语言大模型 / LLM

Reasoning Fine-Tuning Induces Persistent Latent Policy States

推理微调诱导持久的潜在策略状态

Abir Harrasse, Michael Lan, Hunar Batra, Fateme Hashemi Chaleshtori, Chaithanya Bandi

机构 * University of Oxford（牛津大学） ； University of Utah（犹他大学） 纠错

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

AI总结 研究推理微调对语言模型的影响，将思维链推理建模为切换动态系统，通过时间感知对比表征学习等方法恢复潜在策略。发现推理微调使模型有更丰富的潜在策略组织，恢复的状态有功能意义，SDS引导的剪枝效果良好，为推理模型分析和控制提供新视角。

Comments Accepted at the Conference on Language Modeling (COLM) 2026. 45 pages, including appendices; 24 figures and 12 tables. Code: https://github.com/withmartian/mi-cot

Physical Agentic AI: An Architecture for Orchestrating a Robot Crew with LLMs

物理智能体AI：一种用于协调机器人团队与大语言模型的架构

Xinyuan Liu, Eren Sadikoglu, Riana Chatterjee, Ransalu Senanayake

机构 * School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院） 纠错

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

AI总结 本文提出Physical Agentic AI框架，通过语义规划与执行间的显式架构接口协调机器人团队，在两类任务中验证其可提升技能落地率、减少故障动作，为物理机器人团队提供可靠协调方案。

Iteration Without Elaboration: A Simple ReAct Architecture Suffices for Text-to-SQL Generation

无需复杂设计的迭代：简单的ReAct架构足以完成文本转SQL生成

Jian Lu, Haiwei Yu, Raymond M Xiong, Anru Zhang, Danyang Zhuo

机构 * Duke University（杜克大学） 纠错

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

AI总结 该研究针对现有文本转SQL系统复杂且延迟高的问题，提出简单的ReAct-SQL框架，在两个数据集上达到高准确率且运行速度提升8倍，验证了其有效性。

Comments 19 pages; preprint

GUI-Primitives: Diagnosing Spatial Reasoning Failures in Vision-Language GUI Grounding

GUI-Primitives：诊断视觉-语言GUI定位中的空间推理失败

Md Abrar Jahin, Md Rizwan Parvez

机构 * University of Southern California（南加州大学） ； USC Information Sciences Institute（南加州大学信息科学研究所） ； Qatar Computing Research Institute (QCRI)（卡塔尔计算研究所） 纠错

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

AI总结 本文提出GUI-Primitives基准，通过994个含7种空间关系的对比指令对，发现多数视觉-语言GUI定位模型的失败源于候选定位而非关系理解，且标记候选可提升准确率。

Comments Accepted to EMNLP 2026 Main Conference

DARS: Dual-Level Credit Assignment RL with Structured Reasoning for Instruction-Based Image Editing

DARS：用于基于指令的图像编辑的带结构化推理的双层级信用分配强化学习

Haoxiang Cao, Jiajiong Cao, Xuanpu Zhang, Changqian Yu, Chaoqun Wang

机构 * South China Normal University（华南师范大学） ； KlingAI Research（可灵AI研究院） 纠错

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

AI总结 提出DARS框架，解决基于指令的图像编辑系统仅用最终奖励训练效率低的问题，通过双层级信用分配实现更好性能，在推理密集型编辑上增益显著。

Answer-Level Trust Selection for Physical Vision-Language Reasoning

面向物理视觉-语言推理的答案级信任选择

Rongyu Yu, Ke Niu, Fengxiang He

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

AI总结 针对VLM部署中预测信任问题，提出模型无关的ATS框架，聚合8种诊断分数评估答案可靠性，可识别稳定错判等失效模式，补充模型级能力评估。

Comments Preprint

DentAgent: Evidence-Centric Multi-Agent Coordination for Multimodal Dental Reasoning

DentAgent：以证据为中心的多智能体协调的多模态牙科推理框架

Zijie Meng, Xiwei Dai, Yixuan Tang, Jin Hao, Yang Feng, Fudong Zhu, Xiaoqiang Liu, Shaosheng Cao, Zuozhu Liu

机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Angelalign Technology Inc.（时代天使科技有限公司） ； Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 针对现有牙科AI系统模态或任务局限及证据不可追溯问题，提出以证据为中心的多智能体框架DentAgent，经四个基准测试，其多标签诊断性能超越资深专家17.3个百分点，可用于多模态牙科推理及人群口腔健康评估。

ClosureBench: A Constructive Benchmark for Compositional Graph Reasoning

ClosureBench：面向组合图推理的构造式基准

Stefano Goria

机构 * AIM Research Lab（AIM研究实验室） 纠错

专题命中 推理与问题求解 ：pretraining(abstract)；分类 cs.LG

AI总结 本研究推出ClosureBench基准，评估不同规模模型在组合图推理任务的表现，发现模型存在记忆效应、组合推理瓶颈，微调输出程序的模型可提升性能。

Comments 30 pages, 5 figures, 11 tables. Code and data: https://github.com/egolabs-ai/closurebench

