语言大模型 / LLM

Reproducible, Explainable, and Effective Evaluations of Agentic AI for Software Engineering

可重复、可解释和有效的代理AI在软件工程中的评估

Jingyue Li, André Storhaug

机构 * Norwegian University of Science and Technology（挪威科技大学） 纠错

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

AI总结 本文分析了18篇关于代理AI在软件工程中评估的论文，提出指南以提升评估的可重复性、可解释性和有效性，通过公开TAR轨迹和LLM交互数据促进不同方法的系统比较。

Comments 7 pages, 5 figures, accepted to the 2nd International Workshop on Responsible Software Engineering (ResponsibleSE 2026), co-located with FSE

Towards Faithful Reasoning in Comics for Small MLLMs

面向小规模MLLMs的漫画中忠实推理方法

Chengcheng Feng, Haojie Yin, Yucheng Jin, Kaizhu Huang

机构 * Duke Kunshan University（昆山杜克大学） 纠错

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

AI总结 本文提出一种两阶段框架，通过MoCoT和VERA提升小规模MLLMs在漫画理解中的推理忠实性，实验表明在4B参数范围内表现优异，优于7B基线，提升四个小模型12.1%。

True (VIS) Lies: Analyzing How Generative AI Recognizes Intentionality, Rhetoric, and Misleadingness in Visualization Lies

真正的（视觉）谎言：分析生成式AI如何识别意图性、修辞和误导性在可视化谎言中

Graziano Blasilli, Marco Angelini

机构 * Sapienza University of Rome（罗马大学） ； Link Campus University（Link Campus大学） 纠错

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

AI总结 本文研究多模态大语言模型识别和解释误导性可视化的能力，并通过2336条新冠相关推文数据集分析其识别原因和潜在意图性，评估16种前沿模型并对比人类专家行为。

CARE: Privacy-Compliant Agentic Reasoning with Evidence Discordance

CARE：具有证据不一致性的隐私合规代理推理

Haochen Liu, Weien Li, Rui Song, Zeyu Li, Chun Jason Xue, Xiao-Yang Liu, Sam Nallaperuma, Xue Liu, Ye Yuan

机构 * University of Cambridge（剑桥大学） ； McGill University（麦吉尔大学） ； MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Columbia University（哥伦比亚大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） 纠错

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

AI总结 针对医疗领域中症状与体征矛盾的问题，CARE框架通过多阶段隐私合规的代理推理，在不访问敏感数据的情况下提升冲突证据处理能力。

Comments Preprint

RefineRL: Advancing Competitive Programming with Self-Refinement Reinforcement Learning

RefineRL: 通过自我细化强化学习提升竞争性编程

Shaopeng Fu, Xingxing Zhang, Li Dong, Di Wang, Furu Wei

机构 * Microsoft Research（微软研究院） 纠错

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

AI总结 RefineRL通过引入自我细化代理和强化学习方法，提升大语言模型在竞争性编程中的性能，实验表明其在紧凑模型中表现优异，接近大模型单次尝试性能。

Speech LLMs are Contextual Reasoning Transcribers

语音大模型是上下文推理转录器

Keqi Deng, Ruchao Fan, Bo Ren, Yiming Wang, Jinyu Li

机构 * Microsoft Core AI（微软核心人工智能） 纠错

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

AI总结 本文提出CoT-ASR，通过构建推理链使大模型先分析语音生成上下文分析，从而提升语音识别性能，实验显示WER和EER分别降低8.7%和16.9%。

VeriAct: Beyond Verifiability -- Agentic Synthesis of Correct and Complete Formal Specifications

VeriAct：超越可验证性——基于代理的正确且完整的正式规范合成

Md Rakib Hossain Misu, Iris Ma, Cristina V. Lopes

机构 * University of California, Irvine（加利福尼亚大学尔湾分校） 纠错

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

AI总结 本文提出VeriAct框架，通过迭代合成与修复规范，超越传统方法的性能极限，生成正确且完整的正式规范。

IMAGAgent: Orchestrating Multi-Turn Image Editing via Constraint-Aware Planning and Reflection

IMAGAgent：通过约束感知规划与反思协调多轮图像编辑

Fei Shen, Chengyu Xie, Lihong Wang, Zhanyi Zhang, Xin Jiang, Xiaoyu Du, Jinhui Tang

机构 * National University of Singapore（新加坡国立大学） ； Nanjing University of Science and Technology（南京理工大学） ； Nanjing Forestry University（南京林业大学） 纠错

