大模型推理能力

XRPO: Pushing the limits of GRPO with Targeted Exploration and Exploitation

XRPO：通过定向探索与利用突破GRPO极限

Udbhav Bamba, Minghao Fang, Yifan Yu, Haizhong Zheng, Fan Lai

机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG

AI总结 提出XRPO框架，通过自适应探索分配器、上下文种子策略和新颖性感知优势机制，在数学和编码基准上实现比GRPO最高4% pass@1和6% cons@32的提升，并加速训练收敛达2.7倍。

RL with Learnable Textual Feedback: A Bilevel Approach

基于可学习文本反馈的强化学习：一种双层方法

Utsav Singh, Sidhaarth Sredharan, Souradip Chakraborty, Amrit Singh Bedi

机构 * University of Central Florida（佛罗里达中央大学） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG

AI总结 针对稀疏奖励导致样本效率低的问题，提出一种双层优化框架Bi-NAC，联合训练评论家生成可改善策略的文本反馈和演员利用该反馈，在MATH-500等任务上提升了样本和参数效率。

The Many Faces of On-Policy Distillation: Pitfalls, Mechanisms, and Fixes

在线策略蒸馏的多种面貌：陷阱、机制与修复

Siqi Zhu, Xuyan Ye, Hongyu Lu, Weiye Shi, Ge Liu

机构 * UIUC（伊利诺伊大学香槟分校） ； Renmin University of China（中国人民大学） ； Peking University（北京大学） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文通过实证研究分析了在线策略蒸馏（OPD）和在线策略自蒸馏（OPSD）在大语言模型后训练中的有效性、失败机制及修复方法。

LLMs Show No Signs Of Individuated Metacognition

LLMs 未显示出个体化元认知的迹象

M. Moran, Mark Whiting

机构 * Pareto AI 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG

AI总结 通过因素分析和校准方法，研究20个前沿大语言模型在六个基准上的置信度判断，发现模型间置信度差异主要由共享的难度因子和决策阈值决定，而非个体化元认知，数学推理中的表面例外实为混淆效应。

Why We Need World Models for AGI: Where LLMs Fail and How World Models May Outperform

为什么我们需要世界模型来实现通用人工智能：大语言模型失败之处以及世界模型如何可能超越

Feisal Alaswad, Batoul Aljaddouh, Maher Alrahhal, Poovammal E, Talal Bonny

机构 * Department of Computing Technologies（计算技术系） ； SRM Institute of Science and Technology（SRM科学与技术学院） ； Bio-Sensing and Bio-Sensors Group（生物传感与生物传感器组） ； Smart Automation and Communication Technologies Research Institute of Sciences and Engineering（科学与工程智能自动化与通信技术研究所） ； University of Sharjah, UAE（阿联酋沙迦大学） ； Department of Computer Engineering（计算机工程系） ； College of Computing and Informatics（计算与信息学院） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；planning(abstract)；分类 cs.CL、cs.AI

AI总结 本文通过提出潜在动态推理（LDI）概念和Flux环境案例研究，论证了大语言模型在因果推理、状态跟踪和长程规划上的局限性，并展示基于显式状态空间的强化学习智能体在长程游戏中显著优于纯文本LLM。

Comments 19 pages, 5 figures

SpecAlign: A Semantic Alignment Framework for SystemVerilog Assertion Generation

SpecAlign: 一种用于 SystemVerilog 断言生成的语义对齐框架

Jaime Rafael Imperial, Hao Zheng

机构 * University of South Florida（佛罗里达州立大学） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 提出 SpecAlign 框架，通过基于蕴含的分类和自一致性投票机制，评估并改进 LLM 生成的 SVA 与自然语言规范之间的语义对齐，无需黄金 RTL。

BODHI: Precise OS Kernel Specification Inference

BODHI：精确的操作系统内核规范推断

Zhiming Chang, Ziyang Li

机构 * Department of Applied Mathematics and Statistics（应用数学与统计学系） ； Johns Hopkins University（约翰霍普金斯大学） ； Department of Computer Science（计算机科学系） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

AI总结 提出一种领域知识提示方法BODHI，通过结构化C到Python翻译指南增强少样本提示，在OSV-Bench基准上将Pass@1从55.10%提升至96.73%，缩小了通用代码生成与形式规范合成之间的差距。

Learning to Reason Efficiently with A* Post-Training

学习通过A*后训练进行高效推理

Andreas Opedal, Francesco Ignazio Re, Abulhair Saparov, Mrinmaya Sachan, Bernhard Schölkopf, Ryan Cotterell

