大模型推理能力

StaR-KVQA: Structured Reasoning Traces for Implicit-Knowledge Visual Question Answering

StaR-KVQA：用于隐式知识视觉问答的结构化推理轨迹

Zhihao Wen, Wenkang Wei, Yuan Fang, Xingtong Yu, Hui Zhang, Weicheng Zhu, Xin Zhang

机构 * Ant International, Ant Group（蚂蚁集团国际部，蚂蚁集团） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理学院计算与信息系统学院） ； Anhui Provincial Key Laboratory of High Performance Computing（安徽省高性能计算重点实验室） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 StaR-KVQA通过引入双路径结构化推理轨迹提升隐式知识视觉问答的准确性与推理透明度，采用自蒸馏方法构建轨迹增强数据集，无需外部检索工具，在OK-VQA基准上实现11.3%的精度提升。

Comments 8+3+3 pages, code: https://github.com/jianyingzhihe/StaR-KVQA

Measuring Iterative Temporal Reasoning with Time Puzzles

用时间谜题测量迭代时间推理

Zhengxiang Wang, Zeyu Dong

机构 * Department of Linguistics & IACS（语言学系及人工智能与计算科学中心） ； Stony Brook University（石溪大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文提出时间谜题，一种基于约束的日期推断任务，用于评估工具辅助的迭代时间推理。研究发现，即使使用工具，模型在处理时间推理任务时仍存在可靠性不足的问题。

Comments 11 pages, 4 tables, 3 figures

Deciphering Scientific Reasoning Steps from Outcome Data for Molecule Optimization

从结果数据中解码科学推理步骤以优化分子

Zequn Liu, Kehan Wu, Shufang Xie, Zekun Guo, Wei Zhang, Tao Qin, Renhe Liu, Yingce Xia

机构 * Zhongguancun Academy（中关村学院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； Global Health Drug Discovery Institute（全球健康药物发现研究所） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出DESRO框架，通过分析分子属性记录中的共享片段，利用LLM恢复分子优化的推理逻辑，并在15项任务中取得最高成功率，展示了从结果数据解码推理步骤的可行性。

Comments Work in progress, 37 pages

ORACLE: Optimizing Reasoning Abilities of Large Language Models via Constraint-Led Synthetic Data Elicitation

ORACLE：通过约束引导的合成数据激发方法优化大语言模型的推理能力

Zhuojie Yang, Wentao Wan, Keze Wang

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 ORACLE通过结合生成式模型与符号监督，实现对多步骤推理数据的细粒度验证，提升大语言模型的推理能力，在六个基准测试中表现优异。

Comments Accepted by AAAI 2026

Efficient Counterfactual Reasoning in ProbLog via Single World Intervention Programs

通过单世界干预程序在ProbLog中实现高效的反事实推理

Saimun Habib, Vaishak Belle, Fengxiang He

机构 * University of Edinburgh（爱丁堡大学） ； The MITRE Corporation（MITRE公司） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 本文提出单世界干预程序(SWIPs)用于ProbLog中的反事实推理，通过将ProbLog子句分为观测和固定部分，减少计算复杂度并提升推理可靠性，实验表明在大规模数据上推理时间减少35%。

NeSy-Edge: Neuro-Symbolic Trustworthy Self-Healing in the Computing Continuum

NeSy-Edge：神经符号可信自愈在计算连续体中的应用

Peihan Ye, Alfreds Lapkovskis, Alaa Saleh, Qiyang Zhang, Praveen Kumar Donta

机构 * Department of Computer Systems and Sciences（计算机系统与科学系） ； University of Oulu（奥卢大学） ； Peking University（北京大学） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出NeSy-Edge框架，通过边缘优先设计，在资源受限的边缘节点进行本地感知与推理，结合云模型进行最终诊断，实现计算连续体中的可信自愈。

EvoOpt-LLM: Evolving industrial optimization models with large language models

EvoOpt-LLM：利用大语言模型演化工业优化模型

Yiliu He, Tianle Li, Binghao Ji, Zhiyuan Liu, Di Huang

机构 * School of Transportation, Southeast University（东南大学交通学院） 纠错

专题命中 逻辑推理 ：planning(abstract)；分类 cs.AI

AI总结 本文提出EvoOpt-LLM框架，通过大语言模型实现工业优化建模的全流程自动化，包括自动建模、动态业务约束注入和端到端变量剪枝，提升求解效率和适应性。

Modal Logic for Distributed Trust

分布式信任的模态逻辑

Niels Voorneveld, Peeter Laud

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种用于多智能体系统信任推理的方法，通过定义描述通信协议的语言及信任假设，利用模态逻辑建模网络中智能体的信念与通信，探讨信息共享与跨网络信任泛化机制。

Comments 32 pages