大模型推理能力

Speech LLMs are Contextual Reasoning Transcribers

语音大模型是上下文推理转录器

Keqi Deng, Ruchao Fan, Bo Ren, Yiming Wang, Jinyu Li

机构 * Microsoft Core AI（微软核心人工智能） 纠错

专题命中 其他推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL

AI总结 本文提出CoT-ASR，通过构建推理链使大模型先分析语音生成上下文分析，从而提升语音识别性能，实验显示WER和EER分别降低8.7%和16.9%。

CircuitProbe: Predicting Reasoning Circuits in Transformers via Stability Zone Detection

CircuitProbe: 通过稳定性区检测预测Transformer中的推理电路

Rajkiran Panuganti

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 CircuitProbe通过激活统计预测Transformer中的推理电路，利用稳定性区和幅度区检测，提升推理效率，验证了其在多种模型上的有效性。

Comments 11 pages, 1 figure, 3 tables. Code available at https://github.com/agenticclass/circuitprobe

Finding and Reactivating Post-Trained LLMs' Hidden Safety Mechanisms

发现并重新激活已训练大语言模型的隐藏安全机制

Mingjie Li, Wai Man Si, Michael Backes, Yang Zhang, Yisen Wang

机构 * Cranberry-Lemon University（蔓越莓柠檬大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI

AI总结 本文研究了大语言模型在后训练过程中安全机制的退化原因，提出SafeReAct方法通过LoRA适配器恢复被抑制的安全行为，提升模型在有害提示下的安全性而不影响推理性能。

View-oriented Conversation Compiler for Agent Trace Analysis

面向视角的对话编译器用于代理轨迹分析

Lvmin Zhang, Maneesh Agrawala

机构 * Stanford University（斯坦福大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 本文提出VCC编译器，将原始代理JSONL日志转换为结构化视角，提升轨迹分析质量，减少token消耗并提升模型性能。

Comments Code: https://github.com/lllyasviel/VCC

Omni-MMSI: Toward Identity-attributed Social Interaction Understanding

Omni-MMSI：迈向基于身份的社会互动理解

Xinpeng Li, Bolin Lai, Hardy Chen, Shijian Deng, Cihang Xie, Yuyin Zhou, James Matthew Rehg, Yapeng Tian

机构 * University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)

AI总结 本文提出Omni-MMSI任务，要求从原始音频、视觉和语音输入中全面理解社会互动，通过身份属性的社会线索识别与推理，提升AI助手对人类互动的感知与响应能力。

Comments Accepted to CVPR 2026. Project page: https://sampson-lee.github.io/omni-mmsi-project-page

Closing the Confidence-Faithfulness Gap in Large Language Models

弥合大语言模型中的置信度-忠实度差距

Miranda Muqing Miao, Lyle Ungar

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本文通过线性探针和对比激活添加分析，揭示大语言模型中置信度信号与校准的线性关系，提出双阶段适应性引导流程以提升校准对齐。

OmniFusion: Simultaneous Multilingual Multimodal Translations via Modular Fusion

OmniFusion: 通过模块融合实现多语言多模态翻译

Sai Koneru, Matthias Huck, Jan Niehues

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； SAP SE（SAP公司） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出OmniFusion系统，通过融合预训练多模态基础模型与翻译LLM，实现语音、语音加图像及文本加图像的多语言多模态翻译，降低SimulST延迟并提升翻译质量。

Comments Revised submission in review for ACL ARR

RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks

RoboClaw：一个用于可扩展长周期机器人任务的代理框架

Ruiying Li, Yunlang Zhou, YuYao Zhu, Kylin Chen, Jingyuan Wang, Sukai Wang, Kongtao Hu, Minhui Yu, Bowen Jiang, Zhan Su, Jiayao Ma, Xin He, Yongjian Shen, Yang Yang, Guanghui Ren, Maoqing Yao, Wenhao Wang, Yao Mu

机构 * AgiBot ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； MoE Key Lab of Artificial Intelligence, AI Institute, SJTU（上海交通大学人工智能研究院教育部人工智能重点实验室） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 RoboClaw通过统一数据收集、策略学习和任务执行，提高长周期机器人任务的稳定性和可扩展性，减少人工干预，提升多策略鲁棒性。

Comments Code available at: https://github.com/RoboClaw-Robotics/RoboClaw

All Roads Lead to Rome: Incentivizing Divergent Thinking in Vision-Language Models

所有道路通向罗马：激励视觉-语言模型的发散性思维

Xinyu Tian, Shu Zou, Zhaoyuan Yang, Mengqi He, Peter Tu, Jing Zhang

机构 * Australian National University（澳大利亚国立大学） ； Shanghai AI Lab（上海人工智能实验室） ； GE Research（通用电气研究院） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文研究了强化学习在视觉-语言模型中激发发散性思维的机制，提出MUPO方法以解决GRPO的多样性崩溃问题，提升模型的多样性和可扩展性。

Comments Accepted to CVPR2026

Secure Forgetting: A Framework for Privacy-Driven Unlearning in Large Language Model (LLM)-Based Agents

安全遗忘：一种隐私驱动的大型语言模型（LLM）基于代理的去学习框架

Dayong Ye, Tainqing Zhu, Congcong Zhu, Feng He, Qi He, Shang Wang, Bo Liu, Wanlei Zhou

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出了一种针对LLM基于代理的去学习框架，通过分类三种去学习场景，引入基于自然语言的去学习方法，提升隐私保护下的知识遗忘能力。

OTPrune: Distribution-Aligned Visual Token Pruning via Optimal Transport

OTPrune: 通过最优传输实现分布对齐的视觉令牌剪枝

Xiwen Chen, Wenhui Zhu, Gen Li, Xuanzhao Dong, Yujian Xiong, Hao Wang, Peijie Qiu, Qingquan Song, Zhipeng Wang, Shao Tang, Yalin Wang, Abolfazl Razi

机构 * Morgan Stanley（摩根士丹利） ； Clemson University（克莱姆森大学） ； Arizona State University（亚利桑那州立大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Texas A&M University（德克萨斯农工大学） ； Rice University（莱斯大学） ； Florida State University（佛罗里达州立大学） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出OTPrune，通过最优传输对齐视觉表示分布，实现高效的视觉令牌剪枝，提升推理效率并保持表示的稳定性与语义忠实性。

Comments Accepted by CVPR2026