Solving Is Not Drawing: A Benchmark for Diagrammatic Reasoning in Olympiad Geometry

求解不等于绘图：奥林匹克几何图解推理基准

Hsien Xin Peng, Anthony Kim, Alvin Li, Calvin Supasanya, Shivank Garg, Kevin Zhu

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

AI总结 该研究针对基础模型图解推理能力评估缺口，构建含954道奥林匹克几何题的基准，发现模型求解与绘图能力存在显著差距，绘图平均编译成功率仅36.14%。

Comments ICML 2026, AI4MATH Workshop

The IOL-AI Challenge: An Open Challenge towards Advancing Linguistic Reasoning

IOL-AI挑战赛：一项旨在推进语言推理的开放挑战赛

Eduardo Sánchez, Rita Berrada, Dan-Mircea Mirea, Sara Rajaee, Alexander Piperski, Ana Meta Dolinar, Boris Iomdin, Andrey Nikulin, Mariya Shmatova, Marzieh Fadaee, Julia Kreutzer

机构 * University College London（伦敦大学学院） ； Meta ； CentraleSupélec（中央高等电力学院） ； McGill University（麦吉尔大学） ； Cohere Labs（Cohere实验室） ； Princeton University（普林斯顿大学） ； University of Amsterdam（阿姆斯特丹大学） ； Stockholm University（斯德哥尔摩大学） ； Faculty of Liberal Arts and Sciences（文理学院） ； Universidade Federal de Goiás（戈亚斯联邦大学） 纠错

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

AI总结 本文介绍基于2026年IOL个人赛未公开题目的IOL-AI挑战赛，评估含自动与评审团评分，测试显示模型能力不由规模决定，语言推理是泛化推理技能的强基准代理。

Recirculation

再循环

Michael C. Mozer, Shoaib Ahmed Siddiqui, Danny Sawyer, Sunny Sanyal, Rosanne Liu

机构 * Google DeepMind（谷歌DeepMind） ； University of Texas, Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 该研究提出推理时架构增强技术“再循环”及其自适应变体，无需额外训练，可显著降低Gemma3系列模型的困惑度、提升推理任务准确率，为架构演进提供新方向。

Lymphocyte Mimicry Correction via Region-Level Tissue Reasoning and Unbalanced Optimal Transport

基于区域级组织推理与非平衡最优传输的淋巴细胞模拟修正

Xiang Li, Yuqi Wang, Casey C. Heirman, Jihye Heo, Kyle J. Lafata

机构 * Duke University（杜克大学） 纠错

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

AI总结 针对细胞模拟导致的病理细胞分类歧义问题，提出Loki-OT方法，结合区域级组织推理与非平衡最优传输，在TCGA-BRCA队列上取得更优性能。

Comments 13 pages, 3 figures. Accepted to the MICCAI 2026 COMPAYL Workshop

Bounded Semantic Planning and Deterministic Compilation for Reliable Enterprise Text-to-SQL

用于可靠企业级文本到SQL的有界语义规划与确定性编译

Yi Ai

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

AI总结 提出语义路径编译（SPC）系统，在ACME保险基准测试中，其文本到SQL任务正确率达97.4%，显著优于基线系统，且鲁棒性更强。

Comments 10 sections, 2 figures, 6 tables. Preprint. Code and research artifacts are described in the manuscript

THESIS-MoE: Trainable Hierarchical Extraction and SteerIng of Sycophancy in Mixture-of-Experts

THESIS-MoE：可训练的分层提取与混合专家模型中谄媚行为的引导

Kareem Hassani, Chaymaa Abbas, Lama Mawlawi, Mariette Awad

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

AI总结 本研究提出THESIS-MoE，通过共享对比信号定位MoE模型中谄媚行为的计算子电路，采用有条件干预方法，在保留知识的同时消除了高达90%的信念诱导谄媚行为。

The Machine's Internal Clock: Do LLMs Share Human Temporal Illusions?

