大模型推理能力

Optimizing Small Language Models for NL2SQL via Chain-of-Thought Fine-Tuning

通过链式思维微调优化小型语言模型用于自然语言到SQL转换

Anshul Solanki, Sanchit Latawa, Koushik Chakraborty, Navneet Kamboj

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

AI总结 本文通过链式思维微调优化小型语言模型，发现小型模型在NL2SQL任务中表现优于大型模型，显著提升准确率并降低成本。

Comments 9 pages , 3 fifures

HUMORCHAIN: Theory-Guided Multi-Stage Reasoning for Interpretable Multimodal Humor Generation

HUMORCHAIN: 基于理论的多阶段推理用于可解释的多模态幽默生成

Jiajun Zhang, Shijia Luo, Ruikang Zhang, Qi Su

机构 * Peking University（北京大学） ； Ocean University of China（海洋大学） 纠错

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

AI总结 本文提出HUMORCHAIN框架，通过整合视觉语义解析、基于幽默和心理学的推理及细调判别器，实现可解释的多模态幽默生成，实验表明其在人类幽默偏好、Elo/BT评分和语义多样性上优于现有方法。

PRISM: A Dual View of LLM Reasoning through Semantic Flow and Latent Computation

PRISM：通过语义流和潜在计算双重视角分析LLM推理

Ruidi Chang, Jiawei Zhou, Hanjie Chen

机构 * Rice University（里士大学） ； Stony Brook University（石溪大学） 纠错

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

AI总结 PRISM通过同时分析推理步骤和层的语义流与潜在计算，揭示LLM推理过程中的系统性模式，展示失败轨迹易陷入无效验证循环并转向不同模式，为分析LLM推理过程提供实用工具。

Extracting and Following Paths for Robust Relational Reasoning with Large Language Models

基于大语言模型的稳健关系推理路径提取与追踪

Ge Zhang, Mohammad Ali Alomrani, Hongjian Gu, Jiaming Zhou, Yaochen Hu, Bin Wang, Qun Liu, Mark Coates, Yingxue Zhang, Jianye Hao

机构 * Huawei Technologies Canada（华为技术加拿大公司） ； Huawei Technologies（华为技术） ； McGill University（麦吉尔大学） ； Mila - Québec AI Institute（魁北克人工智能研究所） 纠错

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

AI总结 本文提出Path-of-Thoughts框架，通过图提取、路径识别和推理三个阶段解决关系推理问题，在四个数据集上超越现有方法，无需微调或大量LLM调用，且对LLM提取错误和输入模糊更具鲁棒性。

Journal ref Transactions on Machine Learning Research, 2026

Efficient Embedding-based Synthetic Data Generation for Complex Reasoning Tasks

高效嵌入式合成数据生成用于复杂推理任务

Srideepika Jayaraman, Achille Fokoue, Dhaval Patel, Jayant Kalagnanam

机构 * IBM Research（IBM研究院） 纠错

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

AI总结 本文提出基于嵌入的合成数据生成方法，通过增强数据多样性提升多个基准的性能，分析嵌入空间中数据分布与预测准确性之间的强相关性。

VISion On Request: Enhanced VLLM efficiency with sparse, dynamically selected, vision-language interactions

VISion On Request: 基于稀疏、动态选择的视觉-语言交互提升大模型效率

Adrian Bulat, Alberto Baldrati, Ioannis Maniadis Metaxas, Yassine Ouali, Georgios Tzimiropoulos

机构 * Samsung AI Cambridge（三星AI剑桥实验室） ； Technical University of Iasi（伊阿斯技术大学） ； Queen Mary University of London（伦敦女王玛丽大学） 纠错

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

AI总结 VISOR通过稀疏化视觉-语言交互提升大模型效率，无需丢弃视觉信息，动态分配计算资源，实验表明在多样基准和挑战任务中性能优异。

Comments Accepted at CVPR 2026

Mi:dm K 2.5 Pro

KT Tech innovation Group

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

The Token Tax: Systematic Bias in Multilingual Tokenization

令牌税：多语言令牌化中的系统性偏差

Jessica M. Lundin, Ada Zhang, Nihal Karim, Hamza Louzan, Victor Wei, David Adelani, Cody Carroll

