大模型推理能力

Beyond Test-Time Compute Strategies: Advocating Energy-per-Token in LLM Inference

超越测试时计算策略：倡导语言模型推理中的能耗-token指标

Patrick Wilhelm, Thorsten Wittkopp, Odej Kao

机构 * Technische Universität Berlin（柏林技术大学） 纠错

专题命中 测试时计算 ：test-time compute(title,abstract)；reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)

AI总结 本文探讨了在小模型中测试时计算策略的能耗-准确率权衡，提出能耗-token指标和受控推理策略，以实现可持续的AI部署。

Journal ref EuroMLSys2025

Enhancing reasoning accuracy in large language models during inference time

在推理过程中增强大语言模型的推理准确性

Vinay Sharma, Manish Jain

机构 * Firstsource 纠错

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 本文研究了提升大语言模型推理准确性的推理时技术，通过自一致性、双模型推理一致性和自反思三种策略，发现自一致性在核采样和受控温度下能显著提高准确性，适用于低风险领域。

Native Reasoning Models: Training Language Models to Reason on Unverifiable Data

原生推理模型：训练语言模型在不可验证数据上进行推理

Yuanfu Wang, Zhixuan Liu, Xiangtian Li, Chaochao Lu, Chao Yang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出NRT框架，通过让模型自行生成推理轨迹，无需专家示范，提升推理能力，实验证明其在复杂推理任务中表现优异，具有鲁棒性和可扩展性。

Comments Accepted at ICLR 2026. Code available at https://github.com/sharkwyf/native-reasoning-models

Power-SMC: Low-Latency Sequence-Level Power Sampling for Training-Free LLM Reasoning

Power-SMC：低延迟序列级功率采样用于训练自由LLM推理

Seyedarmin Azizi, Erfan Baghaei Potraghloo, Minoo Ahmadi, Souvik Kundu, Massoud Pedram

机构 * University of Southern California（南加州大学） ； Intel Labs（英特尔实验室） 纠错

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

AI总结 本文提出Power-SMC，一种低延迟的序列级功率采样方法，用于训练自由的大语言模型推理，通过并行粒子集和重要权重修正提升推理效率。

Compute Allocation for Reasoning-Intensive Retrieval Agents

为推理密集型检索代理进行计算分配

Sreeja Apparaju, Nilesh Gupta

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

AI总结 研究通过BRIGHT基准和Gemini 2.5模型家族，探讨推理密集型检索管道中的计算分配，发现重排阶段受益于更强模型和更深候选池，而查询扩展在轻量模型后效果递减。

Reasoning Cache: Continual Improvement Over Long Horizons via Short-Horizon RL

推理缓存：通过短期限强化学习实现长周期的持续改进

Ian Wu, Yuxiao Qu, Amrith Setlur, Aviral Kumar

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出RC算法，通过利用LLM的响应生成与总结能力差异，实现长周期的持续改进，实验显示其在HMMT 2025任务中性能显著提升。

Comments preprint v2; revised 2026-03-22 (updated IMO-AnswerBench results)

Reasoning-Aligned Perception Decoupling for Scalable Multi-modal Reasoning

面向可扩展多模态推理的推理对齐感知解耦

Yunhao Gou, Kai Chen, Zhili Liu, Lanqing Hong, Xin Jin, Zhenguo Li, James T. Kwok, Yu Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Huawei Cloud Project（华为云项目） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)

AI总结 本文提出RAPID方法，通过解耦多模态模型的感知与推理模块，利用强化学习优化感知输出，使模型能与任意强大文本推理模型配合，实现无需重新训练的性能提升。

Comments ICLR 2026

MobileIPL: Enhancing Mobile Agents Thinking Process via Iterative Preference Learning

MobileIPL: 通过迭代偏好学习增强移动代理的思维过程

Kun Huang, Weikai Xu, Yuxuan Liu, Quandong Wang, Pengzhi Gao, Wei Liu, Jian Luan, Bin Wang, Bo An

机构 * Xiaomi Inc.（小米公司） ； Nanyang Technological University（南洋理工大学） ； Gaoling School of Artificial Intelligence, Renmin University of China（人民大学人工智能学院） 纠错

