语言大模型 / LLM

Shared Nature, Unique Nurture: PRISM for Pluralistic Reasoning via In-context Structure Modeling

共享本质，独特培养：通过上下文结构建模实现多元推理的PRISM

Guancheng Tu, Shiyang Zhang, Tianyu Zhang, Yi Zhang, Diji Yang

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学） ； University of California Santa Cruz（加州大学圣克鲁兹分校） 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.LG

AI总结 PRISM通过上下文结构建模实现多元推理，提升创造力和科学发现能力，展现独特认知轨迹的多元AI新范式。

SparkMe: Adaptive Semi-Structured Interviewing for Qualitative Insight Discovery

SparkMe: 适应性半结构化访谈用于定性洞察发现

David Anugraha, Vishakh Padmakumar, Diyi Yang

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 SparkMe通过多智能体LLM实现适应性半结构化访谈，提升访谈效用并挖掘更丰富的职业特定洞察。

RPU -- A Reasoning Processing Unit

RPU -- 一种推理处理单元

Matthew Adiletta, Gu-Yeon Wei, David Brooks

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 RPU通过优化内存带宽和架构设计，显著提升了大型语言模型推理的性能和效率。

Comments To Appear in HPCA, 2026

QiMeng-CodeV-R1: Reasoning-Enhanced Verilog Generation

QiMeng-CodeV-R1: 基于推理增强的Verilog生成

Yaoyu Zhu, Di Huang, Hanqi Lyu, Xiaoyun Zhang, Chongxiao Li, Wenxuan Shi, Yutong Wu, Jianan Mu, Jinghua Wang, Yang Zhao, Pengwei Jin, Shuyao Cheng, Shengwen Liang, Xishan Zhang, Rui Zhang, Zidong Du, Qi Guo, Xing Hu, Yunji Chen

机构 * State Key Lab of Processors, Institute of Computing Technology, CAS（处理器国家重点实验室，计算技术研究所，中国科学院） 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.LG

AI总结 QiMeng-CodeV-R1通过改进的RLVR框架，实现了基于推理增强的Verilog生成，提升了硬件描述语言生成的准确性和效率。

Adaptive Multi-Agent Reasoning for Text-to-Video Retrieval

自适应多智能体推理用于文本到视频检索

Jiaxin Wu, Xiao-Yong Wei, Qing Li

机构 * Shenzhen University（深圳大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） 纠错

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

AI总结 本文提出自适应多智能体框架，通过动态协调检索、推理和查询重述智能体，提升文本到视频检索的零样本跨模态对齐与复杂查询处理能力。

Adaptive Collaboration of Arena-Based Argumentative LLMs for Explainable and Contestable Legal Reasoning

面向可解释和可争议法律推理的 Arena 基础论证 LLM 自适应协作

Hoang-Loc Cao, Phuc Ho, Truong Thanh Hung Nguyen, Phuc Truong Loc Nguyen, Dinh Thien Loc Nguyen, Hung Cao

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 ACAL通过自适应多智能体协作和 Arena 基础论证框架，提升法律推理的可解释性和可争议性，实验证明其在效率和透明度上的优势。

RewardMap: Tackling Sparse Rewards in Fine-grained Visual Reasoning via Multi-Stage Reinforcement Learning

RewardMap: 通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励

Sicheng Feng, Kaiwen Tuo, Song Wang, Lingdong Kong, Jianke Zhu, Huan Wang

机构 * Westlake University（西湖大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） 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 RewardMap通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励问题，提升多模态大语言模型的视觉理解和推理能力。

Comments ICLR 2026, website: https://fscdc.github.io/RewardMap/

VideoMind: A Chain-of-LoRA Agent for Temporal-Grounded Video Reasoning

VideoMind: 一种用于时序 grounded 视频推理的链式 LoRA 代理

Ye Liu, Kevin Qinghong Lin, Chang Wen Chen, Mike Zheng Shou

机构 * The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 VideoMind 提出了一种基于角色的链式 LoRA 机制，用于提升视频时序 grounded 推理的效率与灵活性。