机构 * Institute for Disease Modeling（疾病建模研究所） ； Gates Foundation（盖茨基金会） ； University of San Francisco（旧金山大学） ； McGill University（麦吉尔大学） 纠错

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

AI总结 研究发现令牌化效率对形态复杂、低资源语言有结构性劣势，影响计算资源和准确性。通过评估10种大语言模型在AfriMMLU数据集上的表现，发现令牌密度与准确性成反比，且推理模型在多语言任务中表现更优，揭示了令牌膨胀带来的经济负担。

Journal ref Proceedings of the 7th Workshop on African Natural Language Processing (AfricaNLP 2026)

Focus, Don't Prune: Identifying Instruction-Relevant Regions for Information-Rich Image Understanding

聚焦，而非裁剪：识别与指令相关的区域以实现信息丰富的图像理解

Mincheol Kwon, Minseung Lee, Seonga Choi, Miso Choi, Kyeong-Jin Oh, Hyunyoung Lee, Cheonyoung Park, Yongho Song, Seunghyun Park, Jinkyu Kim

机构 * Korea University（韩国大学） ； KT Corporation（KT公司） ； Soongsil University（松山大学） ； Kakao Mobility（Kakao移动） 纠错

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

AI总结 本文提出PinPoint框架，通过识别与指令相关的图像区域并提取细粒度视觉特征，提升多模态任务的推理效率与准确性。

Comments CVPR 2026

GraphRAG for Engineering Diagrams: ChatP&ID Enables LLM Interaction with P&IDs

GraphRAG用于工程图纸：ChatP&ID实现LLM与P&IDs的交互

Achmad Anggawirya Alimin, Artur M. Schweidtmann

机构 * Process Intelligence Research Group（过程智能研究组） ； Department of Chemical Engineering（化学工程系） ； Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 本文提出ChatP&ID框架，通过GraphRAG实现高效、低成本的P&IDs自然语言交互，提升准确率并降低计算成本。

Hybrid Stackelberg Game and Diffusion-based Auction for Two-tier Agentic AI Task Offloading in Internet of Agents

混合斯塔克伯格博弈与基于扩散的拍卖用于互联网代理中两层代理AI任务卸载

Yue Zhong, Yongju Tong, Jiawen Kang, Minghui Dai, Hong-Ning Dai, Zhou Su, Dusit Niyato

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

AI总结 本文提出一种两层优化方法，通过多领导者多跟随者斯塔克伯格博弈和双荷兰拍卖模型，解决智能体任务卸载问题，提升资源利用效率。

Comments Revisions are needed

Designing a Meta-Reflective Dashboard for Instructor Insight into Student-AI Interactions

设计一个元反思仪表盘，以帮助教师了解学生与AI的互动

Boxuan Ma, Baofeng Ren, Huiyong Li, Gen Li, Li Chen, Atsushi Shimada, Shin'Ichi Konomi

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出一个元反思仪表盘，通过结构化总结学生与AI的交互轨迹和潜在风险，帮助教师在不暴露原始聊天记录的情况下获取学生学习情况，同时减轻隐私担忧。

Automated Extraction of Collins-Soper Kernel from Lattice QCD using An Autonomous AI Physicist System

利用自主AI物理学家系统自动化提取Collins-Soper核从格点QCD

Jin-Xin Tan, Ting-Jia Miao, Mu-Hua Zhang, Xiang-He Pang, Ze-Xi Liu, Lin-Feng Zhang, Si-Heng Chen, Wei Wang

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文展示利用PhysMaster系统自动化高维拟合、重整化、连续极限楚尔 extrapolation和非微扰重建，有效提升格点QCD研究效率与精度。

Comments 7 pages, 6 figures

ReflectEd: Evaluating Reflection-Driven Learning in an AI-Assisted System

ReflectEd：在AI辅助系统中评估基于反思的学习

Md Nazmus Sakib, Ishika Tarin, Naga Manogna Rayasam, Manas Gaur, Sanorita Dey

专题命中 复杂问题求解 ：planning(abstract)

AI总结 本文提出ReflectEd系统，通过理论驱动提示和机制支撑，评估反思驱动学习在协作环境中的效果，发现深度反思提升行动力但增加工作负担。

Comments Accepted at the 27th International Conference on Artificial Intelligence in Education (AIED 2026). The final authenticated version will appear in Springer LNAI/LNCS proceedings