大模型推理能力

Nudging Hidden States: Training-Free Model Steering for Chain-of-Thought Reasoning in Large Audio-Language Models

引导隐藏状态：用于大音频-语言模型链式推理的无训练模型引导

Lok-Lam Ieong, Chia-Chien Chen, Chih-Kai Yang, Yu-Han Huang, An-Yu Cheng, Hung-yi Lee

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；分类 cs.CL、cs.AI

AI总结 研究通过无训练的模型引导方法提升大音频-语言模型的推理能力，采用多种信息源策略在四个模型和四个基准上进行评估，结果显示推理准确率提升达4.4%，并发现跨模态迁移效应。

Comments 6 pages, 4 figures, 2 tables

Learning from Partial Chain-of-Thought via Truncated-Reasoning Self-Distillation

通过截断推理自蒸馏学习部分推理链

Gianluigi Silvestri, Edoardo Cetin

机构 * Radboud University（拉德堡德大学） ； Sakana AI（萨卡纳人工智能） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出TRSD方法，通过自蒸馏提升模型在截断推理下的鲁棒性，减少计算开销并提高推理效率。

Rationale-Enhanced Decoding for Multi-modal Chain-of-Thought

增强推理的多模态链式推理

Shin'ya Yamaguchi, Kosuke Nishida, Daiki Chijiwa

专题命中 测试时计算 ：chain-of-thought(title,abstract)；reasoning(abstract)；CoT(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出RED方法，通过KL约束奖励最大化提升多模态链式推理的准确性和忠实度，实验表明其在多个基准和模型上显著优于传统方法。

Comments Accepted to CVPR 2026 (Main); Code is available at https://github.com/yshinya6/red/

Incentivizing Strong Reasoning from Weak Supervision

通过弱监督激励强推理

Yige Yuan, Teng Xiao, Shuchang Tao, Xue Wang, Jinyang Gao, Bolin Ding, Bingbing Xu

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI

AI总结 本文研究如何在无需高成本示范和强化学习的情况下，通过弱监督模型激励大语言模型的推理能力，发现弱监督能有效提升推理性能，接近强化学习的效果，且成本更低。

Comments Accepted at EACL 2026

Amplification Effects in Test-Time Reinforcement Learning: Safety and Reasoning Vulnerabilities

测试时强化学习中的放大效应：安全性和推理漏洞

Vanshaj Khattar, Md Rafi ur Rashid, Moumita Choudhury, Jing Liu, Toshiaki Koike-Akino, Ming Jin, Ye Wang

机构 * Penn State University（宾夕法尼亚州立大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文研究了测试时训练方法的安全性漏洞，发现测试时强化学习中有害提示注入会放大模型行为，导致推理能力下降。

CAMD: Coverage-Aware Multimodal Decoding for Efficient Reasoning of Multimodal Large Language Models

CAMD：面向多模态大语言模型高效推理的覆盖感知多模态解码

Huijie Guo, Jingyao Wang, Lingyu Si, Jiahuan Zhou, Changwen Zheng, Wenwen Qiang

专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.LG

AI总结 本文提出CAMD，通过动态分配计算资源提升多模态大语言模型的推理效率与可靠性，解决解码方法在易例和难例间的计算不匹配问题。

HomeGuard: VLM-based Embodied Safeguard for Identifying Contextual Risk in Household Task

HomeGuard: 基于视觉-语言模型的具身安全防护系统用于识别家庭任务中的上下文风险

Xiaoya Lu, Yijin Zhou, Zeren Chen, Ruocheng Wang, Bingrui Sima, Enshen Zhou, Lu Sheng, Dongrui Liu, Jing Shao

专题命中 测试时计算 ：chain-of-thought(abstract)；CoT(abstract)

AI总结 本文提出HomeGuard系统，通过Context-Guided Chain-of-Thought机制，结合定制数据集和强化微调策略，提升家庭任务中风险识别精度，减少误判，同时为后续规划提供空间约束。

Two Birds, One Projection: Harmonizing Safety and Utility in LVLMs via Inference-time Feature Projection

双鸟归一投影：通过推理时特征投影在LVLMs中调和安全与效用

Yewon Han, Yumin Seol, EunGyung Kong, Minsoo Jo, Taesup Kim

机构 * Graduate School of Data Science, Seoul National University（首尔国立大学数据科学研究生院） ； Mobilint 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 本文探讨了安全与效用在LVLMs中的对抗性，提出通过推理时投影消除模态偏差方向以提升安全性和效用。

Matching Features, Not Tokens: Energy-Based Fine-Tuning of Language Models

匹配特征而非标记：基于能量的语言模型微调

Samy Jelassi, Mujin Kwun, Rosie Zhao, Yuanzhi Li, Nicolo Fusi, Yilun Du, Sham M. Kakade, Carles Domingo-Enrich

机构 * Harvard University, Kempner Institute（哈佛大学凯普纳研究所） ； Microsoft Research New England（微软研究院新英格兰分部） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.LG

AI总结 本文提出基于能量的语言模型微调方法，通过匹配序列级统计信息提升模型表现，无需任务特定验证器或偏好模型，在多个任务中优于传统微调方法。

When Scanners Lie: Evaluator Instability in LLM Red-Teaming

当扫描器撒谎：在LLM红队测试中的评估者不稳定性

Lidor Erez, Omer Hofman, Tamir Nizri, Roman Vainshtein

专题命中 测试时计算 ：verifier(abstract)

AI总结 本文研究了LLM安全评估中评估者不稳定性问题，提出了一种可靠性意识的评估框架，通过量化评估者分歧和验证方法提升评估准确性，发现22个攻击类别存在评估不稳定现象，使评估准确率从72%提升至89%。

Comments Submitted to the EvalEval Workshop at ACL 2026