Comments ICLR 2026 Camera Ready

VIRAASAT: Traversing Novel Paths for Indian Cultural Reasoning

VIRAASAT：为印度文化推理开辟新路径

Harshul Raj Surana, Arijit Maji, Aryan Vats, Akash Ghosh, Sriparna Saha, Amit Sheth

机构 * AI Institute, University of South Carolina（AI研究所，南卡罗来纳大学） ； Indian Institute of Technology Patna（帕纳大学印度理工学院） 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.CL

AI总结 VIRAASAT通过半自动化多跳方法生成印度文化多跳问题-答案数据集，提出SCoM框架提升文化推理性能。

Neurosymbolic Language Reasoning as Satisfiability Modulo Theory

神经符号语言推理作为可满足性模理论

Hyunseok Oh, Sam Stern, Youngki Lee, Matthai Philipose

机构 * Seoul National University（首尔国立大学） ； U. Mass. Amherst（马萨诸塞大学阿姆赫斯特分校） ； Microsoft（微软公司） 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 Logitext通过结合LLM和SMT求解，实现自然语言与逻辑推理的联合处理，提升内容审核和法律任务的准确性和覆盖性。

Structure-Augmented Reasoning Generation

结构增强的推理生成

Jash Rajesh Parekh, Pengcheng Jiang, Jiawei Han

机构 * University of Illinois Urbana-Champaign（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 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.CL

AI总结 结构增强的推理生成通过显式推理结构提升多跳查询的准确性和连贯性，兼容现有RAG流程，无需定制检索器或微调。

Proof-RM: A Scalable and Generalizable Reward Model for Math Proof

Proof-RM: 一种可扩展且通用的数学证明奖励模型

Haotong Yang, Zitong Wang, Shijia Kang, Siqi Yang, Wenkai Yu, Xu Niu, Yike Sun, Yi Hu, Zhouchen Lin, Muhan Zhang

机构 * Peking University, Beijing, China（北京大学，北京，中国） 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 Proof-RM通过构建可扩展的数据管道和训练证明检查奖励模型，提升LLM在数学证明验证中的准确性和泛化能力。

Comments Under review

SPARC: Scenario Planning and Reasoning for Automated C Unit Test Generation

SPARC：面向自动化C单元测试生成的场景规划与推理

Jaid Monwar Chowdhury, Chi-An Fu, Reyhaneh Jabbarvand

机构 * Bangladesh University of Engineering and Technology（孟加拉工程科技大学） ； National Taiwan University（台湾国立大学） ； University of Illinois at Urbana-Champaign（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(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 SPARC通过神经符号方法和场景规划，提升C语言单元测试生成的覆盖率和代码质量，显著优于传统方法。

Comments 9 pages, 6 figures, 4 tables

C^2ROPE: Causal Continuous Rotary Positional Encoding for 3D Large Multimodal-Models Reasoning

C^2ROPE: 3D 大多模态模型推理中的因果连续旋转位置编码

Guanting Ye, Qiyan Zhao, Wenhao Yu, Xiaofeng Zhang, Jianmin Ji, Yanyong Zhang, Ka-Veng Yuen

机构 * State Key Laboratory of Internet of Things for Smart City, University of Macau（物联网智能城市国家重点实验室，澳门大学） ； Department of Automation, Shanghai Jiaotong University（上海交通大学自动化系） ； Institute of Advanced Technology, University of Science and Technology of China（中国科学技术大学先进技术研究院） ； School of Computer Science and Technology, USTC（中国科学技术大学计算机科学与技术学院） ； School of Artificial Intelligence and Data Science, USTC（中国科学技术大学人工智能与数据科学学院） 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 C^2ROPE通过引入空间-时间连续位置编码和切比雪夫因果掩码，解决3D多模态模型中视觉特征连续性和因果关系建模问题。

Comments Accepted in ICRA 2026

IntentMiner: Intent Inversion Attack via Tool Call Analysis in the Model Context Protocol