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

AI总结 IMAGAgent通过闭环机制整合指令解析、工具调度与自适应修正，解决多轮图像编辑中的上下文感知与反馈问题，提升编辑精度与整体质量。

Meta-Harness: End-to-End Optimization of Model Harnesses

Meta-Harness：端到端优化模型Harness

Yoonho Lee, Roshen Nair, Qizheng Zhang, Kangwook Lee, Omar Khattab, Chelsea Finn

机构 * Stanford（斯坦福大学） ； KRAFTON ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出Meta-Harness，通过自动搜索优化模型Harness代码，提升文本分类、数学推理和编程任务性能，减少上下文token使用量。

Beg to Differ: Understanding Reasoning-Answer Misalignment Across Languages

从分歧开始：理解跨语言推理-答案不一致现象

Anaelia Ovalle, Candace Ross, Sebastian Ruder, Adina Williams, Karen Ullrich, Mark Ibrahim, Levent Sagun

机构 * FAIR, Meta（Meta 人工智能基础研究团队） ； Meta Superintelligence Labs（Meta 超级智能实验室） 纠错

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

AI总结 研究探讨了多语言模型推理与答案的一致性问题，发现非拉丁文字推理痕迹与结论的不一致程度是拉丁文字的两倍，提出基于人工标注的错误分类方法，揭示了证据错误和逻辑推理错误是主要问题。

Comments Accepted to 2025 EMNLP Multilingual Representation Learning Workshop

Selection, Reflection and Self-Refinement: Revisit Reasoning Tasks via a Causal Lens

选择、反思与自我完善：通过因果视角重新审视推理任务

Yunlong Deng, Boyang Sun, Yan Li, Lingjing Kong, Zeyu Tang, Kun Zhang, Guangyi Chen

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文从因果视角重新审视推理任务，将其视为选择机制，通过引入潜变量反馈提升对潜在依赖关系的学习，显著提升了Sudoku和Maze任务的推理准确率。

Reinforcing Structured Chain-of-Thought for Video Understanding

强化结构链式思考以提升视频理解

Peiyao Wang, Haotian Xu, Noranart Vesdapunt, Rui Hou, Jingyi Zhang, Haibin Ling, Oleksandr Obiednikov, Ning Zhou, Kah Kuen Fu

机构 * Stony Brook University（石溪大学） ； Amazon（亚马逊） 纠错

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

AI总结 本文提出SDRL框架，通过结构化链式思考格式和自监督机制，解决多模态大语言模型在视频理解中的推理漂移和时间感知问题，实现单阶段强化学习，提升模型泛化能力。

Comments Accepted to CVPR 2026 (Main Conference)

Agentic RAG with Knowledge Graphs for Complex Multi-Hop Reasoning in Real-World Applications

具有知识图谱的代理RAG用于现实世界应用中的复杂多跳推理

Jean Lelong, Adnane Errazine, Annabelle Blangero

机构 * Ekimetrics 纠错

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

AI总结 INRAExplorer通过多工具架构和知识图谱实现复杂多跳推理，提升专业领域知识交互能力。

Comments ECAI 2025 demo track, 4 pages

Journal ref ECAI 2025, Frontiers in Artificial Intelligence and Applications, vol. 413, pp. 5163-5166, IOS Press

SAG-Agent: Enabling Long-Horizon Reasoning in Strategy Games via Dynamic Knowledge Graphs

SAG-Agent：通过动态知识图谱实现策略游戏中长周期推理

Chenwei Tang, Lin Long, Xinyu Liu, Jingyu Xing, Zizhou Wang, Joey Tianyi Zhou, Jiawei Du, Liangli Zhen, Jiancheng Lv

机构 * College of Computer Science, Sichuan University（四川大学计算机学院） ； Engineering Research Center of Machine Learning and Industry Intelligence, Ministry of Education（教育部机器学习与工业智能工程研究中心） ； Institute of High Performance Computing, Agency for Science, Technology and Research (A*STAR)（科技研究局（A*STAR）高性能计算研究所） ； Centre for Frontier AI Research, Agency for Science, Technology and Research (A*STAR)（科技研究局（A*STAR）前沿人工智能研究中心） 纠错

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

AI总结 SAG-Agent通过构建持久化的状态-动作图，解决无API环境下自主代理的效率瓶颈，提升探索效率和战略深度。

A Multimodal Framework for Human-Multi-Agent Interaction

人-多智能体交互的多模态框架

Shaid Hasan, Breenice Lee, Sujan Sarker, Tariq Iqbal

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 本文提出一个多模态框架，用于人与多智能体交互，通过集成多模态感知和大语言模型驱动的规划，实现自主认知代理的协调决策，解决现有系统在统一框架下整合多模态感知、具身表达和协同决策的难题。

Comments 4 pages, 3 figures. Accepted at ACM/IEEE HRI 2026 Workshop (MAgicS-HRI)

