语言大模型 / LLM

REFLECT: Intervention-Supported Error Attribution for Silent Failures in LLM Agent Traces

REFLECT: 针对LLM智能体轨迹中静默失败的干预支持错误归因

Xiaofeng Lin, Yingxu Wang, Tung Sum Thomas Kwok, Daniel Guo, Sahil Arun Nale, Charles Fleming, Guang Cheng

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出REFLECT方法，通过诊断候选错误步骤、使用诊断特定补丁进行受控重放测试，并利用验证结果作为对比证据来细化归因，在四个基准上取得最高定位准确率。

Data Agents Under Attack: Vulnerabilities in LLM-Driven Analytical Systems

数据代理遭受攻击：LLM驱动的分析系统中的漏洞

Kuncan Wang, Ziting Wang, Peizhuo Lv, Haoyang Li, Guoliang Li, Gao Cong, Wei Dong

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； The Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本研究系统分析了LLM驱动的数据代理的安全漏洞，提出了分层漏洞框架和攻击分类法，并在六个系统上评估了攻击效果，揭示了当前系统的重大安全缺陷。

Byzantine Cheap Talk: Adversarial Resilience and Topology Effects in LLM Coordination Games

拜占庭廉价谈话：LLM协调博弈中的对抗韧性与拓扑效应

Aya El Mir, Martin Takáč, Salem Lahlou

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 研究多智能体LLM在协调博弈中面对拜占庭攻击和通信拓扑限制的脆弱性，发现智能体无法集体适应背叛，且显式限制拓扑会破坏合作，而隐式限制则不影响。

Comments Accepted at NETYS 2026 (The International Conference on Networked Systems)

Consilience for Verifier-Free Test-Time Scaling

无验证器的测试时扩展的一致性方法

Lecheng Kong, Like Hui, Haitao Mao, Jun Huan

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

AI总结 本文针对现有基于置信度的无验证器测试时扩展（VF-TTS）方法在复杂任务上失效的问题，提出一致性（consilience）框架，通过评估置信度时间不对称性提升LLM推理性能，在数学和代码生成任务上优于基线。

Debate-on-Graph: Reliable and Adaptive Reasoning of Large Language Model on Uncertain Knowledge Graph

图上辩论：大语言模型在不确定知识图谱上的可靠且自适应推理

Peiji Yu, Xin Chen, Tianxing Wu

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University)（教育部新一代人工智能技术及其跨学科应用重点实验室（东南大学）） 纠错

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

AI总结 研究大语言模型在不确定知识图谱上问答时的问题，提出Debate-on-Graph框架，设计启发式搜索算法提取子图并引入多智能体辩论机制，经实验验证该框架能实现可靠且自适应推理，性能优于现有方法。

Comments 18 pages, Accepted by ECML-PKDD 2026

SPARK: Susceptibility-Guided Profiling and Steering of Latent Reasoning States in Large Language Models

SPARK：大语言模型中基于敏感性的潜在推理状态分析与引导

Dongxu Zhang, Yiding Sun, Zihao Guo, Xiangyang Yang, Kai Tang, Lin Chen, Cheng Tan, Jihua Zhu

机构 * Xi’an Jiaotong University（西安交通大学） ； Peking University（北京大学） ； Tencent（腾讯） 纠错

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

AI总结 研究大语言模型推理失败问题，提出SPARK方法，利用隐藏状态响应诊断推理状态并引导测试时干预，通过长度控制敏感性等手段，在实验中提升了Qwen3系列模型性能，证明敏感性对推理失败诊断及干预的作用。

From Solvers to Research: Large Language Model-Driven Formal Mathematics at the Research Frontier

从求解器到研究：前沿研究中的大语言模型驱动形式数学

Eric Jiang, Xiao Liang, Yikai Zhang, Yingjia Wan, Mengting Li, Haikang Deng, Alexander K. Taylor, Justin Baker, Rushil Raghavan, Junyi Zhang, Ying Nian Wu, Andrea L. Bertozzi, Kai-Wei Chang, Raghu Meka, Matthew Sottile, Nanyun Peng, Amit Sahai, Terence Tao, Wei Wang