IntentMiner: 通过模型上下文协议中的工具调用分析进行意图倒置攻击

Yunhao Yao, Zhiqiang Wang, Haoran Cheng, Yihang Cheng, Haohua Du, Xiang-Yang Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） 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 IntentMiner通过分析模型上下文协议中的工具调用，揭示了意图倒置攻击的机制，实现了超过85%的语义对齐，挑战了AI代理的隐私基础。

Comments 14 pages, 6 figures

Traceable Latent Variable Discovery Based on Multi-Agent Collaboration

基于多智能体协作的可追溯潜在变量发现

Huaming Du, Tao Hu, Yijie Huang, Yu Zhao, Guisong Liu, Tao Gu, Gang Kou, Carl Yang

机构 * Southwestern University of Finance and Economics（西南财经大学） ； Hunan University of Technology and Business（湖南工业大学） ； Xiangjiang Laboratory（湘江实验室） ； Emory University（埃默里大学） 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.LG

AI总结 TLVD通过结合LLMs的元数据推理与TCDA的数据驱动建模，实现潜在变量及其语义的可追溯推断。

On the Eligibility of LLMs for Counterfactual Reasoning: A Decompositional Study

关于大型语言模型用于反事实推理的资格性：一种分解性研究

Shuai Yang, Qi Yang, Luoxi Tang, Yuqiao Meng, Nancy Guo, Jeremy Blackburn, Zhaohan Xi

机构 * Shuai Yang（1 阳帅） ； Qi Yang（2 杨琪） 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 本文提出一种分解策略，分析LLMs在反事实推理中的表现，探讨不同任务和模态对性能的影响，以提升LLM推理系统的可靠性。

Comments ICLR 2026

PhGPO: Pheromone-Guided Policy Optimization for Long-Horizon Tool Planning

PhGPO：基于信息素的策略优化用于长周期工具规划

Yu Li, Guangfeng Cai, Shengtian Yang, Han Luo, Shuo Han, Xu He, Dong Li, Lei Feng

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 PhGPO通过学习历史轨迹中的信息素模式，指导策略优化以提升长周期工具规划能力。

Who Do LLMs Trust? Human Experts Matter More Than Other LLMs

LLMs信任谁？人类专家比其他LLMs更重要

Anooshka Bajaj, Zoran Tiganj

机构 * Department of Computer Science, Indiana University Bloomington（计算机科学系，印第安纳大学布卢明顿分校） ； Department of Psychological and Brain Science, Indiana University Bloomington（心理学与脑科学系，印第安纳大学布卢明顿分校） 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 本文研究LLMs在面对人类专家与其他LLMs反馈时的可信度影响，发现LLMs更倾向于信任人类专家的反馈。

Favia: Forensic Agent for Vulnerability-fix Identification and Analysis

Favia：漏洞修复识别与分析的取证代理

André Storhaug, Jiamou Sun, Jingyue Li

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 Favia通过结合可扩展的候选排名与深入语义推理，有效识别漏洞修复，优于传统和LLM基方法。

Comments 44 pages, 12 figures, 5 tables, 3 listings

SIGHT: Reinforcement Learning with Self-Evidence and Information-Gain Diverse Branching for Search Agent

SIGHT: 基于自证证据和信息增益多样分支的强化学习

Wenlin Zhong, Jinluan Yang, Yiquan Wu, Yi Liu, Jianhang Yao, Kun Kuang

机构 * Zhejiang University（浙江大学） ； Chongqing Ant Consumer Finance Co., Ltd.（重庆蚂蚁消费金融有限公司） ； Alibaba Group（阿里巴巴集团） 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 SIGHT通过自证证据和信息增益驱动多样化分支，提升搜索代理的自主推理能力，减少冗余并增强探索策略。

LOGOS-CA: A Cellular Automaton Using Natural Language as State and Rule

LOGOS-CA: 一种使用自然语言作为状态和规则的细胞自动机

Keishu Utimula

机构 * Keishu Utimula（独立研究者） 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 LOGOS-CA利用自然语言作为细胞自动机的状态和规则，通过LLM实现更新，拓展了细胞自动机的模拟能力，用于森林火灾模拟和人工生命研究。

