大模型推理能力

"The Whole Is Greater Than the Sum of Its Parts": A Compatibility-Aware Multi-Teacher CoT Distillation Framework

整体大于部分之和：一种兼容性感知的多教师CoT蒸馏框架

Jin Cui, Jiaqi Guo, Ruixuan Yang, Jiayi Lu, Jiepeng Zhou, Jiajun Xu, Jiangcheng Song, Boran Zhao, Pengju Ren

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） ； Nankai University（南开大学） ； The Hong Kong University of Science and Technology(Guangzhou)（香港科技大学（广州）） ； School of Software Engineering, State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（软件学院，人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） 纠错

专题命中 逻辑推理 ：CoT(title,title_cn)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出COMPACT框架，通过动态加权不同教师的梯度，结合多维指标提升学生模型的推理能力，有效整合多样化推理能力并减少灾难性遗忘。

Comments 11pages, 9figures

Can RL Teach Long-Horizon Reasoning to LLMs? Expressiveness Is Key

强化学习能否教会大语言模型长期 horizon 推理？表达性是关键

Tianle Wang, Zhaoyang Wang, Guangchen Lan, Xinpeng Wei, Sipeng Zhang, Guanwen Qiu, Abulhair Saparov

机构 * Purdue University（普渡大学） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Georgia Tech（佐治亚理工学院） ； UC San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 本文通过ScaleLogic框架研究了RL训练与任务难度的关系，发现推理深度和逻辑表达性影响训练计算量，表达性越高，训练效率越高，证明LLM的长期推理问题可通过改进训练方法解决。

Reasoning as Compression: Unifying Budget Forcing via the Conditional Information Bottleneck

推理作为压缩：通过条件信息瓶颈统一预算强制

Fabio Valerio Massoli, Andrey Kuzmin, Arash Behboodi

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.LG

AI总结 本文提出将高效推理视为信息瓶颈原则下的损失性压缩问题，通过引入条件信息瓶颈（CIB）原则，解决了传统预算强制方法在处理transformers时的理论缺陷，并通过语义先验实现了更高效的推理压缩，提升了准确率并减少了计算成本。

BioProAgent: Neuro-Symbolic Grounding for Constrained Scientific Planning

BioProAgent：用于受限科学规划的神经符号接地

Yuyang Liu, Jingya Wang, Liuzhenghao Lv, Yonghong Tian

机构 * School of AI for Science, Peking University（科学人工智能学院，北京大学） ； School of Electronic and Computer Engineering, Peking University（电子与计算机工程学院，北京大学） ； School of Computer Science, Peking University（计算机科学学院，北京大学） 纠错

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

AI总结 BioProAgent通过神经符号框架将概率规划锚定在确定性有限状态机中，解决复杂设备模式中的上下文瓶颈，提升物理执行的可靠性。

Spatiotemporal Robustness of Temporal Logic Tasks using Multi-Objective Reasoning

基于多目标推理的时序逻辑任务时空鲁棒性

Oliver Schön, Lars Lindemann

机构 * Automatic Control Laboratory, ETH Zürich（自动化控制实验室，苏黎世联邦理工学院） 纠错

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

AI总结 本文研究了通过多目标推理处理时序逻辑任务的时空鲁棒性，提出了一种新的时空鲁棒性定义，能够同时考虑空间和时间扰动，并展示了其在多智能体机器人、智慧城市和空中交通管制等交互系统中的应用。

Comments 30 pages, 6 figures, to be published at the 38th International Conference on Computer Aided Verification 2026

From Craft to Kernel: A Governance-First Execution Architecture and Semantic ISA for Agentic Computers

从手工到内核：一种以治理为导向的执行架构和语义ISA用于代理计算机

Xiangyu Wen, Yuang Zhao, Xiaoyu Xu, Lingjun Chen, Changran Xu, Shu Chi, Jianrong Ding, Zeju Li, Haomin Li, Li Jiang, Fangxin Liu, Qiang Xu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出了一种以治理为导向的执行架构和语义指令集架构（ISA），旨在解决代理计算机中AI从脆弱原型到生产系统的过渡问题，通过引入概率处理单元和确定性神经符号内核，提升系统的安全性和可靠性。

