语言大模型 / LLM

GTR-Bench: Evaluating Geo-Temporal Reasoning in Vision-Language Models

GTR-Bench：评估视觉-语言模型中的地理时间推理

Qinghongbing Xie, Zhaoyuan Xia, Feng Zhu, Lijun Gong, Ziyue Li, Rui Zhao, Long Zeng

机构 * Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院） ； Peking University（北京大学） ； Technical University of Munich, Heilbronn Data Science Center, Munich Data Science Institute（慕尼黑技术大学，海德堡数据科学中心，慕尼黑数据科学研究所） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 GTR-Bench提出了一种新的基准，用于评估视觉-语言模型在地理时间推理中的能力，揭示了现有模型在空间和时间上下文利用、时间预测能力及地图数据整合方面的不足。

Comments ICLR 2026, 31 pages, 20 figures

Reasoning-Oriented Programming: Chaining Semantic Gadgets to Jailbreak Large Vision Language Models

面向推理的编程：通过链式语义工具来突破大型视觉语言模型

Quanchen Zou, Moyang Chen, Zonghao Ying, Wenzhuo Xu, Yisong Xiao, Deyue Zhang, Dongdong Yang, Zhao Liu, Xiangzheng Zhang

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 本文提出面向推理的编程方法，通过链式语义工具突破大型视觉语言模型的安全对齐。

Reachability-based Temporal Logic Verification for Reliable LLM-guided Human-Autonomy Teaming

基于可达性的时序逻辑验证用于可靠的大语言模型引导的人-自主系统协同

Joonwon Choi, Kartik Anand Pant, Karthik Nune, Inseok Hwang

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 本文提出基于可达性的时序逻辑验证框架，利用LLM将自然语言指令转换为STL规范，通过可行性过滤器确保任务规划的安全性和信息反馈的有效性。

An LLM-Assisted Multi-Agent Control Framework for Roll-to-Roll Manufacturing Systems

用于卷对卷制造系统的基于LLM的多智能体控制框架

Jiachen Li, Shihao Li, Christopher Martin, Zijun Chen, Dongmei Chen, Wei Li

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 本文提出一种基于LLM的多智能体框架，用于自动化卷对卷制造系统的控制设计与适应，通过五个阶段实现安全、高效的控制性能

Learning to Think Fast and Slow for Visual Language Models

学习快速与缓慢思考以提升视觉语言模型

Chenyu Lin, Cheng Chi, Jinlin Wu, Sharon Li, Kaiyang Zhou

机构 * Hong Kong Baptist University（香港 Baptist 大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Automation, CAS（中国科学院自动化研究所） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 DualMindVLM通过双模式思考机制提升视觉语言模型的推理效率和性能。

LLM-FK: Multi-Agent LLM Reasoning for Foreign Key Detection in Large-Scale Complex Databases

LLM-FK：多智能体LLM推理用于大规模复杂数据库中的外键检测

Zijian Tang, Ying Zhang, Sibo Cai, Ruoxuan Wang

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 LLM-FK通过多智能体框架解决大规模复杂数据库中外键检测的三大挑战，实现高精度和高效搜索。

Comments 28 pages, 13 figures

Retrieving Minimal and Sufficient Reasoning Subgraphs with Graph Foundation Models for Path-aware GraphRAG

基于图基础模型的路径感知图RAG中最小和充分推理子图检索

Haonan Yuan, Qingyun Sun, Junhua Shi, Mingjun Liu, Jiaqi Yuan, Ziwei Zhang, Xingcheng Fu, Jianxin Li

专题命中 推理与问题求解 ：foundation model(title,abstract)

AI总结 本文提出GFM-Retriever，通过图基础模型实现路径感知的子图检索，提升多跳问答任务的检索与生成性能。

Think-as-You-See: Streaming Chain-of-Thought Reasoning for Large Vision-Language Models

Think-as-You-See: 为大视觉-语言模型设计的流式推理链式思维

Jialiang Zhang, Junlong Tong, Junyan Lin, Hao Wu, Yirong Sun, Yunpu Ma, Xiaoyu Shen