机构 * ETH Zürich（苏黎世联邦理工学院） ； MPI for Intelligent Systems, Tübingen（图宾根智能系统研究所） ； Purdue University（普渡大学） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文通过A*搜索算法指导LLM生成正确且高效的推理步骤，提出监督微调和强化学习两种训练方法，在1B-3B参数模型上显著提升推理准确性和效率。

Comments Preprint

No Certificate, No Execution: Certified Traces as a Foundation for Trustworthy AI Agents

无证书，不执行：认证轨迹作为可信AI代理的基础

Xiao-Yang Liu Yanglet, Xiaodong Wang, Agostino Capponi

专题命中 代码与定理证明 ：reasoning(abstract)；chain-of-thought(abstract)

AI总结 提出提案-认证-执行（PCE）架构，通过可检查的认证轨迹确保AI代理仅在策略系统允许下执行，核心原则为“无证书，不执行”。

PathMem: Toward Cognition-Aligned Memory Transformation for Pathology MLLMs

PathMem: 面向病理学多模态大模型的认知对齐记忆转换

Jinyue Li, Yuci Liang, Qiankun Li, Xinheng Lyu, Jiayu Qian, Huabao Chen, Kun Wang, Zhigang Zeng, Anil Anthony Bharath, Yang Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； Shenzhen University（深圳大学） ； Nanyang Technological University（南洋理工大学） ； Imperial College London（伦敦帝国学院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI

AI总结 提出PathMem框架，通过长期记忆与工作记忆的动态转换机制，实现结构化病理知识整合与可解释记忆控制，在WSI报告生成和开放诊断任务上达到SOTA。

From Next Token Prediction to (STRIPS) World Models

从下一个词预测到（STRIPS）世界模型

Carlos Núñez-Molina, Vicenç Gómez, Hector Geffner

机构 * RWTH Aachen University, Germany（亚琛工业大学，德国） ； Universitat Pompeu Fabra, Spain（庞培法华大学，西班牙） 纠错

专题命中 代码与定理证明 ：planning(abstract)；分类 cs.AI

AI总结 研究下一个词预测能否产生支持规划的世界模型，提出STRIPS Transformer和标准Transformer两种架构，在五个经典规划领域评估训练准确率、泛化能力和规划性能。

Heimdall: Formally Verified Automated Migration of Legacy eBPF Programs to Rust

Heimdall: 形式化验证的遗留 eBPF 程序到 Rust 的自动迁移

Vishnu Asutosh Dasu, Monika Santra, Md Rafi Ur Rashid, Ashish Kumar, Saeid Tizpaz-Niari, Gang Tan

专题命中 代码与定理证明 ：verifier(abstract)

AI总结 本文提出 Heimdall，一个利用大语言模型将遗留 libbpf C 程序自动翻译为 Aya Rust 的管道，通过静态分析和符号执行确保迁移后程序行为等价，并修复了 eBPF 程序中六类源级漏洞，包括未报告的信息泄露。

Tacit Signal Infrastructure: Towards AI Systems that Model Expert Sensing Over Time

隐性信号基础设施：迈向随时间建模专家感知的AI系统

Annie Yuan

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 本文提出隐性信号基础设施，通过长期认知操作和认知运营管理器，使AI系统能够建模专家随时间变化的隐性感知，从而超越显性知识处理。

Comments 17 pages, 2 figures

Feature Resemblance: Towards a Theoretical Understanding of Analogical Reasoning in Transformers

特征相似性：迈向对Transformer中类比推理的理论理解

Ruichen Xu, Wenjing Yan, Ying-Jun Angela Zhang

机构 * Department of Information Engineering, The Chinese University of Hong Kong, Hong Kong（香港中文大学信息工程系） 纠错

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

AI总结 本文通过最小化Transformer抽象模型，从理论上证明联合训练和特定课程顺序能使实体在表示空间中对齐，从而通过特征相似性实现属性转移，即类比推理。

ChaosBench-Logic v2: Evaluating LLM Logical Reasoning over Dynamical Systems at Scale

ChaosBench-Logic v2: 大规模评估大语言模型在动力系统上的逻辑推理能力

Noel Thomas

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 针对二元推理基准的准确性掩盖了关键缺陷，本文提出包含40,886个问题、覆盖165个动力系统的ChaosBench-Logic v2基准和CARE评估协议，揭示模型在状态转换推理、FOL演绎等任务上的表现差异和系统性反相关。

Comments 14 pages, 8 figures. Published at the ICLR 2026 Workshop on LLM Reasoning

