Robust Decision-Making for LLM Agents in Multi-Turn Reasoning

在投

LLM 智能体在多轮推理中常常陷入自锁循环 —— 由于近似的信念追踪,模型反复回到相同假设而无法取得认知进展。我们形式化了这类循环出现的结构性条件,并指出该失败模式即便对前沿模型、即便采用标准的信息获取目标依然存在。为此,我们提出一种免训练、分布鲁棒的信息增益目标,显式对信念追踪误差进行对冲,从而在无需微调的情况下恢复探索性进展。该方法在多轮推理、规划与决策等多个基准上进行了评测,涵盖开源与闭源 LLM 智能体。

A Multi-Domain LLM Benchmark for Scientific Hypothesis Generation

在投

科学假设生成是一项开放式的多步任务,但当前 LLM 评测体系对其支持薄弱:自由文本输出难以一致打分,且大多数实验设置忽略了真正科学家所依赖的文献根植的推理。我们构建了一个跨多个学科的多领域基准,并搭配一套锚定式 5 维评分量规(包含连贯性、事实一致性,以及模板化/缓和性语言检测)。该基准支持两种评测模式 —— 直接 prompt 与允许工具增强文献检索的 agentic 模式 —— 从而能将性能提升归因到底层模型本身,还是外围 agent 框架。

OpenReview 详情

DixitWorld: Evaluating Multimodal Abductive Reasoning in Vision-Language Models with Multi-Agent Dixit Gameplay

Yunxiang Mo, Tianshi Zheng, Qing Zong, Jiayu Liu, Baixuan Xu, Yauwai Yim, Chunkit Chan, Jiaxin Bai, Yangqiu Song.

ACL 2026 AC 9/10

下方 workshop 版本的扩展版 —— 新增 Medium 难度档(252 vs 168 道 QA),72B 参数规模消融,以及 calibration / sensitivity 分析。

arXiv 详情

ScaleCUA: Scaling Open-Source Computer Use Agents with Cross-Platform Data

Zhaoyang Liu, Jingjing Xie, Zichen Ding, Zehao Li, Bowen Yang, Zhenyu Wu, Xuehui Wang, Qiushi Sun, Shi Liu, Weiyun Wang, Shenglong Ye, Qingyun Li, Xuan Dong, Yue Yu, Chenyu Lu, Yunxiang Mo, Yao Yan, Zeyue Tian, Xiao Zhang, Yuan Huang, Yiqian Liu, Weijie Su, Gen Luo, Xiangyu Yue, Biqing Qi, Kai Chen, Bowen Zhou, Yu Qiao, Qifeng Chen, Wenhai Wang.

ICLR 2026 Oral

我的贡献:开源代码库中的数据流水线与跨平台 workflow 组件。

arXiv 详情

DixitWorld: Evaluating Multimodal Abductive Reasoning in Vision-Language Models with Multi-Agent Dixit Gameplay

Yunxiang Mo, Tianshi Zheng, Qing Zong, Jiayu Liu, Baixuan Xu, Yauwai Yim, Chunkit Chan, Jiaxin Bai, Yangqiu Song.

EMNLP 2025 Workshop Spotlight

Workshop 原始版本;扩展版被 ACL 2026 主会接收(见上)。

Facere — AI 原生硬件设计 Agent

端到端硬件设计 CLI —— 原理图、PCB 布线与物理仿真。

与 Yiping Zhao、Jiahao Zhang、Zichen Lin 合作。独立开发。

一个 terminal-native 的 agent,与 KiCad 9 协作绘制和编辑原理图与 PCB 布线。我们构建了一个 hardware-aware 的 MCP server,后端为一套精心整理的 153 模板原理图语料库,并配备独立的 PCB 物理仿真包,使 agent 能够端到端规划、编辑并验证设计。通过单条命令的 bootstrap 安装器分发。

PastPaper Master — AI 真题辅导工具

辅助 HKUST 学生练习历年真题的 Web 应用。

与 Yiping Zhao 和 Jiahao Zhang 合作。独立开发。

为 HKUST 学生准备真题的全栈 AI 辅导工具。GPT-4o 自动从上传的 PDF 中切分并标注每一道题;Qwen-plus 为每道题生成知识点回顾、阶梯式提示与分步解答。工作台支持左右双栏 PDF↔题目联动、拍照手写答题 OCR 批改、相似变体题自动生成,以及带遗忘曲线复习的错题本。