机构 * Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究院，东技术学院） ； Ocean University of China（中国海洋大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Munich Center for Machine Learning, LMU Munich（慕尼黑机器学习中心，慕尼黑大学） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 TaYS为大视觉-语言模型设计了流式推理链式思维框架，通过并行化生成、流约束训练和解耦的KV缓存，提升视频理解的效率和响应性。

DianJin-OCR-R1: Enhancing OCR Capabilities via a Reasoning-and-Tool Interleaved Vision-Language Model

DianJin-OCR-R1: 通过推理与工具交替的视觉语言模型增强OCR能力

Qian Chen, Xianyin Zhang, Lifan Guo, Feng Chen, Chi Zhang

机构 * Qwen DianJin Team, Alibaba Cloud Computing（文心一言团队，阿里云计算） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 DianJin-OCR-R1通过推理与工具交替的视觉语言模型框架，提升OCR识别的准确性和上下文理解能力。

Graph-theoretic Agreement Framework for Multi-agent LLM Systems

图论同意框架用于多智能体大语言模型系统

Muhammad Umar Javed

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 本文提出图论框架用于分析多智能体大语言模型中的共识稳定性，通过映射Transformer交叉熵到带符号拉普拉斯矩阵，解决不可观测死锁问题，并验证了共识定理和多项式时间算法。

Comments arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission

Direct Contact-Tolerant Motion Planning With Vision Language Models

直接接触容忍的运动规划与视觉语言模型

He Li, Jian Sun, Chengyang Li, Guoliang Li, Qiyu Ruan, Shuai Wang, Chengzhong Xu

机构 * State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC), University of Macau（物联网智能城市国家重点实验室，澳门大学） ； Shenzhen Institutes of Advanced Technology (SIAT), Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Department of Electrical and Computer Engineering, The University of Hong Kong（香港大学电子与计算机工程系） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 本文提出直接接触容忍运动规划方法，利用视觉语言模型实现接触感知导航，提升机器人在拥挤环境中的鲁棒性和效率。

LLM-supported 3D Modeling Tool for Radio Radiance Field Reconstruction

支持大型语言模型的3D建模工具用于无线电辐射场重建

Chengling Xu, Huiwen Zhang, Haijian Sun, Feng Ye

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

AI总结 本文提出了一种结合微调语言模型和生成3D建模框架的本地部署工具，用于简化无线电辐射场重建的3D环境创建。

Comments Submitted to an IEEE conference

DeepScan: A Training-Free Framework for Visually Grounded Reasoning in Large Vision-Language Models

DeepScan: 一种无需训练的框架，用于大视觉-语言模型中的视觉引导推理

Yangfu Li, Hongjian Zhan, Jiawei Chen, Yuning Gong, Qi Liu, Yue Lu

机构 * East China Normal University（东华大学） ； Sichuan University（四川大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 DeepScan是一种无需训练的框架，通过层次扫描、聚焦和证据增强推理提升大视觉-语言模型在视觉任务中的表现。

Comments 18 pages 17 figures

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

What Are You Doing? Effects of Intermediate Feedback from Agentic LLM In-Car Assistants During Multi-Step Processing

你在做什么？代理LLM车载助手在多步骤处理中的中间反馈影响

Johannes Kirmayr, Raphael Wennmacher, Khanh Huynh, Lukas Stappen, Elisabeth André, Florian Alt

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 研究探讨了代理式LLM车载助手在多步骤处理中中间反馈对用户体验的影响，发现中间反馈能提升信任和效率，同时减少任务负荷，提出适应性反馈策略以平衡透明度与效率。

Comments Accepted at CHI 2026

Seeing Across Views: Benchmarking Spatial Reasoning of Vision-Language Models in Robotic Scenes

跨视角视觉：评估视觉-语言模型在机器人场景中的空间推理能力

Zhiyuan Feng, Zhaolu Kang, Qijie Wang, Zhiying Du, Jiongrui Yan, Shubin Shi, Chengbo Yuan, Huizhi Liang, Yu Deng, Qixiu Li, Rushuai Yang, Arctanx An, Leqi Zheng, Weijie Wang, Shawn Chen, Sicheng Xu, Yaobo Liang, Jiaolong Yang, Baining Guo

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） ； Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University（浙江大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 本文提出MV-RoboBench基准，评估视觉-语言模型在机器人场景中的多视角空间推理能力，揭示其在多视角机器人感知中的挑战。