Symbolic-Neural Soft-Logic Reasoning: Towards Robust and Verifiable Thinking Chains via Cooperative Evolution

符号-神经软逻辑推理：通过协同进化实现鲁棒且可验证的思维链

Rui Wang, Zeming Wei, Yihao Zhang, Xiaokun Luan

专题命中 逻辑推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)

AI总结 提出符号-神经软逻辑推理（SSR）框架，通过结合LLM与符号推理并放松严格逻辑确定性，提升推理鲁棒性和可验证性，实验表明优于现有方法。

From Reasoning to Code: GRPO Optimization for Underrepresented Languages

从推理到代码：针对代表性不足语言的GRPO优化

Federico Pennino, Bianca Raimondi, Massimo Rondelli, Andrea Gurioli, Maurizio Gabbrielli

机构 * Qwen2.5-Coder 纠错

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

AI总结 提出结合Qwen2.5-Coder小模型与GRPO的强化学习方法，利用执行反馈和奖励机制提升Prolog、Lisp等低资源语言的代码生成准确性与推理质量。

Comments Accepted ICLP 2026

LECTOR: Joint Optimization of Scientific Reasoning Graphs and Introduction Generation

LECTOR: 科学推理图与引言生成的联合优化

Jiabei Xiao, Yizhou Wang, Chen Tang, Pengze Li, Wanli Ouyang, Shixiang Tang

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） 纠错

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

AI总结 提出LECTOR框架，通过逻辑-表达协同强化学习联合优化科学推理图的结构保真度和引言生成质量，在Nature Communications数据集上实现显著提升。

Comments 25 pages

Uncertainty Reasoning with Large Language Models for Explainable Disease Diagnosis

基于大语言模型的不确定性推理用于可解释疾病诊断

Xiaoyang Fan, Yufan Cai, Zhe Hou, Jin Song Dong

机构 * National University of Singapore（新加坡国立大学） ； Griffith University（格里菲斯大学） 纠错

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

AI总结 提出一种神经符号推理框架，将大语言模型与模糊逻辑和声明式规则结合，实现可解释且形式可验证的医学诊断。

CRPO: Character-centric Group Relative Policy Optimization for Role-aware Reasoning in Role-playing Agents

CRPO：以角色为中心的群体相对策略优化用于角色扮演代理中的角色感知推理

Yihong Tang, Kehai Chen, Liang Yue, Benyou Wang, Min Zhang

机构 * Institute of Computing and Intelligence（计算与智能研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shenzhen Loop Area Institute (SLAI)（深圳Loop区研究院） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 提出CRPO框架，通过解耦任务逻辑与风格奖励、动态调整优化约束和利用通用响应作为负基线，解决强化学习在角色扮演中角色保真度下降和风格崩溃问题。

PowerFlow: Unlocking the Dual Nature of LLMs via Principled Distribution Matching

PowerFlow: 通过原则性分布匹配释放LLMs的双重特性

Ruishuo Chen, Yu Chen, Zhuoran Li, Longbo Huang

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（清华大学交叉信息研究院） 纠错

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

AI总结 提出PowerFlow框架，将无监督微调重构成分布匹配问题，利用GFlowNet和长度感知轨迹平衡目标，通过调整α-幂分布方向性激发LLMs的逻辑推理或创造性。

Comments Camera-ready version accepted at ICML 2026

A Neuro-Symbolic Approach for Reliable Proof Generation with LLMs: A Case Study in Euclidean Geometry

一种用于LLM可靠证明生成的神经符号方法：以欧几里得几何为例

Oren Sultan, Eitan Stern, Dafna Shahaf

机构 * The Hebrew University of Jerusalem（特拉维夫大学） 纠错

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

AI总结 提出一种结合LLM生成能力与结构化组件的神经符号方法，通过类比问题检索和形式验证器反馈，显著提升欧几里得几何证明的准确性。

Comments long paper

Cultivating Machine Intelligence: The OMEGA Shift from Top-Down Optimization to Autopoietic Cognitive Ecologies

培养机器智能：从自上而下优化到自创生认知生态的OMEGA转变

Ata G. Zare

机构 * Nyenrode Business University（奈恩罗德商学院） 纠错

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

AI总结 针对当前深度学习优化范式导致的幻觉、谄媚、奖励破解和对齐脆弱等结构性缺陷，提出RECLAIM框架，通过计算生态学而非严格优化来培养智能，并引入OMEGA转变概念。

Comments Extended preprint. A shorter version of this work is currently under peer review