When Models Judge Themselves: Unsupervised Self-Evolution for Multimodal Reasoning

当模型自我评判：多模态推理的无监督自进化

Zhengxian Wu, Kai Shi, Chuanrui Zhang, Zirui Liao, Jun Yang, Ni Yang, Qiuying Peng, Luyuan Zhang, Hangrui Xu, Tianhuang Su, Zhenyu Yang, Haonan Lu, Haoqian Wang

机构 * OPPO AI Center（OPPO人工智能中心） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 本文提出一种无监督自进化框架，通过自一致性信号和动态调节机制，在无需人工标注或外部奖励模型的情况下提升多模态推理性能。

Comments 21 pages, 7 figures

Masking Matters: Unlocking the Spatial Reasoning Capabilities of LLMs for 3D Scene-Language Understanding

掩码至关重要：解锁LLMs的三维场景-语言理解的空间推理能力

Yerim Jeon, Miso Lee, WonJun Moon, Jae-Pil Heo

机构 * Sungkyunkwan University（庆尚国立大学） 纠错

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

AI总结 本文提出3D-SLIM掩码策略，通过适应性注意力掩码提升LLMs在三维场景-语言理解中的空间推理能力，解决传统因果掩码导致的顺序偏差和注意力受限问题。

Comments Accepted to CVPR 2026. GitHub Page: https://github.com/Jyerim/3D-SLIM

From Context to Intent: Reasoning-Guided Function-Level Code Completion

从上下文到意图：基于推理的函数级代码补全

Yanzhou Li, Tianlin Li, Yiran Zhang, Shangqing Liu, Aishan Liu, Xianglong Liu, Yang Liu

机构 * Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Nanjing University（南京大学） 纠错

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

AI总结 本文提出一种基于推理的提示框架，通过利用代码上下文中的隐含线索推断开发者意图，提升函数级代码补全的准确性，并通过实验验证其有效性。

3D-Layout-R1: Structured Reasoning for Language-Instructed Spatial Editing

3D-Layout-R1: 为语言指导的空间编辑进行结构化推理

Haoyu Zhen, Xiaolong Li, Yilin Zhao, Han Zhang, Sifei Liu, Kaichun Mo, Chuang Gan, Subhashree Radhakrishnan

机构 * NVIDIA ； UMass Amherst（马萨诸塞大学阿默斯特分校） 纠错

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

AI总结 本文提出一种结构化推理框架，通过场景图推理实现文本条件下的空间布局编辑，提升空间关系的可解释性和控制性，并在布局编辑基准测试中取得显著改进。

AmbiSQL: Interactive Ambiguity Detection and Resolution for Text-to-SQL

AmbiSQL: 用于文本到SQL的交互式歧义检测与解决

Zhongjun Ding, Yin Lin, Tianjing Zeng, Rong Zhu, Bolin Ding, Jingren Zhou

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 AmbiSQL通过交互式多选问题帮助用户澄清意图，解决文本到SQL中的歧义问题，提升SQL生成准确性。

Can LLMs Fool Graph Learning? Exploring Universal Adversarial Attacks on Text-Attributed Graphs

大语言模型能否欺骗图学习？探索文本属性图上的通用对抗攻击

Zihui Chen, Yuling Wang, Pengfei Jiao, Kai Wu, Xiao Wang, Xiang Ao, Dalin Zhang

机构 * School of Cyberspace, Hangzhou Dianzi University（杭州电子科技大学信息学院） ； Hangzhou Dianzi University（杭州电子科技大学） ； Beihang University（北京航空航天大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 本文提出BadGraph框架，通过联合扰动节点拓扑和文本语义，实现对文本属性图模型的通用对抗攻击，实验显示攻击效果显著，性能下降达76.3%。

Comments Accepted by TheWebConf (WWW) 2026

StaR-KVQA: Structured Reasoning Traces for Implicit-Knowledge Visual Question Answering

StaR-KVQA：用于隐式知识视觉问答的结构化推理轨迹

Zhihao Wen, Wenkang Wei, Yuan Fang, Xingtong Yu, Hui Zhang, Weicheng Zhu, Xin Zhang

机构 * Ant International, Ant Group（蚂蚁集团国际部，蚂蚁集团） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理学院计算与信息系统学院） ； Anhui Provincial Key Laboratory of High Performance Computing（安徽省高性能计算重点实验室） 纠错

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

AI总结 StaR-KVQA通过引入双路径结构化推理轨迹提升隐式知识视觉问答的准确性与推理透明度，采用自蒸馏方法构建轨迹增强数据集，无需外部检索工具，在OK-VQA基准上实现11.3%的精度提升。