Comments Accepted to ICLR 2026. Camera-ready version. Project page: https://aaronfengzy.github.io/MV-RoboBench-Webpage/

Journal ref International Conference on Learning Representations (ICLR), 2026

AkiraRust: Re-thinking LLM-aided Rust Repair Using a Feedback-guided Thinking Switch

AkiraRust：重新思考利用反馈引导的思考开关的LLM辅助Rust修复

Renshuang Jiang, Yichong Wang, Pan Dong, Xiaoxiang Fang, Zhenling Duan, Tinglue Wang, Yuchen Hu, Jie Yu, Zhe Jiang

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 AkiraRust通过反馈引导的思考开关机制，实现Rust修复的语义正确性和效率提升。

Comments 7 pages, 11 figures, accepted to DAC

De-rendering, Reasoning, and Repairing Charts with Vision-Language Models

图表去渲染、推理与修复：基于视觉-语言模型

Valentin Bonas, Martin Sinnona, Viviana Siless, Emmanuel Iarussi

机构 * Universidad Torcuato Di Tella（托克托迪特拉大学） ； Consejo Nacional de Investigaciones Científicas y Técnicas（国家科学与技术研究理事会） ； Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires（布宜诺斯艾利斯大学科学与自然学院） 纠错

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

AI总结 本文提出了一种结合图表去渲染、自动分析和迭代改进的框架，利用视觉-语言模型提供基于原则的可视化设计反馈，提升可视化质量和素养。

TraceVision: Trajectory-Aware Vision-Language Model for Human-Like Spatial Understanding

TraceVision: 一种具有轨迹感知能力的视觉-语言模型，用于类人空间理解

Fan Yang, Shurong Zheng, Hongyin Zhao, Yufei Zhan, Xin Li, Yousong Zhu, Chaoyang Zhao Ming Tang, Jinqiao Wang

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 TraceVision通过整合轨迹感知的空间理解，实现了类人空间认知，提升视觉-语言模型在轨迹引导任务中的表现。

Keep it SymPL: Symbolic Projective Layout for Allocentric Spatial Reasoning in Vision-Language Models

保持符号投影布局：用于视觉-语言模型中以物体为中心的空间推理的符号投影布局

Jaeyun Jang, Seunghui Shin, Taeho Park, Hyoseok Hwang

机构 * Kyung Hee University（庆熙大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 SymPL通过将以物体为中心的空间推理转化为符号布局形式，提升视觉-语言模型在多视角场景下的推理性能和鲁棒性。

An LLM-Enabled Frequency-Aware Flow Diffusion Model for Natural-Language-Guided Power System Scenario Generation

基于LLM的频率感知流扩散模型：用于自然语言引导的电力系统场景生成

Zhenghao Zhou, Yiyan Li, Fei Xie, Lu Wang, Bo Wang, Jiansheng Wang, Zheng Yan, Mo-Yuen Chow

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 本文提出LLM赋能的频率感知流扩散模型，通过自然语言引导生成多样可控的电力系统场景，提升生成效率和质量。

CapNav: Benchmarking Vision Language Models on Capability-conditioned Indoor Navigation

CapNav：基于能力条件的室内导航基准测试

Xia Su, Ruiqi Chen, Benlin Liu, Jingwei Ma, Zonglin Di, Ranjay Krishna, Jon Froehlich

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 CapNav基准测试评估VLMs在不同移动约束下室内导航能力，发现其性能随约束增加而下降，且先进模型仍难以处理空间推理任务。

What Makes a Good LLM Agent for Real-world Penetration Testing?

什么样的LLM代理适合现实中的渗透测试？

Gelei Deng, Yi Liu, Yuekang Li, Ruozhao Yang, Xiaofei Xie, Jie Zhang, Han Qiu, Tianwei Zhang

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 Excalibur通过结合强大工具和难度感知计划，提高了渗透测试代理在复杂任务中的表现和效率。

RynnBrain: Open Embodied Foundation Models

RynnBrain: 开放式具身基础模型

Ronghao Dang, Jiayan Guo, Bohan Hou, Sicong Leng, Kehan Li, Xin Li, Jiangpin Liu, Yunxuan Mao, Zhikai Wang, Yuqian Yuan, Minghao Zhu, Xiao Lin, Yang Bai, Qian Jiang, Yaxi Zhao, Minghua Zeng, Junlong Gao, Yuming Jiang, Jun Cen, Siteng Huang, Liuyi Wang, Wenqiao Zhang, Chengju Liu, Jianfei Yang, Shijian Lu, Deli Zhao