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） 纠错

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

AI总结 探讨AI4Math领域进展，指出当前系统处理前沿数学问题有局限。主张从预定义求解器转向研究代理，对该领域进行系统综述，识别现有系统局限性，为AI4Math未来发展规划战略路线图。

Speaking Numbers to LLMs: Multi-Wavelet Number Embeddings for Time Series Forecasting

向LLM讲述数字：用于时间序列预测的多小波数字嵌入

Defu Cao, Zijie Lei, Muyan Weng, Jiao Sun, Yan Liu

机构 * University of Southern California（南加州大学） ； Meta ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 提出TempoWave，一种即插即用的多小波数字嵌入接口，将标量观测映射为数字级嵌入，以对齐LLM的离散分词与连续数值，提升时间序列预测的排序准确性和可靠性。

Comments Camera Ready version of IJCAI 2026

A specialized reasoning large language model for accelerating rare disease diagnosis: a randomized AI physician assistance trial

一种用于加速罕见病诊断的专用推理大语言模型：随机AI辅助医生试验

Haichao Chen, Songchi Zhou, Zhengyun Zhao, Shikai Hu, Xianghong Jin, Hongwei Ji, Li He, Shuli Li, Yiming Qin, Xin Tan, Runfeng Shi, Yih Chung Tham, Jiaye Zhu, Ye Li, Ye Jin, Longhao Cao, Dawei Li, Honghan Wu, Hongqiu Gu, Guanqiao Li, Tudor Groza, Chunying Li, Dian Zeng, Weihong Yu, Gareth Baynam, Saumya Shekhar Jamuar, Min Shen, Shuyang Zhang, Bin Sheng, Sheng Yu, Tien Yin Wong

机构 * Tsinghua Medicine, Tsinghua University（清华大学医学部，清华大学） ； Department of Ophthalmology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College（北京大学人民医院眼科，中国医学科学院 & 北京大学医学部） ； Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系） ； Department of Rheumatology and Clinical Immunology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College（北京大学人民医院风湿免疫科，中国医学科学院 & 北京大学医学部） ； Department of Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College（北京大学人民医院罕见病科，中国医学科学院 & 北京大学医学部） ； Department of Dermatology, Xijing Hospital, Air Force Medical University（西安空军军医大学西京医院皮肤科） ； School of Computer Science and Technology, East China Normal University (ECNU)（东华大学计算机科学与技术学院） ； Department of Neurosurgery, Xuanwu Hospital, Capital Medical University（首都医科大学宣武医院神经外科） ； Department of Ophthalmology, National University of Singapore（新加坡国立大学眼科） ； Singapore Eye Research Institute, Singapore National Eye Centre（新加坡眼科学研究所，新加坡国家眼科中心） ； Ophthalmology and Visual Science Academic Clinical Program, Duke-NUS Medical School（杜克-国立新加坡大学医学学校眼科与视觉科学学术临床项目） ； Department of Pediatrics, The First Hospital of Tsinghua University（清华大学第一医院儿科） ； College of Future Technology, Peking University（北京大学未来技术学院） ； School of Health and Wellbeing, University of Glasgow（格拉斯哥大学健康与福祉学院） 纠错

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

AI总结 提出开源推理大模型RaDaR（32B参数），通过增强推理训练和合成数据，在罕见病诊断中超越DeepSeek-R1等模型，随机试验显示其辅助使医生诊断准确率提升21.44个百分点。

Comments 36 pages, 5 figures

How reliable are LLMs when it comes to playing dice?