Canvas-of-Thought: Grounding Reasoning via Mutable Structured States

Canvas-of-Thought：通过可变的结构化状态进行推理

Lingzhuang Sun, Yuxia Zhu, Ruitong Liu, Hao Liang, Zheng Sun, Caijun Jia, Honghao He, Yuchen Wu, Siyuan Li, Jingxuan Wei, Xiangxiang Zhang, Bihui Yu, Wentao Zhang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； New York University（纽约大学） ； Westlake University（西湖大学） 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.CL

AI总结 Canvas-CoT通过引入HTML Canvas实现可变结构化状态，提升多模态推理效率与精度。

Protecting Context and Prompts: Deterministic Security for Non-Deterministic AI

保护上下文和提示：非确定性AI的确定性安全

Mohan Rajagopalan, Vinay Rao

机构 * MACAW Security, Inc.（MACAW安全公司） 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 本研究提出认证提示和上下文技术，通过加密验证和策略代数实现LLM的预防性安全，有效防止提示注入和上下文操纵攻击。

AgentTrace: A Structured Logging Framework for Agent System Observability

AgentTrace: 一种面向智能体系统的结构化日志框架用于可观测性

Adam AlSayyad, Kelvin Yuxiang Huang, Richik Pal

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 AgentTrace是一种面向智能体系统的结构化日志框架，旨在通过动态可观测性和遥测功能提升智能体的安全性和可追溯性。

Comments AAAI 2026 Workshop LaMAS

ReForm: Reflective Autoformalization with Prospective Bounded Sequence Optimization

ReForm：具有前瞻性有界序列优化的反思自动形式化

Guoxin Chen, Jing Wu, Xinjie Chen, Wayne Xin Zhao, Ruihua Song, Chengxi Li, Kai Fan, Dayiheng Liu, Minpeng Liao

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Zhejiang University（浙江大学） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大模型与智能治理重点实验室） 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 ReForm通过整合语义一致性评估和前瞻性有界序列优化，提升自动形式化任务的准确性和语义保真度，实验表明其在四个基准上的性能提升了22.6个百分点。

Comments Camera Ready version for ICLR 2026. Code: https://github.com/Chen-GX/ReForm

On Protecting Agentic Systems' Intellectual Property via Watermarking

通过水印技术保护代理系统知识产权

Liwen Wang, Zongjie Li, Yuchong Xie, Shuai Wang, Dongdong She, Wei Wang, Juergen Rahmel

机构 * The Hong Kong University of Science（香港科学与技术大学） 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AGENTWM框架，通过水印技术保护代理系统知识产权，有效抵御适应性对手的攻击。

TritonRL: Training LLMs to Think and Code Triton Without Cheating

TritonRL: 训练 LLM 以无作弊方式思考和编写 Triton

Jiin Woo, Shaowei Zhu, Allen Nie, Zhen Jia, Yida Wang, Youngsuk Park

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon Web Services（亚马逊网络服务） ； Google DeepMind（谷歌DeepMind） 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.LG

AI总结 TritonRL 通过强化学习框架训练出专门用于 Triton 编程的 8B 级 LLM，实现高正确性和运行时加速，优于现有模型。

VirtualEnv: A Platform for Embodied AI Research

VirtualEnv: 一个用于具身AI研究的平台

Kabir Swain, Sijie Han, Ayush Raina, Jin Zhang, Shuang Li, Michael Stopa, Antonio Torralba

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 VirtualEnv是一个基于Unreal Engine 5的开源平台，用于评估LLM在具身和交互场景中的能力，支持多智能体协作和程序生成任务，旨在推动AI与游戏的交叉研究。

Adaptive Retrieval helps Reasoning in LLMs -- but mostly if it's not used

自适应检索有助于增强大语言模型的推理能力——但主要是当它不被使用时

Srijan Shakya, Anamaria-Roberta Hartl, Sepp Hochreiter, Korbinian Pöppel

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

AI总结 本研究发现自适应检索在某些情况下反而有助于提升大语言模型的推理能力，表明模型在无需检索时可能表现更佳。

Comments Eurips Workshop on Principles of Generative Modeling (PriGM)