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

AI总结 本文提出MobileIPL，通过迭代偏好学习构建CoaT树，结合规则奖励和反馈反向传播，提升移动代理在GUI任务中的推理能力与泛化能力。

Comments 9 pages, 8 figures, 7 tables

Multi-Agent Debate with Memory Masking

具有记忆掩码的多智能体辩论

Hongduan Tian, Xiao Feng, Ziyuan Zhao, Xiangyu Zhu, Rolan Yan, Bo Han

机构 * TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 团队） ； Search Algorithm Group, WeChat, Tencent（微信搜索算法团队，腾讯） 纠错

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

AI总结 本文提出MAD-M$^2$框架，通过在每轮辩论前屏蔽错误记忆以提升多智能体辩论的鲁棒性，实验证明其在数学和逻辑推理任务中表现更优。

Comments ICLR 2026

Pretraining with hierarchical memories: separating long-tail and common knowledge

预训练与层次记忆：区分长尾知识与常识

Hadi Pouransari, David Grangier, C Thomas, Michael Kirchhof, Oncel Tuzel

机构 * Apple（苹果公司） 纠错

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

AI总结 本文提出一种基于层次记忆的预训练方法，通过分离长尾知识与常识，提升模型性能。实验显示，使用内存银行可使小模型性能媲美大模型。

Comments ICLR 2026

Agnostics: Learning to Code in Any Programming Language via Reinforcement with a Universal Learning Environment

Agnostics: 通过通用学习环境的强化学习实现任何编程语言的代码学习

Aleksander Boruch-Gruszecki, Yangtian Zi, Zixuan Wu, Tejas Oberoi, Carolyn Jane Anderson, Joydeep Biswas, Arjun Guha

机构 * Northeastern University（东北大学） ； University of Texas（德克萨斯大学） ； Wellesley College（韦尔斯利学院） 纠错

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

AI总结 Agnostics通过通用学习环境的强化学习，实现任何编程语言的代码学习，提升低资源语言模型性能并简化训练流程。

Comments 30 pages, 19 figures. Accepted at ICLR 2026. For data, code, artifacts, see https://agnostics.abgru.me

ParallelVLM: Lossless Video-LLM Acceleration with Visual Alignment Aware Parallel Speculative Decoding

ParallelVLM: 无损视频-大语言模型加速与视觉对齐感知并行推测解码

Quan Kong, Yuhao Shen, Yicheng Ji, Huan Li, Cong Wang

机构 * Zhejiang University（浙江大学） 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 ParallelVLM通过并行化阶段和无偏验证器引导剪枝策略，有效提升视频理解任务的解码效率，实现3.36倍的加速效果。

Reasoning Topology Matters: Network-of-Thought for Complex Reasoning Tasks

推理拓扑至关重要：用于复杂推理任务的网络推理

Fan Huang

机构 * Indiana University Bloomington（印第安纳大学布卢明顿） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；logical reasoning(abstract)

AI总结 本文提出网络推理框架NoT，通过有向图建模推理过程，探讨拓扑结构在复杂推理任务中的优势，评估不同拓扑的准确率、复杂度和效率。

PA3: Policy-Aware Agent Alignment through Chain-of-Thought

PA3: 通过链式推理实现政策感知的智能体对齐

Shubhashis Roy Dipta, Daniel Bis, Kun Zhou, Lichao Wang, Benjamin Z. Yao, Chenlei Guo, Ruhi Sarikaya

机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校） ； Amazon Alexa AI（亚马逊Alexa AI） 纠错

专题命中 复杂问题求解 ：chain-of-thought(title,abstract)；reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出一种多阶段对齐方法，通过链式推理让模型在推理时回忆并应用相关业务政策，无需在上下文中包含完整政策，同时引入PolicyRecall奖励和hallucination惩罚，提升性能并减少字数。

Explore Briefly, Then Decide: Mitigating LLM Overthinking via Cumulative Entropy Regulation

briefly, Then Decide: 通过累积熵调节缓解LLM过度思考

Yi Bin, Tianyi Jiang, Yujuan Ding, Kainian Zhu, Fei Ma, Jingkuan Song, Yang Yang, Heng Tao Shen

机构 * Tongji University（同济大学） ； Hong Kong Polytechnic University（香港理工大学） ； Shanghai University of Electric and Power（上海电力大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy（广东省人工智能与数字经济实验室） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出TECA指标和

Comments Code: https://github.com/AusertDream/CumulativeEntropyRegulation

Probing How Scalable Table Data Enhances General Long-Context Reasoning

探究表格数据如何提升长上下文推理的可扩展性

Huaibing Xie, Guoliang Zhao, Yang Liu, Shihan Dou, Siming Huang, Yanling Xiao, Shaolei Wang, Yiting Liu, Cheng Zhang, Shaofan Liu, Pluto Zhou