LLM 在掷骰子时有多可靠？

Luca Avena, Gianmarco Bet, Bernardo Busoni

机构 * Università degli Studi di Firenze（佛罗伦萨大学） 纠错

专题命中 推理与问题求解 ：LLM(title_cn,summary_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 通过离散概率问题基准测试，发现 LLM 在标准问题上准确率 0.96，但在反直觉问题上仅 0.59，且存在 token 偏差和误导提示的脆弱性。

From USD Scenes to Knowledge Graphs: Zero-Shot Ontology Grounding with LLMs

从USD场景到知识图谱：基于LLM的零样本本体接地

Jiangtao Shuai, Zongxiong Chen, Manfred Hauswirth, Sonja Schimmler

机构 * Technical University of Berlin（柏林工业大学） ； Fraunhofer FOKUS（弗劳恩霍夫开放通信系统研究所） 纠错

专题命中 推理与问题求解 ：LLM(title_cn,summary_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 研究利用大语言模型（LLM）零样本地将3D场景对象自动映射到本体类别，无需训练，在厨房场景中达到90-96%准确率，并揭示语义线索是关键。

Comments Accepted to the IEEE ICRA 2026 International Joint Workshop on Ontologies, Semantic Maps and Autonomous Robotics Standardization (J-WOSMARS 2026), Vienna, 2026

Auditing and Decomposing Feedback-Driven Evolution in LLM Test Generation under the Oracle Problem

在神谕问题下对LLM测试生成中反馈驱动演化的审计与分解

Yunhao Liang, Chengguang Gan, Ruixuan Ying, Hanjun Wei, Zhe Cui, Shiwen Ni

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 该研究针对LLM测试生成中反馈驱动演化的神谕问题，通过多任务实验发现单一神谕会膨胀演化增益，提出审计-安慰剂协议以分离验证器人工制品等，为相关评估提供改进方案。

GAPL: Grounded Action-effect Policy Learning for LLM-Based Trajectory Planning

GAPL：面向基于大语言模型的轨迹规划的接地动作效果策略学习

Zhihong Cui, Hengyu Liu, Zhangkai Wu, Yushuai Li, Tianyi Li, Peiyuan Guan, Amir Taherkordi, Tor Skeie

机构 * University of Oslo（奥斯陆大学） ； Aalborg University（奥尔堡大学） ； University of Sydney（悉尼大学） ； Nanjing University of Information Science and Technology（南京信息工程大学） ； Simula Research Laboratory（西穆拉研究院） 纠错

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

AI总结 针对LLM用于自动驾驶轨迹规划时存在的幻觉、接地不足等问题，提出GAPL框架，整合三类模块并经实验验证其性能优于基线方法

Comments 11 pages, 5 figures, 6 tables

Logos: Certified Order-Sensitive SQL Rewrites with Mechanized Semantics and LLM Guidance

Logos：结合机械化语义与LLM指导的可验证顺序敏感型SQL重写

Jingyu Ke, Jingyang Li, Guoqiang Li

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 Logos是一款结合Rocq机械化语义与LLM指导的SQL重写验证工具，解决了现有工具的不足，在389个查询对的评估中解决率达86.9%，优于基线工具SQLSolver。

Comments 13 pages, 4 figures, and 3 tables

LLM Ensemble Fault Classification for Automotive HiL Validation

面向汽车HiL验证的大语言模型集成故障分类

Hamza Ouarrad, Mohammad Abboush, Andreas Rausch

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

AI总结 本文提出可解释多LLM集成框架，结合异构LLM输出提升汽车HiL验证故障分类性能，经多车型多场景评估，Top-3集成优于单模型及Top-5集成，实现更优诊断效果。

Comments 8 pages, 3 figures. Accepted at the 23rd Workshop on Model Driven Engineering, Verification and Validation (MoDeVVa 2026), co-located with MODELS 2026. Original submitted version

CVPO: Enhancing LLM Reinforcement Learning Reasoning via Value-Variance Adaptation and Dynamic Curriculum Learning

CVPO：通过值方差自适应与动态课程学习增强大语言模型的强化学习推理能力

Ziqi Jia, Yalu Ouyang, Bo Pang, Panpan Li, Hangfei Xu, Shengzhao Wen, Shiyong Li, Yanpeng Wang

专题命中 推理与问题求解 ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 针对LLM强化学习推理中反馈精度不足与问题难度漂移问题，提出CVPO方法，通过值方差自适应与动态课程学习优化，在数学任务上性能优于VAPO等基线。

