大模型推理能力

Critical-CoT: A Robust Defense Framework against Reasoning-Level Backdoor Attacks in Large Language Models

Critical-CoT: 一种针对大语言模型推理层后门攻击的稳健防御框架

Vu Tuan Truong, Long Bao Le

机构 * INRS, University of Quebec（INRS大学魁北克分校） 纠错

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

AI总结 本文提出Critical-CoT，通过双阶段微调提升大语言模型的批判性思维，使其能自动识别潜在后门并拒绝生成恶意推理步骤，有效防御推理层后门攻击。

SLIP: Soft Label Mechanism and Key-Extraction-Guided CoT-based Defense Against Instruction Backdoor in APIs

SLIP: 软标签机制和关键提取引导的基于CoT的API指令后门防御

Zhengxian Wu, Juan Wen, Wanli Peng, Haowei Chang, Yinghan Zhou, Yiming Xue

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

AI总结 本文提出SLIP机制，通过软标签和关键提取引导CoT方法，有效对抗API中的指令后门，实验显示攻击成功率降低至25.13%，清洁准确率提升至87.15%。

Comments This paper has been accepted to ACL Findings 2026

ORBIT: On-policy Exploration-Exploitation for Controllable Multi-Budget Reasoning

ORBIT：可控多预算推理的在线探索-利用

Kun Liang, Clive Bai, Xin Xu, Chenming Tang, Sanwoo Lee, Weijie Liu, Saiyong Yang, Yunfang Wu

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） ； LLM Department, Tencent（腾讯LLM部门） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 ORBIT提出可控多预算推理框架，通过多阶段强化学习发现帕累托最优推理行为，并通过在线蒸馏融合行为，实现可控推理行为、高推理密度和统一模型集成。

Comments Preprint

Improving Language Models with Intentional Analysis

通过意图分析改进语言模型

Yuwei Yin, Giuseppe Carenini

机构 * University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 本文提出意图分析（IA）方法，通过显式调用意图感知分析和推理提升语言模型性能，实验表明IA在多个基准和模型上均优于CoT，有效解决意图误解等问题。

Comments Code at https://github.com/YuweiYin/IA

StoryCoder: Narrative Reformulation for Structured Reasoning in LLM Code Generation

StoryCoder: 为LLM代码生成中的结构化推理提供叙述改写

Geonhui Jang, Dongyoon Han, YoungJoon Yoo

机构 * Dept. of Artificial Intelligence, Chung-Ang University（Chung-Ang 大学人工智能系） ； NAVER AI Lab（NAVER AI 实验室） 纠错

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

AI总结 StoryCoder通过将代码生成问题转化为连贯的自然语言叙述，提升模型推理和规划能力，实验显示在多个数据集上平均提升18.7%的零样本准确率，且改进了算法策略和代码结构。

Comments 21 pages, 12 figures. ACL 2026 Main Conference

APEX-MEM: Agentic Semi-Structured Memory with Temporal Reasoning for Long-Term Conversational AI

APEX-MEM: 基于时序推理的代理半结构化记忆用于长期对话AI

Pratyay Banerjee, Masud Moshtaghi, Shivashankar Subramanian, Amita Misra, Ankit Chadha

机构 * Amazon（亚马逊） 纠错

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

AI总结 APEX-MEM通过结合属性图、只追加存储和多工具检索代理，解决大语言模型在长期对话记忆中的可靠性问题，实现88.88%的LOCOMO问答准确率和86.2%的LongMemEval表现。

Comments Accepted to ACL 2026 Mains

AutoRAN: Automated Hijacking of Safety Reasoning in Large Reasoning Models

AutoRAN：大型推理模型中安全推理的自动化劫持

Jiacheng Liang, Tanqiu Jiang, Yuhui Wang, Rongyi Zhu, Fenglong Ma, Ting Wang

机构 * Stony Brook University（石溪大学） ； Penn State University（宾夕法尼亚州立大学） 纠错

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

AI总结 AutoRAN通过执行模拟方法，利用较弱但对齐差的模型模拟初始劫持尝试，并通过目标LRM的拒绝泄露的推理模式迭代优化攻击，从而绕过安全防护并扩展有害指令。