机器的内部时钟：大型语言模型（LLMs）是否会共享人类的时间错觉？

Catherine Bao, Vivek Srikumar

专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.CL

AI总结 本研究构建含5种错觉的6684个叙事对基准，发现人类仅在2种错觉中偏好预期场景，而14个LLMs在4种错觉中与文献预测一致，其一致性源于心理学研究检索而非类人时间偏差。

Comments 25 pages, 24 figures

MetaReason: Precise Interleaved Multimodal Reasoning via Editing Meta Information for Solving Geometry Problems

MetaReason：通过编辑元信息实现精确的交错多模态推理以解决几何问题

Penghao Yin, Haomin Wang, Qihong Tang, Xiaoye Qu, Hongjie Zhang, Xiao-Ping Zhang

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

AI总结 本研究提出MetaReason框架，构建TutorGeo与ExamGeo数据集，结合监督微调与强化学习，实现几何问题的精确交错多模态推理，性能优于现有开源模型。

When Does the Best Sampling Temperature Rise with the Budget? Sufficient Conditions for Pass@k

最佳采样温度何时随预算升高？Pass@k的充分条件

Changsu Jeong

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

AI总结 该研究针对使pass@k最大化的采样温度随预算升高的经验模式，给出了总体层面的形式化充分条件，推导了相关相图与核表示，构建了该现象的条件理论。

Comments Theory paper, 13 pages, 1 analytical figure. Deterministic verification code is included as ancillary material. No new language-model experiment

More Correct Mass, Worse Answers: Why Power Sampling Can Fail and How to Fix It

更多正确质量，更差答案：幂采样为何会失效及如何修复

Haohui Yang, Jiaxing Sun, Xiujun Ma

机构 * State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能 State Key Laboratory） 纠错

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

AI总结 研究发现幂采样存在悖论，即提升正确轨迹概率却降低下游推理性能，归因于剂量与覆盖不匹配，提出修复后的支持保留幂采样器可逆转损失并优于标准多采样推理。

Comments 16 pages, 8 figures, 1 table. Haohui Yang and Jiaxing Sun contributed equally. Xiujun Ma is the corresponding author

MedClaw: Heuristic Agent Harness for Long-Horizon Surgical Video Reasoning

MedClaw：用于长程手术视频推理的启发式智能体框架

Yingying Fan, Penghui Du, Leyan Zhu, Runze He, Zimeng Wu, Yuxuan Zhang, Liang Chen, Jiahao Xie, Jiangtang Wang, Shuai Shao, Anchao Yang, Yutong Bai, Yan Wang

机构 * School of Automation and Intelligence, Beijing Jiaotong University（北京交通大学自动化与智能学院） ； University of Maryland（马里兰大学） ； Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州高等研究院） ； University of British Columbia（不列颠哥伦比亚大学） ； Beijing Tiantan Hospital, Capital Medical University（首都医科大学附属北京天坛医院） 纠错

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

AI总结 本研究提出MedClaw智能体框架，通过分离推理与感知、启发式技能蒸馏循环，在仅需约100个标注示例的情况下，于自建及公开手术视频基准MedClawBench上，显著优于现有一次性VLM和通用视频智能体。

Predicting consumer-technology ownership without a diffusion history

基于扩散历史预测消费技术拥有情况

Irina Vartanova, Niels Selling, Jennifer Viberg Johansson, Pontus Strimling

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

AI总结 该研究利用人类及Anthropic Claude Opus 4.7、OpenAI GPT-5.5两款语言模型对消费技术的属性评分，通过符号约束惩罚回归预测技术拥有率，其效果优于上市年限基准模型，还对2025-2026年新品做了2027年拥有率预测。

Comments 31 pages, 4 figures, supplementary material included (Tables S1-S6, Figure S1), data and code at https://osf.io/dr5ct

SCOUT: Unlocking Enhanced Spatial Reasoning via Structured Chain-of-Thought and Multi-Objective Process Reward

SCOUT：通过结构化思维链与多目标过程奖励解锁增强型空间推理能力

Zile Zhou, Huining Yuan, Weichen Zhang, Xinlei Chen, Xiao-ping Zhang

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 SCOUT是结合结构化思维链与多目标过程奖励的视觉-语言模型，通过定制数据集训练，在空间推理任务上超越基线模型与GPT-4o，且具备跨图像、视频的泛化能力。

Comments 26 pages, 5 figures

G0.5: One Autoregressive Stream for Robot Reasoning and Action

G0.5：用于机器人推理与动作的单自回归流

Yicheng Liu, Zibin Dong, Baijun Ye, Tianyuan Yuan, Tao Jiang, Anqi Yang, Shicheng Cao, Haonan Liu, Yue Sun, Zihan Guo, Xiao Liu, Dong Ke, Changxun Pan, Chenru Wu, Tailai Cheng, Xiaoshu Ren, Xinlei Zhang, Jianning Cui, Zijie Zhao, Haoyu Zhang, Kaiming Xu, Haodong Yang, Bowen Zhang, Jiahui Niu, Shaoting Zhu, Shiduo Zhang, Hang Zhao

