大模型推理能力 - arXivDaily 专题

2604.26521 2026-04-30 cs.AI cs.CV cs.LG cs.LO 81%

Grounding vs. Compositionality: On the Non-Complementarity of Reasoning in Neuro-Symbolic Systems

基础性与组成性：神经符号系统中推理非互补性研究

Mahnoor Shahid, Hannes Rothe

机构 * Place-Beyond-Bytes

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

AI总结研究指出神经符号系统中组成性推理并非符号 grounding 的副产品，通过 iLTN 实验证明仅依赖 grounding 无法实现泛化，联合训练 grounding 与推理可提升零样本准确性。

Comments Accepted at AAAI MAKE 2026

2604.26053 2026-04-30 cs.LO cs.MA 71%

I Would If I Could: Reasoning about Dynamics of Actions in Multi-Agent Systems

若我能的话：多智能体系统中行动动态的推理

Rustam Galimullin, Hermine Grosinger, Munyque Mittelmann

专题命中逻辑推理：reasoning(title)

AI总结本文提出ATL-D和ATEL-D，用于建模智能体行动的动态授予与撤销过程及其对知识的影响，探讨了逻辑表达力、规范系统关系及计算复杂性。

Comments This is an extended version of the paper with the same title that will appear in KR 2026, and which contains a technical appendix with proof details

2604.18112 2026-04-30 cs.CL cs.MM 70%

Retrieval-Augmented Multimodal Model for Fake News Detection

增强检索的多模态模型用于虚假新闻检测

Yiheng Li, Weihai Lu, Hanyi Yu, Yue Wang

机构 * University of International Business and Economics（国际商务经济大学）； Peking University（北京大学）； University of Southern California（南加州大学）； Upstart Holdings, Inc.（Upstart Holdings公司）

专题命中逻辑推理：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL

AI总结本文提出RAMM模型，通过多模态大语言模型和抽象叙述对齐模块，解决虚假新闻检测中跨实例叙述一致性缺失和领域知识不足的问题，实验验证了其有效性。

Comments Accepted to SIGIR 26

2604.26522 2026-04-30 cs.AI cs.LG cs.LO cs.MA cs.SC 62%

AGEL-Comp: A Neuro-Symbolic Framework for Compositional Generalization in Interactive Agents

AGEL-Comp: 一种用于交互智能体组合泛化能力的神经符号框架

Mahnoor Shahid, Hannes Rothe

机构 * Universität Duisburg-Essen（杜伊斯堡- Essen大学）

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

AI总结 AGEL-Comp通过动态因果程序图、归纳逻辑编程引擎和混合推理核心，实现基于符号和神经网络的组合泛化学习，优于纯LLM模型。

Comments Accepted at IntelliSys 2026

2602.08373 2026-04-30 cs.AI cs.LG 62%

Grounding Generative Planners in Verifiable Logic: A Hybrid Architecture for Trustworthy Embodied AI

基于可验证逻辑的生成规划器：一种可信具身AI的混合架构

Feiyu Wu, Xu Zheng, Yue Qu, Zhuocheng Wang, Zicheng Feng, Hui Li

机构 * School of Cyber Engineering, Xidian University（电子科技大学信息工程学院）

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

AI总结本文提出VIRF框架，通过逻辑导师与LLM的对话机制实现主动协作，提升具身AI的安全性与可靠性，实验显示其在家庭安全任务中表现优异。

Comments Accepted to ICLR 2026. Project page. https://openreview.net/forum?id=wb05ver1k8&noteId=v1Ax8CwI71

Journal ref Proceedings of the International Conference on Learning Representations (ICLR), 2026

2604.26340 2026-04-30 cs.LG 57%

Adaptive and Fine-grained Module-wise Expert Pruning for Efficient LoRA-MoE Fine-Tuning

自适应和细粒度模块级专家剪枝用于高效的LoRA-MoE微调

Weihang Li, Jianchun Liu, Hongli Xu

机构 * School of Computer Science and Technology, University of Science and Technology of China, China（计算机科学与技术学院，中国科学技术大学）； Suzhou Institute for Advanced Research, University of Science and Technology of China, China（苏州先进研究院，中国科学技术大学）

专题命中逻辑推理：reasoning(abstract)；分类 cs.LG

AI总结本文提出DMEP框架，通过动态模块级专家剪枝优化LoRA-MoE微调，减少冗余参数并提升训练效率，实验表明在多个推理基准上参数减少35%-43%，训练吞吐量提升约10%。

2602.03467 2026-04-30 cs.AI cs.HC 57%

The Dual Role of Abstracting over the Irrelevant in Symbolic Explanations: Cognitive Effort vs. Understanding

抽象在符号解释中的双重作用：认知努力与理解

Zeynep G. Saribatur, Johannes Langer, Ute Schmid

机构 * Institute of Logic and Computation, TU Wien（逻辑与计算研究所，维也纳技术大学）； Cognitive Systems, University of Bamberg（认知系统，巴姆伯格大学）

专题命中逻辑推理：reasoning(abstract)；分类 cs.AI

AI总结研究探讨形式抽象（去除与聚类）对人类推理表现和认知努力的影响，发现聚类提升理解，去除降低认知负担，支持抽象增强人中心符号解释的假设。

Comments To appear in the Proceedings of the 48th Annual Meeting of the Cognitive Science Society (CogSci 2026)

1. 逻辑推理 7 篇