CinemaTraj: Composing Atomic Camera Trajectories for 3D Scenes with LLM Agents

CinemaTraj：用LLM智能体为3D场景合成原子相机轨迹

Qianru Li, Xuyang Chen, Erkin Türköz, Lu Liu, Xuqin Wang, Liqiu Meng, Tao Wu, Yanfeng Zhang

机构 * Technical University of Munich（慕尼黑工业大学） ； Huawei Dresden Research Center（华为德累斯顿研究中心） 纠错

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 CinemaTraj是将LLM智能体与3D场景图结合的框架，可从自然语言生成带旁白的3D场景相机轨迹，在真实环境中优于现有方法。

Comments 17 pages, including 8-page main paper, references, and supplementary material; project page: https://cinematraj.github.io/

AgentsCAD: Automated Design for Manufacturing of FDM Parts via Multi-Agent LLM Reasoning and Geometric Feature Recognition

AgentsCAD: 通过多智能体大语言模型推理和几何特征识别实现FDM零件的自动化制造设计

Emmanuel George, Christopher Keefe, Peter Pak, Amir Barati Farimani

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

AI总结 提出AgentsCAD多智能体系统，结合B-Rep几何解析与LLM推理，自动检测FDM零件悬垂缺陷并生成修改建议，输出修正STEP文件。

When Agents Do Not Stop: Uncovering Infinite Agentic Loops in LLM Agents

当智能体不停止：揭示LLM智能体中的无限循环

Xinyi Hou, Shenao Wang, Yanjie Zhao, Haoyu Wang

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 提出IAL-Scan静态分析工具，通过抽象智能体代码为Agent IR并构建循环依赖图，检测LLM智能体项目中因反馈路径未有效约束导致的无限循环故障，在6549个仓库中达到91.9%精度。

RepoRescue: An Empirical Study of LLM Agents on Whole-Repository Compatibility Rescue

RepoRescue: LLM智能体在全仓库兼容性修复上的实证研究

Zhihao Lin, Mingyi Zhou, Zhensu Sun, Yizhuo Yang, Renyu Yang, David Lo, Li Li

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 研究LLM智能体能否自动修复因环境演化而失效的旧仓库，提出RepoRescue基准，包含315个仓库，评估多种智能体系统，发现跨文件协调是主要难点，且系统间互补性显著。

Antaeus: Hunting Repository-Level Logic Vulnerabilities via Context-Grounded LLM Reasoning

Antaeus: 通过上下文锚定的LLM推理发现仓库级逻辑漏洞

Michele Armillotta, Nicolò Romandini, Rebecca Montanari, Lorenzo Cavallaro

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 提出Antaeus框架，通过仓库级代码上下文锚定LLM推理，结合函数优先级排序、上下文推理、比较验证和结构化报告，有效检测逻辑漏洞，在28个仓库中检测出15个漏洞，优于基线方法。

Glite ARF: Verifier-Driven Research with Parallel LLM Coding Agents

Glite ARF：基于验证器的并行LLM编码代理研究

Vassili Philippov, Pavel Katunin, Dmitry Andreev, Igor Ostanin, Anton Nikolaev

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 提出Glite ARF框架，通过确定性验证器脚本强制执行任务隔离和不可变性，实现并行LLM编码代理的可重复研究，在BEA 2026词汇难度共享任务中取得领先结果。

Comments 13 pages, 6 figures, 7 tables. Open-source framework (Apache-2.0) and a public demo project at https://github.com/GliteTech/glite-arf and https://github.com/GliteTech/research-ace-cefr

ConcoLixir: Reactive LLM Discovery Oracles for Python Concolic Testing

ConcoLixir：用于Python符号执行的响应式LLM发现预言

Dong Chen, Chih-Duo Hong, Fang Yu

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 针对Python符号执行中库调用降级、语义操作难解和路径覆盖停滞问题，提出ConcoLixir，利用LLM作为发现预言生成种子、输入并引导覆盖，平均行覆盖率提升8.6-17.0个百分点，成本仅$1.63。

