Wang, Yupeng Shi, Mengyang Feng, Junjie He, Chen-Wei Xie, Yu Liu, Jingren Zhou, Ang Wang, Bang Zhang, Baole Ai, Chen Liang, Cheng Yu, Chongyang Zhong, Jinwei Qi, Kai Zhu, Pandeng Li, Peng Zhang, Wenyuan Zhang, Xinhua Cheng, Yitong Huang, Yun Zheng, Yuzheng Wang, Zoubin Bi

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 提出Wan-Streamer，一种原生流式、端到端的交互基础模型，通过单一Transformer联合建模语言、音频和视频，实现低延迟全双工音视频交互，无需外部模块。

Comments Website: https://wan-streamer.com

Do vision-language models search like humans? Reasoning tokens as a reaction-time analog in classic visual-search paradigms

视觉-语言模型的搜索方式与人类相似吗？经典视觉搜索范式中推理标记作为反应时间类似物

Farahnaz Wick

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究视觉-语言模型（VLM）在经典视觉搜索任务中是否表现出类似人类的行为模式，通过推理标记数量作为搜索努力度的指标，发现模型复现了部分人类特征但也存在关键差异。

Verifiable Foundation Models for Robot Safety

机器人安全的可验证基础模型

Davide Corsi, Kyungmin Kim, Roy Fox

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

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

AI总结 提出FEARL框架，将策略分解为大控制器和小安全模块，使形式化验证仅应用于安全模块，从而在保持控制器表达能力的同时实现可验证的机器人安全控制。