机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） 纠错

专题命中 推理与问题求解 ：foundation model(title,abstract)

AI总结 RynnBrain提出了一种开放的具身基础模型，通过统一框架强化感知、推理、规划等能力，显著优于现有模型，并能高效适应多种具身任务。

Comments Homepage: https://alibaba-damo-academy.github.io/RynnBrain.github.io

MomaGraph: State-Aware Unified Scene Graphs with Vision-Language Model for Embodied Task Planning

MomaGraph: 体感任务规划中的状态感知统一场景图

Yuanchen Ju, Yongyuan Liang, Yen-Jen Wang, Nandiraju Gireesh, Yuanliang Ju, Seungjae Lee, Qiao Gu, Elvis Hsieh, Furong Huang, Koushil Sreenath

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Toronto（多伦多大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 MomaGraph通过统一场景图与强化学习模型，实现家庭环境中体感任务规划的高效任务规划与场景理解。

Comments 25 pages, 10 figures. Project page:https://hybridrobotics.github.io/MomaGraph/

The Stretto Execution Engine for LLM-Augmented Data Systems

用于LLM增强数据系统的Stretto执行引擎

Gabriele Sanmartino, Matthias Urban, Paolo Papotti, Carsten Binnig

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 Stretto通过约束优化和梯度优化器，在LLM增强数据系统中实现端到端查询保证，同时高效平衡运行时准确性权衡。

VLN-Pilot: Large Vision-Language Model as an Autonomous Indoor Drone Operator

VLN-Pilot: 大型视觉-语言模型作为自主室内无人机操作员

Bessie Dominguez-Dager, Sergio Suescun-Ferrandiz, Felix Escalona, Francisco Gomez-Donoso, Miguel Cazorla

机构 * University Institute for Compute Research（计算研究大学研究所） ； University of Alicante（阿利坎特大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 VLN-Pilot利用大型视觉-语言模型实现自主室内无人机导航，通过自然语言指令和视觉感知结合，提高飞行任务的自主性和安全性。

Steering the Herd: A Framework for LLM-based Control of Social Learning

引导 herd：一种基于 LLM 的社会学习控制框架

Raghu Arghal, Kevin He, Shirin Saeedi Bidokhti, Saswati Sarkar

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 本文提出了一种基于 LLM 的社会学习控制框架，研究信息中介如何通过动态规划和贝叶斯更新影响社会福利和群体行为。

EgoActor: Grounding Task Planning into Spatial-aware Egocentric Actions for Humanoid Robots via Visual-Language Models

EgoActor: 通过视觉语言模型将任务规划接地于空间感知的自我中心动作以实现人形机器人

Yu Bai, MingMing Yu, Chaojie Li, Ziyi Bai, Xinlong Wang, Börje F. Karlsson

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

AI总结 EgoActor通过视觉语言模型将高层任务指令转化为精确的空间感知动作，实现人形机器人在真实和模拟环境中的稳健任务规划与运动执行。

Self-Verification Dilemma: Experience-Driven Suppression of Overused Checking in LLM Reasoning

自我验证困境：经验驱动的过度验证抑制在大语言模型推理中

Quanyu Long, Kai Jie Jiang, Jianda Chen, Xu Guo, Leilei Gan, Wenya Wang

机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） 纠错

专题命中 推理与问题求解 ：LLM(title)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出了一种经验驱动的测试时框架，通过抑制过度的自我验证步骤，减少大语言模型推理中的token使用，同时保持或提升准确性。

Comments 19 pages, 8 figures

No More Hidden Pitfalls? Exposing Smart Contract Bad Practices with LLM-Powered Hybrid Analysis

无需隐藏陷阱？利用LLM赋能的混合分析揭露智能合约不良实践

Xiaoqi Li, Zongwei Li, Wenkai Li, Yuqing Zhang, Xin Wang

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 本文提出SCALM框架，利用LLM和混合分析方法，系统研究智能合约中的不良实践并提升检测效果。