Comments 8+3+3 pages, code: https://github.com/jianyingzhihe/StaR-KVQA

Learning Dynamic Belief Graphs for Theory-of-mind Reasoning

学习动态信念图以进行心灵理论推理

Ruxiao Chen, Xilei Zhao, Thomas J. Cova, Frank A. Drews, Susu Xu

机构 * Department of Civil ； Systems Engineering, Johns Hopkins University, Baltimore, MD, USA ； School of the Environment, Society \& Sustainability, University of Utah, Salt Lake City, UT, USA ； Department of Psychology, University of Utah, Salt Lake City, UT, USA ； Coastal Engineering, University of Florida, Gainesville, FL, USA 纠错

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

AI总结 本文提出一种动态信念图模型，用于增强大语言模型的心灵理论推理能力，通过联合推断潜在信念、学习时间变化依赖关系，并链接信念演变与信息获取和决策，提升高不确定性环境下的行动预测。

HalluClean: A Unified Framework to Combat Hallucinations in LLMs

HalluClean：一种用于对抗大语言模型幻觉的统一框架

Yaxin Zhao, Yu Zhang

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

AI总结 HalluClean通过规划、执行和修订三阶段推理增强方法，有效检测并修正LLM生成文本中的幻觉，提升事实一致性并优于基线方法。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(42), 36092-36100 (2026)

AJAR: Adaptive Jailbreak Architecture for Red-teaming

AJAR：适应性突破架构用于红队测试

Yipu Dou, Wang Yang

机构 * School of Cyber Science and Engineering（网络安全科学与工程学院） 纠错

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

AI总结 AJAR框架通过可调用MCP服务实现多轮突破算法，提升X-Teaming攻击成功率至76.0%，并在工具访问下优化攻击面。

Comments 7 pages, 3 figures. Code and data available at https://github.com/douyipu/ajar

Process Supervision for Chain-of-Thought Reasoning via Monte Carlo Net Information Gain

通过蒙特卡洛网络信息增益实现链式推理过程监督

Corentin Royer, Debarun Bhattacharjya, Gaetano Rossiello, Andrea Giovannini, Mennatallah El-Assady

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； IBM Research（IBM研究院） 纠错

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

AI总结 本文提出利用信息论自动生成推理步骤标签，提升大语言模型推理过程的监督效率与可靠性，适用于多种推理基准测试。

SAATT Nav: a Socially Aware Autonomous Transparent Transportation Navigation Framework for Wheelchairs

SAATT Nav：面向轮椅的社交感知自主透明交通导航框架

Yutong Zhang, Shaiv Y. Mehra, Bradley S. Duerstock, Juan P. Wachs

机构 * Edwardson School of Industrial Engineering, Purdue University（帕克大学工业工程学院） ； Weldon School of Biomedical Engineering, Purdue University（帕克大学生物医学工程学院） 纠错

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

AI总结 本文提出SAATT导航框架，通过整合大语言模型实现社交感知与决策透明，提升轮椅用户的导航安全性与信任度。

Comments 8 pages, 4 figures, 2 tables, 1 algorithm. Submitted to IROS 2026

VIBEPASS: Can Vibe Coders Really Pass the Vibe Check?

VIBEPASS：振动编码器真的能通过振动检查吗？

Srijan Bansal, Jiao Fangkai, Yilun Zhou, Austin Xu, Shafiq Joty, Semih Yavuz

机构 * Salesforce AI Research（Salesforce AI研究院） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文研究了振动编码器在自主软件工程中的能力，发现故障定位推理是瓶颈，而非代码生成或测试有效性。

Don't Trust Stubborn Neighbors: A Security Framework for Agentic Networks

不要信任固执的邻居：代理网络的安全框架

Samira Abedini, Sina Mavali, Lea Schönherr, Martin Pawelczyk, Rebekka Burkholz

机构 * CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全研究中心） ； University of Vienna, Faculty of Computer Science（维也纳大学计算机科学系） 纠错

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

AI总结 本文研究了基于大语言模型的多代理系统中恶意代理传播虚假信息的风险，提出理论框架并通过实验验证了增加良性代理、提升固执度或降低对敌方信任可增强系统安全。

SEMAG: Self-Evolutionary Multi-Agent Code Generation

SEMAG：自演化多智能体代码生成

Yulin Peng, Haowen Hou, Xinxin Zhu, Ying Tiffany He, F. Richard Yu

机构 * College of Computer Science and Software Engineering, Shenzhen University, China（深圳大学计算机科学与软件工程学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ), China（广东省人工智能与数字经济发展实验室（深圳）） ； School of Information Technology, Carleton University, Canada（卡尔顿大学信息技术学院） 纠错

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

AI总结 SEMAG通过自演化多智能体框架提升代码生成适应性，实现更高准确率和更强的模型自适应能力。