Verifying Intent and Harm: A Unified Defense Against LLM-Generated Threats

验证意图与危害：针对LLM生成威胁的统一防御

Poojitha Thota, Yun Lei, Santhosh Thangaraj, Siddhartha Reddy Jonnalagadda, Shirin Nilizadeh

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

AI总结 提出一种联合验证用户提示意图和模型响应危害的防御框架，通过专门分析器与裁决器协同工作，在五个威胁类别上平均F1提升至0.95，攻击成功率降至4.1%。

SAGE-Nav: Leveraging LLM Planning and Alignment Fusion for Hierarchical Scene Graph-Guided Navigation

SAGE-Nav：利用LLM规划与对齐融合的分层场景图引导导航

Hao Su, Yuehao Huang, Yukai Ma, Yong Liu, Jiajun Lv

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 提出SAGE-Nav分层框架，结合大语言模型与动态场景图，通过解耦全局语义规划与高频反应控制，实现高效目标导航，在i-THOR和RoboTHOR中达到最优性能。

Comments Accepted by IROS 2026

TabClean: Reusable LLM-Synthesized Programs for Tabular Data Cleaning

TabClean: 用于表格数据清洗的可复用LLM合成程序

Yibo Wang, Riteng Zhang, Yinghao He, Yongye Su, Bharat Bhargava, Chunwei Liu

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 提出TabClean系统，通过将LLM推理编译为可复用的带守卫修复程序，实现无模型训练的表格数据清洗，在五个基准数据集上F1优于基线，并大幅降低重复运行成本。

Comments 13 pages

Universal Guideline-Driven Image Clustering via a Hybrid LLM Agent

通用指南驱动图像聚类：基于混合LLM代理

Wenliang Zhong, Rob Barton, Lucas Goncalves, Kushal Kumar, Feng Jiang, Hehuan Ma, Yuzhi Guo, Vidit Bansal, Karim Bouyarmane, Junzhou Huang

机构 * The University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； Amazon（亚马逊） 纠错

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 提出首个通用图像聚类框架，通过文本指南弥合任务差异，利用生成式概念代理建模和基于最小生成树的LLM遍历，在多种聚类场景中超越专用方法。

Comments CVPR 2026

Theorist Toolbox: Tools for Agent Based LLM-assisted economic theory Research

理论家工具箱：基于智能体的LLM辅助经济理论研究工具

Moran Koren

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

AI总结 提出一种验证优先的经济理论LLM辅助协议，通过三种可重用方法（单次检查、对抗性证明-验证对、多智能体项目）在等级膨胀的Gans-Kominers特征模型上设计Groves/Pigouvian激励机制的实例验证。

Think Twice Before You Act: Protecting LLM Agents Against Tool Description Poisoning via Isolated Planning

三思而后行：通过隔离规划保护LLM代理免受工具描述投毒攻击

Shanghao Shi, Xiao Wang, Chaoyu Zhang, Hao Li, Wenjing Lou, Thomas Hou, Yevgeniy Vorobeychik, Chongjie Zhang, Ning Zhang

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

AI总结 提出Tool-Guard系统级防御，通过隔离规划机制将可疑工具调用隔离到受感染列表，阻断投毒描述持续影响，在AgentDojo和ASB基准上显著降低攻击成功率并保持任务效用。

Comments Accepted to ICML 2026

Heterogeneous LLM Debate Under Adversarial Peers: Honest Gains, Replacement Costs, and Resilience

对抗性同伴下的异构LLM辩论：诚实增益、替代成本与韧性

Prashanti Nilayam, Kiran Kumar Ramanna, Prashil Tumbade, Sankalp Nayak

专题命中 推理与问题求解 ：LLM(title,title_cn)

AI总结 研究异构LLM辩论中诚实与对抗性同伴对修正行为的影响，发现诚实同伴降低有害修正率，对抗性同伴则逆转，且异构性在已有对手时也能作为防御。