大模型推理能力 - arXivDaily 专题

2509.23330 2026-05-04 cs.CL 83%

Structured In-context Environment Scaling for Large Language Model Reasoning

结构化上下文环境扩展用于大语言模型推理

Peng Yu, Zeyuan Zhao, Shao Zhang, Luoyi Fu, Xinbing Wang, Ying Wen

机构 * Shanghai Jiao Tong University（上海交通大学）

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

AI总结本文提出SIE框架，通过自动构建结构化数据环境提升大语言模型的推理能力，实现可扩展性、通用性和可验证性，实验显示其在结构化推理和跨领域逻辑推理中的有效性。

Comments Title modified for greater clarity and better alignment with the paper's focus

2604.26173 2026-05-04 cs.LG cs.AI cs.CL 80%

Entropy Centroids as Intrinsic Rewards for Test-Time Scaling

熵中心作为测试时缩放的内在奖励

Wenshuo Zhao, Qi Zhu, Xingshan Zeng, Fei Mi, Lifeng Shang, Yi R., Fung

机构 * HKUST（香港科技大学）； ZJU（浙江大学）； Huawei（华为）

专题命中逻辑推理：reasoning(abstract)；logical reasoning(abstract)；test-time compute(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结本文提出熵中心作为测试时缩放的内在奖励，通过分析不确定性的时间结构提升模型响应质量，在不同规模模型上均优于现有基线。

Comments Under Review, 39 pages

2605.00436 2026-05-04 cs.CL cs.AI 73%

Impact of Task Phrasing on Presumptions in Large Language Models

任务表述对大语言模型中假设的影响

Kenneth J. K. Ong

机构 * AI.DA STC ST Engineering（AI.DA STC ST工程）

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

AI总结研究探讨了任务表述如何导致大语言模型产生假设，影响其适应能力，通过囚徒困境实验发现中性表述可减少假设影响。

2605.00798 2026-05-04 cs.LG cs.CL cs.MA 62%

RunAgent: Interpreting Natural-Language Plans with Constraint-Guided Execution

RunAgent：通过约束引导执行解释自然语言计划

Arunabh Srivastava, Mohammad A., Khojastepour, Srimat Chakradhar, Sennur Ulukus

机构 * University of Maryland, College Park（马里兰大学学院公园分校）； NEC Laboratories America, Inc.（NEC美国实验室）

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

AI总结 RunAgent通过约束引导执行解释自然语言计划，结合代理语言的显式控制构造，提升结构化工作流执行的可靠性。

2605.00334 2026-05-04 cs.AI cs.CL 62%

AgentFloor: How Far Up the tool use Ladder Can Small Open-Weight Models Go?

AgentFloor: 小型开放权重模型在工具使用阶梯上能走多远？

Ranit Karmakar, Jayita Chatterjee

机构 * Harvard University（哈佛大学）； Boston, MA 02115（波士顿，马萨诸塞州 02115）

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

AI总结 AgentFloor基准测试评估了16种开放权重模型在代理工作流中的能力边界，发现小型模型已能处理大部分结构化工具使用任务，而长周期规划仍需前沿模型。

2605.00034 2026-05-04 cs.CR cs.PL cs.SE 50%

Symbolic Execution Meets Multi-LLM Orchestration: Detecting Memory Vulnerabilities in Incomplete Rust CVE Snippets

符号执行与多LLM协调：在不完整的Rust CVE代码片段中检测内存漏洞

Zeyad Abdelrazek, Young Lee

专题命中逻辑推理：planning(abstract)

AI总结本文提出结合符号执行（KLEE）与四代理多LLM架构，解决不完整代码问题，通过协作合成可编译的KLEE测试用例，检测Rust不安全代码中的内存漏洞，实现90.3%的测试用例编译成功率，检测到1,206个关键错误。

Comments 11 pages, 1 figure, to be published in : Ease 2026 The 6th International Workshop on Software Security Engineering

1. 逻辑推理 6 篇