TOPIC · REASONING · 28 PAPERS

推理

大语言模型推理对齐智能体多模态视觉生成视觉理解与 3D 机器人与具身高效训练与推理安全与可解释 AI for Science 代码与软件工程评测与数据强化学习

近 30 天 28

#13 ▲417 ★261 ❝0 2026-09-29

LoopVL: Recurrent Visual Intelligence

LoopVL 把循环 Transformer 扩展到视觉语言模型，在多次循环中反复更新视觉-语言状态。

Renmin University of China · Zhe Qian, Ziyang Gong, Zhongxing Xu +13

多模态推理 arXiv 代码 HF

#30 ▲602 ★7 ❝0 2026-10-14

LEV: Thinking Fast and Deep with Looped Decision Models

LEV 让决策模型通过循环重跑网络层来“想得更深”，不必生成推理文字。

机构待核实 · Dingjie Song, Zhiling Yan, Yuxuan Zhang +1

推理高效训练与推理 arXiv 代码 HF

#36 ▲224 ★47 ❝0 2026-09-28

Rethinking Latent Visual Reasoning: Grounding Latent Reasoning in Visual Evidence

指出潜空间视觉推理的 token 对图像证据不敏感，并提出把潜推理锚定到视觉证据上的训练方法。

Amazon · Xi Xiao, Tianchen Zhao, Youngeun Kim +10

推理多模态 arXiv 代码 HF

#40 ▲167 ★97 ❝0 2026-09-23

Training Object Permanence in World Models

构建 150 个认知科学启发任务，检验并训练视频世界模型的“物体恒存”常识。

Carnegie Mellon University · Haotian Zhang, Fengyuan Yu, Dezhi Luo +28

视觉生成推理 arXiv 代码 HF

#43 ▲241 ★9 ❝0 2026-10-08

Thinking Inertia: LLMs Keep Thinking When Told Not To

发现大模型即使被要求“不思考”仍会偷偷推理，并提出衡量“无思考”行为的三级指标。

Stanford University · Dianqiao Lei, Kevin Qinghong Lin, Pan Lu +2

推理大语言模型 arXiv 代码 HF

#77 ▲205 ❝1 2026-09-28

On-Policy or Off-Policy Learning? A Systematic Study of Distillation Dynamics

在受控实验中分离 on-policy 与 off-policy 蒸馏的作用，发现结论比“on-policy 总更好”复杂。

University of Cambridge · Julianna Piskorz, Antonin Berthon, Mihaela van der Schaar

高效训练与推理推理 arXiv HF

#84 ▲62 ★102 ❝1 2026-09-28

Improving Test-Time Scaling with Adaptive Looped Transformers

研究循环 Transformer 在测试时扩展中的表现，并提出自适应循环以在同等算力下胜过基线。

Tsinghua-NICS-EFC · Yichen You, Tianyu Fu, Aosong Feng +4

推理高效训练与推理 arXiv 代码 HF

#99 ▲206 ★6 ❝0 2026-10-13

RoTA-Bench: Evaluating 3D Spatial Reasoning through Interactive Projection Alignment

RoTA-Bench 通过交互式旋转物体对齐剪影，评测视觉语言模型的 3D 空间推理。

MAC-AutoML · Qingchuan Ma, Yuexiao Ma, Xiang Meng +7

多模态评测与数据推理 arXiv 代码 HF

#110 ▲78 ★38 ❝2 2026-09-29

Imagine3D-LLM: Teaching MLLMs to Imagine 3D Scenes Before Answering

Imagine3D-LLM 教多模态模型先在脑中“想象”3D 场景再回答多视角空间问题。

KAIST AI · Jaewoo Jung, Hyeonseo Yu, Honggyu An +10

多模态推理 arXiv 代码 HF

#112 ▲63 ★75 ❝0 2026-10-01

VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks

VeriHarness 把基础模型变成验证 Agent，利用多次采样间的分歧找出可信结论，无需参考答案。

Google · Caiqi Zhang, Rujun Han, Zifeng Wang +4

智能体推理 arXiv 代码 HF

#118 ▲32 ★945 ❝0 2026-10-06

Recurrent Looped Transformer

循环 Transformer 新结构 RLT 让计算深度随序列增长，奇偶校验等任务可泛化到远超训练长度。

Princeton University · Yifan Zhang, Jichen Feng, Shihan Qin +2

大语言模型推理 arXiv 代码 HF

#123 ▲38 ★386 ❝0 2026-10-13

Hybrid Reasoning Agents

混合推理 Agent 在潜空间推理和文本交互之间动态切换，兼顾效率与工具调用。

Stanford University · Jiaru Zou, Yunzhe Qi, Sirui Chen +5

推理智能体 arXiv 代码 HF

#142 ▲72 ★104 ❝0 2026-10-01

Rethinking World-Action Model for Compositional and In-Context Robotic Manipulation

ViGAR 把长程操作拆成“视觉子目标规划 + 子目标执行”，提升组合式和上下文学习式机器人操作。

DAGroup-PKU · Shukai Gong, Xuanran Zhai, Yintianrun Zhang +16

机器人与具身推理 arXiv 代码 HF

#151 ▲96 ★21 ❝0 2026-10-12

TPPO: Tracking-Value PPO For Language Model Reasoning

TPPO 用累加式价值参数化追踪推理过程中的价值变化，改进 PPO 的逐 token 信用分配。

机构待核实 · Futing Wang, Chenxi Li, Jianhao Yan +6

强化学习推理 arXiv 代码 HF

#152 ▲64 ★90 ❝0 2026-09-19

Spatial-Interactor: Learning Spatial Reasoning through Interaction with the Observable Physical World

Spatial-Interactor 用“观察-动作-新观察”的交互轨迹训练视觉语言模型的动态空间推理。

ZJU-OmniAI · Kaixiang Yao, Xu Wang, Miao Pan +10

多模态推理 arXiv 代码 HF

#180 ▲51 ★112 ❝0 2026-09-30

Does Learning Protein Folding Generalize to Broader Reasoning?

