AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
TERMINATOR: 在链式推理中学习最优退出点以实现早期停止
机构 * UT Austin（得克萨斯大学） ； EPFL（苏黎世联邦理工学院） ； ENS Paris-Saclay（巴黎-萨克雷大学） ； Télécom Paris (IP Paris)（巴黎理工学院）
专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出TERMINATOR方法，通过预测模型最终答案的首次出现位置，学习最优推理长度，从而减少链式推理的计算量，提升推理效率。
Comments Updated and reorganized results. Added new results
突破奖励障碍：通过投机探索加速树状思维推理
机构 * Institute for Artificial Intelligence, Peking University School of Integrated Circuits, Peking University（人工智能研究院，北京大学集成电路学院，北京大学） ； School of Integrated Circuits, Peking University（集成电路学院，北京大学） ； ByteDance Seed（字节跳动种子）
专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.LG
AI总结 本文提出SPEX方法，通过投机路径选择、预算分配和自适应终止技术，提升树状思维推理效率，实现1.2至3倍的加速，并与token级投机解码协同提升性能。
Comments OSDI 2026
通过人类启发的奖励塑造提升大语言模型推理能力
机构 * Tsinghua University（清华大学） ； Southern University of Science and Technology（南方科技大学） ； Mind Lab
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出T2T动态奖励框架，通过区分掌握与未掌握问题的不同学习策略，提升LLM推理性能，实验显示其在数学基准测试中优于现有方法。
诱导过度思考：基于分层遗传算法的黑盒大语言推理模型DoS攻击
机构 * The State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Alibaba Group（阿里巴巴集团）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出一种基于分层遗传算法的黑盒攻击方法，通过系统扰动输入问题的逻辑结构，诱导大语言模型产生过度思考，从而引发资源耗尽攻击。
Comments Accepted at ICML 2026. Code available at: https://github.com/EndlessCao/Overthink-HGA
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026), PMLR 306, 2026
基于熵引导的步骤选择和分步优势的扩散语言模型强化学习
机构 * Department of Electrical & Computer Engineering（电气与计算机工程系）
专题命中 数学推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出一种针对扩散语言模型的强化学习方法，通过熵引导选择步骤和分步优势估计，实现无偏策略梯度，提升生成效果和计算效率。
OPT-Engine：通过复杂度扩展评估大语言模型在优化建模中的极限
机构 * Shanghai University of Finance and Economics（上海财经大学） ； Booth School of Business, University of Chicago（芝加哥大学商学院） ； Antai School of Economics and Management, Shanghai Jiao Tong University（上海交通大学安泰经济管理学院）
专题命中 数学推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文通过OPT-ENGINE框架评估大语言模型在优化建模中的能力与扩展性，发现纯文本推理在任务复杂度增加时存在鲁棒性差距，外部工具无法满足全局优化约束，指出约束自动建模是当前SOTA范式的瓶颈。
Journal ref Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
通过随机选择的少样本引导提升可验证奖励的强化学习
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 数学推理 ：chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出FEST算法，通过随机选择的少样本引导提升可验证奖励的强化学习，仅需128个演示即可获得优于基线的结果，关键在于监督信号、在线信号和衰减权重。
Comments 25 pages, 11 figures
基于查询的测试时自我训练用于大语言模型
机构 * School of Electrical Engineering, KAIST（韩国科学技术院电子工程学院） ； Graduate School of Green Growth and Sustainability, KAIST（韩国科学技术院可持续增长与绿色发展研究生院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出QueST框架，通过直接从输入查询生成查询条件对，实现测试时参数自适应，无需外部数据，在多个基准测试中优于现有方法。
Comments 17 pages, 7 figures
GEAR：通过自蒸馏实现的粒度自适应优势重加权用于LLM智能体
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Microsoft Research Asia（微软亚洲研究院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 GEAR通过自蒸馏获取token和片段级信号，实现粒度自适应的优势重加权，提升长时间跨度任务中的智能体性能，实验表明在数学推理和工具使用任务中优于传统方法。