机构 * Galaxea（星系科技（Galaxea）） 纠错

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

AI总结 本文提出G0.5，一种单自回归流的VLA模型，通过三个关键组件实现推理与动作统一，在7项基准中超越现有最优模型，展现出良好的泛化与指令跟随能力。

HUGIN: Enhancing Vision-Language Planning for Autonomous Logistics Sorting

HUGIN：增强自主物流分拣的视觉-语言规划能力

Xikai Sun, Cangtian Zhou, Kebin Liu, Ke Ma, Xu Wang, Zaishu Chen, Haotian Wang, Li Liu, Yunhao Liu

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

AI总结 针对自主物流分拣的联合多场景理解挑战，提出HUGIN训练框架，构建SortingBench基准，在多VLMs上性能提升，验证了方法有效性与实际可行性。

IO Factory: Simulating AI-Enabled Influence Campaigns at Scale

IO Factory：大规模模拟AI驱动的影响力行动

Lukasz Olejnik, Wenchao Dong, Jonas R. Kunst, Signe Riemer-Sørensen, Tobias Herb, Meeyoung Cha, Daniel Thilo Schroeder

机构 * King’s College London（伦敦国王学院） ； Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所） ； BI Norwegian Business School（挪威商学院） ； University of Oslo（奥斯陆大学） ； SINTEF Digital（SINTEF数字研究所） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 IO Factory是AI驱动的大规模影响力行动模拟框架，可在受控平台中关联多环节数据，在10万智能体配置下可执行行动并生成可检查证据，支持可重复研究与红队分析。

Order Matters: LVLMs as Judges for Temporal Reasoning in Image Sequences

顺序很重要：LVLMs作为图像序列时间推理的评判者

Martina Ianaro, Guilherme Fernandes, Maurizio Gabbrielli, Joao Magalhaes

机构 * University of Bologna（博洛尼亚大学） ； NOVA School of Science and Technology（NOVA科技学院） ； NOVA Laboratory for Computer Science and Informatics（NOVA计算机科学与信息实验室） 纠错

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

AI总结 本研究发现大视觉语言模型（LVLMs）作为多模态评判者存在时间顺序判别缺陷，受首因、近因等结构性偏差影响，呼吁构建时间感知的视觉序列评估范式。

Comments 34 pages, camera-ready

MEGA: Self-Evolving Agent Optimization Infrastructure via Wisdom Graph

MEGA：基于智慧图的自进化智能体优化基础设施

Jung Hwan Lee, Kyu Ho Lee, Gwang Hoon Yoo

专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.AI

AI总结 MEGA是一种自进化智能体优化基础设施，通过三层架构实现智慧积累、组合推理与自进化，可系统性优化异构智能体系统，将优化与知识进化融为一体。

Comments 29 pages, 10 figures. Technical report

Activation Probes Surface Code-Security Signals that the Model's Output Misses

激活探针：挖掘模型输出遗漏的表面代码安全信号

Ivan Wiryadi

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

AI总结 本研究提出用线性探针分析开源审查器模型的激活值，发现其携带了仅通过模型提示无法获取的代码安全信号，可有效区分有漏洞与修复后的函数。

Comments 6 pages, 1 figure. Accepted at the TAIGR workshop, ICML 2026

Full-bandwidth transformer

全带宽Transformer

Xi Wang, Ziyang Cai, Zheng Zhan, Harry Dong, Ying Fan, Gustavo de Rosa, Tim Pearce, John Langford

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Princeton University（普林斯顿大学） ； Microsoft（微软公司） 纠错

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

AI总结 该研究提出全带宽Transformer，通过潜在反馈拓宽解码步骤间的垂直反馈通道，经训练验证其在多项任务上性能提升，且解码开销可忽略。

Self-Evolving Neuro-Symbolic Skills for Tool-Augmented Spatial Reasoning

面向工具增强空间推理的自演化神经符号技能

Shi-Yu Tian, Zhuo-Xia Wang, Xuan-Yi Zhu, Zhi Zhou, Xinwei Yang, Kun-Yang Yu, Ming Yang, Yang Chen, Yu-Feng Li

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

AI总结 该研究针对视觉-语言模型在细粒度空间任务上的不可靠问题，提出神经符号框架NeSy-Spatial，通过自演化空间技能提升工具利用精度与空间推理准确率。

Comments 25 pages, 9 figures, 10 tables; includes supplementary material

Reason Wide, Not Deep: Amortizing the Reasoning Premium into Distilled Skills

广泛推理，而非深度推理：将推理溢价分摊到提炼技能中

Agamdeep Singh, Srishti Gautam, Priyanshu Gupta, Nikita Mehrotra, Tanmay Bakshi, Sumit Gulwani

机构 * Microsoft（微软公司） 纠错

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

AI总结 该研究提出将推理模式的重复分摊为跨任务提炼的技能，在四个智能体基准上大幅降低代币量的同时恢复多数推理性能，部分场景下优于推理模式。

Comments COLM 2026 Efficient Reasoning Workshop