研究让大模型学习蛋白质折叠能否迁移成通用的空间与结构推理能力。

Shanghai JiaoTong University · Yong Liu, Zhanpeng Shi, Yizhou Dang +4

AI for Science 推理 arXiv 代码 HF

#186 ▲94 ★12 ❝0 2026-10-20

S-Agent 2.0: Spatial Reasoning with a General Coding Agent

S-Agent 2.0 给通用编程智能体配上命令行 3D 感知工具和场景记忆，显著提升空间推理基准成绩。

Ropedia · Rui Gong, Ruoyu Wang, Yalun Dai +9

智能体推理 arXiv 代码 HF

#190 ▲175 ❝0 2026-10-15

Learning to Think and Explore in 3D World

让视觉语言模型像人一样一次看一张图，在 3D 环境中边推理边移动视角再作答，用 RL 训练。

University of California at San Diego · Yijiang Li, Bingyang Wang, Nuno Vasconcelos

多模态强化学习推理 arXiv HF

#209 ▲145 ❝0 2026-10-05

VepAgent: Bridging Causal-Transition via Tool-Augmented Reinforcement Learning for Video Event Prediction

VepAgent 把因果转移推理与工具增强强化学习结合，用于预测视频中接下来会发生的事件。

UCSC-VLAA · Qiutong Chen, Yuchan Guo, Zhenlong Yuan +10

多模态强化学习推理 arXiv HF

#211 ▲24 ★1.1k ❝0 2026-10-12

StartLux-Decision: AutoThink Decision Models with Reinforcement Learning for Calibrated Deliberative Decisions

StartLux-Decision 决策模型（0.8B–27B）对有把握的情况直接作答、不确定时才推理，并用强化学习校准决策概率。

StartLux · Xialie Zhuang, Zunhai Su, Jia Pan +3

推理强化学习 arXiv 代码 HF

#214 ▲148 ❝0 2026-10-20

PAR: Progress-Aligned Recurrence for Length Generalization in State Tracking

PAR 让循环语言模型每轮迭代对齐“已完成的步数”并锚定状态范数，状态追踪任务可外推到训练长度的 16 倍。

ant-international · Pan Wang, Yihao Hu, Guangyuan Dong +8

大语言模型推理 arXiv HF

#220 ▲91 ★4 ❝0 2026-10-14

Recovering Reliable Supervision via Critique-Guided On-Policy Distillation

CriticOPD 在在线蒸馏中先让教师点评学生的错误再改写，解决教师跟着学生错下去的问题。

机构待核实 · Kaixiang Zhao, Tianrun Yu, Shangzhe Li +4

高效训练与推理推理 arXiv 代码 HF

#228 ▲75 ★11 ❝0 2026-09-30

EgoTools: Towards Tool-Centric Reasoning in Real-World Egocentric Videos

EgoTools 关注真实第一视角视频中的工具使用推理，评测并提升模型对手-工具-物体关系的理解。

Ropedia · Shulin Tian, Junsu Kim, Shuai Liu +17

多模态推理评测与数据 arXiv 代码 HF

#262 ▲79 ❝0 2026-10-12

X-Ragent: Tool-Augmented Reinforcement Learning for Evidence-Grounded Chest X-Ray Reasoning

X-Ragent 用工具增强强化学习训练胸片推理，学会何时调用辅助证据、过滤不适用的量化证据。

Carnegie Mellon University · Yi Wang, Zhenlong Yuan, Yuchan Guo +9

强化学习推理 AI for Science arXiv HF

#272 ▲38 ★10 ❝0 2026-10-01

Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents

SSR 让小模型从预设推理候选中“选择”而不是自由生成，降低多模态搜索 Agent 的推理成本。

Carnegie Mellon University · Feiyu Gavin Zhu, Xiaoyu Zhu, Jiqi Yang +9

推理高效训练与推理智能体 arXiv 代码 HF

#276 ▲69 ❝1 2026-09-30

PhysVista: Benchmarking Physical Intelligence in VLMs via a Perception-Reasoning-Assessment Loop

PhysVista 通过“感知-推理-判断”闭环评测视觉语言模型的物理常识与判断能力。

university of science and technology of china · Xinge Peng, Yiting Lu, Tianwu Zhi +4

多模态评测与数据推理 arXiv HF

#277 ▲29 ★19 ❝0 2026-10-13

Open-o3-Video-v2: Seek, Ground, and Reason with Verifiable Spatio-Temporal Evidence

Open-o3-Video-v2 让模型在视频推理中主动补看画面，并把时间点和物体框写入推理过程作为可验证证据。

Peking University · Jiahao Meng, Zhongyuan Bao, Yue Tan +7

多模态推理智能体 arXiv 代码 HF

#279 ▲85 ❝0 2026-10-03

Questioning the Questions: Sustaining Self-Evolution in Reasoning Models

分析自进化推理模型为何会崩溃（无效题和重复题变多），并提出维持自进化的出题质量控制。

Huang's INTelligence lab · Jinyuan Li, Chengsong Huang, Langlin Huang +4

推理强化学习 arXiv HF

在归档中检索该主题 →