Comments 10 pages, ACL 2026 Main

H2VLR: Heterogeneous Hypergraph Vision-Language Reasoning for Few-Shot Anomaly Detection

H2VLR：异构超图视觉-语言推理用于少样本异常检测

Jianghong Huang, Luping Ji, Weiwei Duan, Mao Ye

机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） 纠错

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

AI总结 本文提出H2VLR框架，通过统一超图联合建模视觉区域和语义概念，将少样本异常检测转化为高阶推理问题，有效提升异常检测性能。

Comments 9 pages, 5 figures

Maximal Brain Damage Without Data or Optimization: Disrupting Neural Networks via Sign-Bit Flips

最大脑损伤无数据或优化：通过符号位翻转破坏神经网络

Ido Galil, Moshe Kimhi, Ran El-Yaniv

机构 * NVIDIA ； Technion（技术学院） ； IBM Research（IBM研究院） 纠错

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

AI总结 研究通过符号位翻转破坏神经网络，展示了在多个领域中的脆弱性，并提出数据和优化无关的DNL方法及改进版本1P-DNL，提出保护关键符号位的防御策略。

Comments 10 pages, 5 figures. Accepted as a Featured Paper at Transactions on Machine Learning Research (TMLR)

Journal ref Transactions on Machine Learning Research (TMLR), 2026

Shuffle the Context: RoPE-Perturbed Self-Distillation for Long-Context Adaptation

重组上下文：RoPE扰动的自我蒸馏用于长上下文适应

Zichong Li, Chen Liang, Liliang Ren, Tuo Zhao, Yelong Shen, Weizhu Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Microsoft（微软） 纠错

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

AI总结 本文提出RoPE扰动的自我蒸馏方法，通过扰动RoPE索引生成不同视角的训练序列，提升模型对位置变化的鲁棒性，实验显示在长上下文任务中表现更优。

HintPilot: LLM-based Compiler Hint Synthesis for Code Optimization

HintPilot: 基于LLM的编译器提示合成用于代码优化

Hanyun Jiang, Peisen Yao, Kaiyue Li, Tingting Lin, Chengpeng Wang, Kui Ren

专题命中 其他推理 ：reasoning(abstract)

AI总结 HintPilot通过合成编译器提示注解，结合LLM推理与传统编译器基础设施，提升代码优化效果，实现6.88倍速度提升且保持程序正确性。

ArrowGEV: Grounding Events in Video via Learning the Arrow of Time

ArrowGEV：通过学习时间之箭来视频中接地事件

Fangxu Yu, Ziyao Lu, Liqiang Niu, Fandong Meng, Jie Zhou

机构 * School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院，中国） ； Pattern Recognition Center, WeChat AI, Tencent Inc, China（腾讯人工智能研究院，中国） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出ArrowGEV框架，通过学习时间方向性提升视频中事件接地与时间理解能力，通过区分时间敏感和时间不敏感事件增强模型鲁棒性与泛化能力。

Comments Accepted to Findings of ACL 2026

EchoAgent: Towards Reliable Echocardiography Interpretation with "Eyes","Hands" and "Minds"

EchoAgent：迈向可靠超声心动图解读的“眼、手、脑”系统

Qin Wang, Zhiqing He, Yu Liu, Bowen Guo, Zeju Li, Miao Zhao, Wenhao Ju, Zhiling Luo, Xianhong Shu, Yi Guo, Yuanyuan Wang

机构 * Fudan University（复旦大学） ； Fudan Zhongshan Hospital（复旦中山医院） ； Fuwai Yunnan Hospital（阜外云南医院） ； Fuwai Beijing Hospital（阜外北京医院） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出EchoAgent，通过整合视觉、手动操作与专家知识，实现端到端的超声心动图解读，提升临床可靠性与实用性。

Comments Accepted by CVPR 2026 CV4Clinical, 11 pages, 6 figures