大模型推理能力

Think Less, Know More: State-Aware Reasoning Compression with Knowledge Guidance for Efficient Reasoning

少思多知：基于知识引导的状态感知推理压缩以实现高效推理

Yi Sui, Chaozhuo Li, Dawei Song

机构 * Beijing Institute of Technology（北京理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； The Open University（开放大学） 纠错

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

AI总结 本文提出STACK框架，通过建模阶段特定冗余源并整合检索增强指导，实现逐步推理压缩，减少冗余验证，提升推理效率与准确性。

SPPO: Sequence-Level PPO for Long-Horizon Reasoning Tasks

SPPO：用于长时间 horizon 推理任务的序列级 PPO

Tianyi Wang, Yixia Li, Long Li, Yibiao Chen, Shaohan Huang, Yun Chen, Peng Li, Yang Liu, Guanhua Chen

机构 * Southern University of Science and Technology（南方科技大学） ； INFLY TECH ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Microsoft Research Asia（微软亚洲研究院） ； Shanghai University of Finance and Economics（上海财经大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出 SPPO，一种结合 PPO 的样本效率与结果稳定性的序列级算法，通过将推理过程转化为序列级上下文老虎机问题，实现低方差优势信号生成，提升推理 LLM 的对齐性能。

Comments ACL 2026 Main

SSPO: Subsentence-level Policy Optimization

SSPO：子短语级策略优化

Kun Yang, Zikang chen, Yanmeng Wang, Zhigen Li, Ning Cheng, Shaojun Wang, Jing Xiao

机构 * Ping An Technology（平安科技） ； TJUNLP Lab, Tianjin University（天津大学TJUNLP实验室） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL

AI总结 SSPO在子短语层面计算重要性比率，平衡GRPO与GSPO的优劣，缓解训练崩溃和方差问题，同时避免整个响应被保留导致的不稳定更新。