机构 * Large Language Model Department, Tencent（腾讯大语言模型部门） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学） ； Fudan University, Shanghai, China（复旦大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL

AI总结 本文研究表格数据对长上下文推理的增强作用，通过分析表格依赖结构揭示周期性非消失依赖，并提出TableLong框架提升推理能力，实验显示在多个基准上提升8.24%。

Efficient Failure Management for Multi-Agent Systems with Reasoning Trace Representation

多代理系统中基于推理轨迹表示的高效故障管理

Lingzhe Zhang, Tong Jia, Mingyu Wang, Weijie Hong, Chiming Duan, Minghua He, Rongqian Wang, Xi Peng, Meiling Wang, Gong Zhang, Renhai Chen, Ying Li

机构 * Peking University（北京大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

AI总结 本文提出EAGER框架，通过无监督对比学习编码代理内部推理和协调，实现实时故障检测与缓解，提升多代理系统可靠性。

Comments Accepted by FSE'26-IVR

Formula-R1: Incentivizing LLM Reasoning over Complex Tables with Numerical Computation via Formula-Driven Reinforcement Learning

Formula-R1：通过公式驱动强化学习激励LLM对复杂表格进行数值计算的推理

Lang Cao, Jingxian Xu, Hanbing Liu, Jinyu Wang, Mengyu Zhou, Haoyu Dong, Shi Han, Dongmei Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nankai University（南开大学） ； Tsinghua University（清华大学） ； Shandong University（山东大学） ； Microsoft Research（微软研究院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

AI总结 本文提出Formula-R1，通过公式驱动强化学习框架提升LLM对复杂表格的推理能力，尤其在多步数值计算任务中表现优异，且优于现有方法。

Fast-Slow Thinking RM: Efficient Integration of Scalar and Generative Reward Models

快速-缓慢思考RM：标量与生成奖励模型的有效整合

Jiayun Wu, Peixu Hou, Shan Qu, Peng Zhang, Ning Gu, Tun Lu

机构 * Fudan University（复旦大学） ； Meituan（美团） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出F/S-RM，结合快速和缓慢思考机制，提升奖励模型性能并降低计算成本。

AcoustEmo: Open-Vocabulary Emotion Reasoning via Utterance-Aware Acoustic Q-Former

AcoustEmo：通过语句感知的声学Q-Former实现开放词汇情绪推理

Liyun Zhang, Xuanmeng Sha, Shuqiong Wu, Fengkai Liu

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 AcoustEmo通过引入语句感知的声学Q-Former，利用时间同步滑动窗口提取段级音频token，提升复杂情绪推理能力，在EMER任务中优于基线模型。

Comments 6 pages

ThinkOmni: Lifting Textual Reasoning to Omni-modal Scenarios via Guidance Decoding

ThinkOmni: 通过指导解码将文本推理提升到多模态场景

Yiran Guan, Sifan Tu, Dingkang Liang, Linghao Zhu, Jianzhong Ju, Zhenbo Luo, Jian Luan, Yuliang Liu, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； MiLM Plus, Xiaomi Inc.（小米公司） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 ThinkOmni提出一种无需训练和数据的框架，通过指导解码将文本推理扩展到多模态场景，实验显示在多个多模态推理基准上取得显著提升。

Comments Accept by ICLR 2026, Code: https://github.com/1ranGuan/thinkomni

Thinking Deeper, Not Longer: Depth-Recurrent Transformers for Compositional Generalization

深入而非冗长：用于组合泛化的深度递归变压器

Hung-Hsuan Chen

机构 * Computer Science and Information Engineering National Central University（计算机科学与信息工程国家中央大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出深度递归变压器，通过在潜在空间中迭代应用共享权重的Transformer块，使模型在推理时能通过增加推理步骤来实现更深层次的推理。在三个组合推理领域中，该方法展示了计算前沿和不同泛化行为。

Complexity-aware fine-tuning

基于复杂度的微调

Andrey Goncharov, Daniil Vyazhev, Petr Sychev, Edvard Khalafyan, Alexey Zaytsev

机构 * Applied AI Institute（应用人工智能研究所） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出一种高效微调方法，通过熵识别复杂数据进行推理，使用小模型分割训练数据并提升大模型性能，数据使用减少81%，准确率优于传统SFT和蒸馏方法。