Evolve the Method, Not the Prompts: Evolutionary Synthesis of Jailbreak Attacks on LLMs

改进方法而非提示：针对大语言模型的进化式 jailbreak 攻击合成

Yunhao Chen, Xin Wang, Juncheng Li, Yixu Wang, Jie Li, Yan Teng, Yingchun Wang, Xingjun Ma

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） 纠错

专题命中 逻辑推理 ：self-correction(abstract)；分类 cs.CL

AI总结 本文提出 EvoSynth 框架，通过在代码空间中进行搜索，而非仅在提示空间中优化，从而提高对大语言模型的 jailbreak 攻击成功率和多样性。

LLM-TabLogic: Preserving Inter-Column Logical Relationships in Synthetic Tabular Data via Prompt-Guided Latent Diffusion

LLM-TabLogic: 通过提示引导的潜在扩散模型在合成表格数据中保留列间逻辑关系

Yunbo Long, Liming Xu, Alexandra Brintrup

机构 * Department of Engineering, University of Cambridge（剑桥大学工程系） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

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

AI总结 本文提出LLM-TabLogic方法，利用大语言模型推理捕捉表格列间的复杂逻辑关系，并通过Score-based Diffusion模型在潜在空间中生成数据，以在不需领域知识的情况下有效保持合成表格数据中的列间关系。

A neurosymbolic Approach with Epistemic Deep Learning for Hierarchical Image Classification

一种结合知识符号学习与认知深度学习的分层图像分类方法

Ezel Kilicdere, Shireen Kudukkil Manchingal, Fabio Cuzzolin

机构 * Institute for AI, Data Analysis and Systems (AIDAS) School of Engineering, Computing and Mathematics, Oxford Brookes University, UK（人工智能、数据分析和系统研究所（AIDAS）工程、计算与数学学院，英国奥克斯福德布鲁克斯大学） 纠错

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

AI总结 本文提出一种统一的神经符号和认知建模框架，通过融合Swin Transformer、焦点集推理和可微模糊逻辑，提升分层图像分类的准确性和逻辑一致性。

Comments 36 pages

Beyond Imperfect Alternatives with Rulemapping: A Neuro-Symbolic Case Study on Online Hate Speech

超越不完美替代：基于规则映射的神经符号案例研究：在线仇恨言论

Oskar von Cossel

机构 * Max Planck Institute for Comparative and International Private Law（比较与国际私法Max Planck研究所） 纠错

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

AI总结 本文探讨神经符号方法在在线仇恨言论分类中的应用，通过约束大语言模型以提高法律判断的准确性与可验证性。

Comments Extended version of a paper accepted at ICAIL 2026. 10 pages, 1 figure, 2 tables

Train the Trainers -- An Agentic AI Framework for Peer-Based Mental Health Support in Battlefield Environments

训练培训者——一种基于同伴的AI框架，用于战场环境中的同伴心理支持

Atmaram Yarlagadda, Eranga Bandara, Ross Gore, Anita H. Clayton, Preston Samuel, Christopher K. Rhea, Sachin Shetty, Ravi Mukkamala, Xueping Liang, Amin Hass, Abdul Rahman

机构 * McDonald Army Health Center（麦克唐纳陆军健康中心） ； Old Dominion University（老 Dominion 大学） ； Blanchfield Army Community Hospital（布莱恩菲尔德陆军社区医院） ； Department of Psychiatry and Neurobehavioral Sciences（精神病学与神经行为科学系） ； University of Virginia School of Medicine（弗吉尼亚大学医学院） ； Florida International University（佛罗里达国际大学） ； Accenture Technology Labs（埃森哲技术实验室） 纠错

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

AI总结 本文提出一种基于同伴的AI框架，利用AI代理提升战场环境下心理支持的效率，减少撤离需求并提高持续护理质量。

LLM-Based Static Verification of Code Against Natural-Language Requirements: An Industrial Experience Report

基于大语言模型的代码对自然语言要求的静态验证：一项工业经验报告

Zhi Quan Zhou, Dave Towey, Tsong Yueh Chen

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本文提出一种基于大语言模型的两阶段工作流，用于在智能汽车网络安全案例中验证代码是否符合自然语言要求，通过引入结构化中间表示减少幻觉和输出变异，提升静态分析的准确性与解释性。