基于模板的数据生成训练和评估语言模型
机构 * University of California Los Angeles（加州大学洛杉矶分校）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出Template-based Data Generation方法，通过生成高质量数学问题及可验证解，解决大语言模型在复杂推理任务中的数据稀缺问题，并引入TemplateMath Part I: TemplateGSM数据集。
Comments Published in ICLR 2025 DATA-FM Workshop. Project Page: https://github.com/iiis-ai/TemplateMath
GPart：通过全局参数划分实现端到端等距微调
机构 * Samsung AI Center（三星人工智能中心） ； University of Warsaw（华沙大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 GPart通过全局参数划分方法实现端到端等距微调，无需低秩结构，仅需一个随机投影即可高效微调模型，实现存储成本低且性能优越。
超越模式寻求强化学习：扩散语言模型的轨迹平衡后训练
机构 * Noah’s Ark Lab（Noah’s Ark 实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本文提出TraFL方法，通过轨迹平衡目标提升扩散语言模型的后训练效果，在多个基准测试中均优于基线模型。
InfoSFT: 通过信息感知的标记加权学习更多并忘记更少
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学）
专题命中 数学推理 ：chain-of-thought(abstract)；分类 cs.LG
AI总结 InfoSFT通过信息感知的标记加权方案改进监督微调，提升泛化能力并保留原有能力，适用于数学、代码和推理任务。
基于数据的时序属性监控（扩展版）
机构 * INESC-ID/Instituto Superior Técnico, Universidade de Lisboa, Portugal（葡萄牙里斯本大学理工学院/INESC-ID） ； Free University of Bozen-Bolzano, Italy（意大利博登-博洛尼亚自由大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出了一种新的监控框架，用于处理带有任意SMT理论的有限轨迹LTLfMT属性，结合自动机方法和自动推理技术，解决了时序逻辑的挑战，并首次识别出可判定的实用片段。
Comments This is the extended version of a paper accepted to IJCAI 2026
谄媚是一种教育安全风险：为什么LLM导师需要谄媚基准
机构 * Technical University of Munich, Munich, Germany（慕尼黑技术大学，慕尼黑，德国） ； Munich Center for Machine Learning, Munich, Germany（慕尼黑机器学习中心，慕尼黑，德国）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文探讨LLM导师需通过谄媚基准测试来评估其在教育中的安全风险，指出模型在面对社会-知识压力时的脆弱性及改进方向。
从失败中学习：具有可验证奖励的纠正导向策略优化
机构 * Chinese Information Processing Laboratory, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所信息处理实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Xiaohongshu Inc（小红书公司）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出CIPO方法，通过将失败轨迹转化为纠正监督，提升大语言模型的推理和纠错能力，在11个基准测试中优于基线方法。
Comments Work on progress
动态嵌套层级：在机器学习架构中开创自我进化以实现终身智能
机构 * Institute of Technology University of Tartu（塔尔图技术大学） ； S Holding OÜ（3S控股公司）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出动态嵌套层级，通过自适应调整优化层级、嵌套结构和更新频率，解决现有模型在非平稳环境中的适应性问题，推动终身学习的发展。
Comments 12 pages, 1 figure
Journal ref Frontiers in Artificial Intelligence, 2026
面向6G自主网络的智能偏差教程
机构 * i2CAT Foundation（i2CAT基金会） ； Hostelworld Group（Hostelworld集团） ； Technical University of Catalonia (UPC)（技术大学（加泰罗尼亚）） ； Khalifa University of Science and Technology（卡里玛大学） ； ISI/ATH ； University of Patras（帕特拉大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文探讨了在6G自主网络中因人类设计引入的认知偏差问题，通过两个案例展示如何利用智能体AI缓解锚定偏差和时间偏差，提升网络管理和边缘计算的效率与节能效果。
Comments 26 pages, 18 figures, 4 tables, link to source code available. Accepted at IEEE OJCOMS
SkillFlow: 以流程驱动的递归技能进化用于代理编排
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 SkillFlow通过流程驱动的递归技能进化解决代理编排中的策略崩溃、梯度方差高和无指导技能进化问题，实现高效任务编排。