Journal ref 2026.findings-eacl.34

SpatialReward: Verifiable Spatial Reward Modeling for Fine-Grained Spatial Consistency in Text-to-Image Generation

SpatialReward: 可验证的空间奖励建模以实现文本到图像生成中的细粒度空间一致性

Sashuai Zhou, Qiang Zhou, Junpeng Ma, Yue Cao, Ruofan Hu, Ziang Zhang, Xiaoda Yang, Zhibin Wang, Jun Song, Cheng Yu, Bo Zheng, Zhou Zhao

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； Fudan University（复旦大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 本文提出SpatialReward，一种专门评估生成图像中空间布局的可验证奖励模型，通过多阶段流程提升空间一致性与生成质量，实验表明其能更贴近人类判断。

Comparative Analysis of AI Agent Architectures for Entity Relationship Classification

面向实体关系分类的AI代理架构比较分析

Maryam Berijanian, Kuldeep Singh, Amin Sehati

机构 * Michigan State University（密歇根州立大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本文比较了三种基于大语言模型的AI代理架构在实体关系分类中的性能，发现多代理协作优于少样本提示方法，接近微调模型性能。

Journal ref Proceedings of the 18th International Conference on Agents and Artificial Intelligence, Volume 1: ICAART, 2026

GIP-RAG: An Evidence-Grounded Retrieval-Augmented Framework for Interpretable Gene Interaction and Pathway Impact Analysis

GIP-RAG: 一种基于证据的检索增强框架用于可解释的基因互作和通路影响分析

Fujian Jia, Jiwen Gu, Cheng Lu, Dezhi Zhao, Mengjiang Huang, Yuanzhi Lu, Xin Liu, Kang Liu

机构 * Kanghua Juntai Biotech Co. Ltd.（康华联合生物科技有限公司） ； Department of Radiation Oncology, Cancer Treatment Center, The Second Affiliated Hospital of Hainan Medical University（海南医学院第二附属医院放疗科、肿瘤治疗中心） ； Department of Nutrition, University of California, Davis（加州大学戴维斯分校营养系） ； Department of Pathology, The First Affiliated Hospital of Jinan University（暨南大学第一附属医院病理科） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 GIP-RAG结合生物知识图谱与大语言模型，通过检索增强生成方法解析基因互作及通路影响，提供可解释的多步推理和机制解释。

Comments 29 pages

Agentic AI and the next intelligence explosion

代理AI与下一次智能爆炸

James Evans, Benjamin Bratton, Blaise Agüera y Arcas

机构 * Paradigms of Intelligence Team, Google（谷歌智能范式团队） ； University of Chicago（芝加哥大学） ； Santa Fe Institute（圣菲研究所） ； Antikythera, Berggruen Institute（安提基特拉与伯格格林研究所） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI

AI总结 本文探讨代理AI如何通过模拟内部思想社会解决复杂任务，提出智能爆炸将不再是单一硅基脑，而是复杂社会结构。

Comments 4 pages

A Training-Free Regeneration Paradigm: Contrastive Reflection Memory Guided Self-Verification and Self-Improvement

无训练再生范式：对比反思记忆引导的自验证与自改进

Yuran Li, Di Wu, Benoit Boulet

机构 * Department of Electrical and Computer Engineering, McGill University（麦吉尔大学电气与计算机工程系） ； Department of Mechanical, Industrial and Aerospace Engineering, Concordia University（Concordia大学机械、工业与航空航天工程系） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL

AI总结 本文提出一种无需训练的再生范式，利用离线整理的对比反思记忆提供纠正指导，通过从头再生突破错误推理，提升大语言模型输出准确性。

Comments 18 pages, 5 figures

P-Flow: Prompting Visual Effects Generation

P-Flow：提示视觉效果生成

Rui Zhao, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 P-Flow通过测试时提示优化，基于参考视频与生成输出的视觉效果差异，迭代改进提示，实现高保真且多样化的动态视觉效果定制。

Unpacking Interaction Profiles and Strategies in Human-AI Collaborative Problem Solving: A Cognitive Distribution and Regulation Perspective

解析人机协作问题解决中的交互特征与策略：一种认知分布与调节视角

Zhanxin Hao, Xiaobo Liu, Jiaxin Fan, Yun Long, Jifan Yu, Wenli Chen, Yu Zhang

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文通过聚类分析发现，人类与AI协作解决复杂问题时存在三种模式：委托推理、协同解释和委托扩展，其中委托推理组表现最佳，语义相似度最高，而协同解释组自我调节策略使用更频繁。