Comments 49 pages, 5 figures, 6 tables
用于大型语言模型的分布校正离线数据蒸馏
机构 * George Mason University（乔治·马歇尔大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出一种分布校正的离线推理蒸馏框架，通过适应性强调与学生模型推理分布更一致的教师监督，提升推理准确性并保持指令遵循能力。
弥合法律解释与形式逻辑：忠实性、假设与AI法律推理的未来
机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出一种结合大语言模型与形式验证的神经符号方法，旨在提升AI辅助法律推理的可靠性与可信度，减少人工验证负担。
Comments 2 pages abstract accepted by Bloomberg LSLLAI 2026 Symposium
S-AI-Recursive：一种生物启发式且时间稀疏的AI架构，用于迭代、反思和节能推理
机构 * Mohammed V University（穆莱·伊斯梅尔大学）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出S-AI-Recursive架构，通过激素闭环迭代而非单向传递实现推理，结合生物启发式方法和数学模型，验证了时间稀疏性原理。
Comments Preprint. 51 pages. No figures. S-AI-Recursive: A bio-inspired sparse AI architecture for iterative, introspective, and energy-efficient reasoning
提示分割与标注优化：通过优化段级标注控制大语言模型行为
机构 * Commonwealth Bank of Australia（澳大利亚全国银行）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出PSAO框架，通过段级标注提升提示优化的可控性和效率，实验证明标注能提高LLM推理准确性和自一致性。
（如何）大型语言模型理解高层次消息序列图？
机构 * Department of Informatics, King's College London（伦敦国王学院信息学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 研究探讨大型语言模型对高层次消息序列图（HMSC）语义的理解程度，通过129个语义任务测试三个模型，发现其在基本概念上准确率较高，但在抽象、组合及轨迹计算等任务上表现较差。
BRIDGE: 在领域引导的程序合成中构建表示
机构 * California Institute of Technology（加州理工学院） ； Amazon（亚马逊）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.LG
AI总结 BRIDGE通过多艺术ifacts程序合成框架提升Lean验证正确性，结合代码、规范和定理证明领域，提高生成效率和正确率。
Comments 41 pages, 10 figures, 3 tables. Preprint
学习构建环境：通过可验证环境合成实现自我进化推理RL
机构 * Tencent HY LLM（腾讯 HY LLM）
专题命中 逻辑推理 ：reasoning(title,abstract)；verifier(abstract)；分类 cs.AI
AI总结 本文提出通过可验证环境合成实现自我进化推理RL，构建环境而非生成数据，利用环境构造循环提升模型能力，通过稳定的问题-验证不对称性保持奖励信息性。
Comments Tech report, work in progress
增强和高效的大型学习模型推理
机构 * John A. Paulson School of Engineering and Applied Sciences（约翰·A·保罗森工程与应用科学学院）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文提出一种高效且基于原理的推理方法，用于改进大型语言模型，通过预处理和机器学习流程提升推理能力，实现更稳健的逻辑推理。
自然合成：用大推理模型超越反应合成工具
机构 * CISPA Helmholtz Center for Information Security（CISPA 情报安全中心） ； Technical University of Munich（慕尼黑技术大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 本文提出一种结合大推理模型与模型检查器的神经符号方法，用于反应合成，能解决更多基准测试并扩展到参数化系统，同时引入自然语言规范自动形式化步骤，实现端到端的工作流程。
状态图：利用大语言模型解决假设推理任务
机构 * Nankai University（南开大学） ； Wenzhou Medical University（温州医科大学） ； Alibaba Cloud（阿里云） ； Tsinghua University（清华大学）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI
AI总结 本文提出状态图框架，通过结构化信念状态和因果图实现逻辑依赖编码，解决假设推理中的证据伪造等问题，实验证明其在复杂任务中的优越性。
推导提示：一种基于逻辑的方法，用于提高检索增强生成
机构 * Instituto de Computación, Facultad de Ingeniería, Universidad de la República（计算研究所，工程学院，乌拉圭共和国大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出推导提示方法，通过系统应用预定义规则从初始假设推导结论，以提高检索增强生成中生成过程的可控性和准确性。
Journal ref Advances in Artificial Intelligence IBERAMIA 2024, LNCS 15277, pp. 412 423, Springer (2025)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