Towards a Universal Causal Reasoner

迈向通用因果推理器

Qirun Dai, Xiao Liu, Jiawei Zhang, Dylan Zhang, Hao Peng, Chenhao Tan

机构 * The University of Chicago（芝加哥大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 提出UniCo数据生成框架，覆盖Pearl因果阶梯的18种查询类型，将符号示例转化为代码和自然语言，通过监督微调显著提升LLM的因果推理能力和推理忠实度。

Chain of Evidence: Pixel-Level Visual Attribution for Iterative Retrieval-Augmented Generation

证据链：面向迭代检索增强生成的像素级视觉归因

Peiyang Liu, Ziqiang Cui, Xi Wang, Di Liang, Wei Ye

机构 * National Engineering Research Center for Software Engineering, Peking University（软件工程国家级工程研究中心，北京大学） ； City University of Hong Kong（香港城市大学） ； Peking University（北京大学） ； Tencent Technology（腾讯科技） 纠错

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

AI总结 提出Chain of Evidence (CoE)框架，利用视觉语言模型直接对检索到的文档截图进行推理，输出精确边界框以可视化完整推理链，解决迭代检索增强生成中的粗粒度归因和视觉语义丢失问题。

Distributed Partial Information Puzzles: Examining Common Ground Construction Under Epistemic Asymmetry

分布式部分信息谜题：在认知不对称下检验共同基础的构建

Yifan Zhu, Mariah Bradford, Kenneth Lai, Timothy Obiso, Videep Venkatesha, James Pustejovsky, Nikhil Krishnaswamy

机构 * Brandeis University（布兰迪斯大学） ； Colorado State University（科罗拉多州立大学） 纠错

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

AI总结 提出分布式部分信息谜题（DPIP）任务，收集多模态数据集，并评估大语言模型与动态认知逻辑方法在追踪信念状态和共同基础构建上的表现。

Comments 10 pages, 4 figures

Journal ref Proceedings of COLING-LREC 2026

ESIA: An Energy-Based Spatiotemporal Interaction-Aware Framework for Pedestrian Intention Prediction

ESIA：基于能量的时空交互感知框架用于行人意图预测

Yanping Wu, Meiting Dang, Lin Wu, Edmond S. L. Ho, Zhenghua Chen, Chongfeng Wei

机构 * James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院） 纠错

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

AI总结 提出ESIA框架，利用条件随机场和能量函数建模时空交互，通过结构一致性约束和模拟退火算法实现行人意图预测，在标准基准上达到最先进性能并提升可解释性。

Comments 13 pages, 6 figures, 3 tables

ECG-R1: Protocol-Guided and Modality-Agnostic MLLM for Reliable ECG Interpretation

ECG-R1: 协议引导且模态无关的可靠心电图解读多模态大语言模型

Jiarui Jin, Haoyu Wang, Xingliang Wu, Xiaocheng Fang, Xiang Lan, Zihan Wang, Deyun Zhang, Bo Liu, Yingying Zhang, Xian Wu, Hongyan Li, Shenda Hong

机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； National Institute of Health Data Science, Peking University（北京大学健康数据科学国家研究院） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） ； Tianjin Institute of Cardiology, the Second Hospital of Tianjin Medical University（天津医科大学第二医院心内科） ； National University of Singapore（新加坡国立大学） ； Jarvis Lab, Tencent（腾讯 Jarvis实验室） ； HeartVoice Medical Technology（HeartVoice医疗科技） 纠错

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

AI总结 提出ECG-R1，通过协议引导数据生成、模态解耦架构和强化学习，实现可靠的心电图解读。

Comments Accepted to ICML 2026

Blocked Gibbs meets Diffusion Transformers: Unsupervised Learning for Constraint Optimization

分块吉布斯采样遇上扩散Transformer：约束优化的无监督学习

Yudong W. Xu, Wenhao Li, Xiaoyu Wang, Scott Sanner, Elias B. Khalil

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 提出分块吉布斯扩散Transformer（BloGDiT），通过分块高斯去噪替代标准联合高斯去噪，解决扩散模型在约束优化中变量子集大规模编辑的需求，在数独、图着色、最大独立集和MaxCut任务上匹配或超越现有方法。

Toward General Quantum Control with Physics-Informed Large Language Models

面向通用量子控制的物理信息大语言模型

Yusheng Zhao, Han Wang, Xin Liu, Xinjie Song, Jixi He, Lingwei Song, Yuanhe Ji, Ken Deng, Runqing Zhang, Zhiguo Huang, Ling Qian, Jize Han, Di Luo

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 提出VF-QCTRL框架，结合物理信息大语言模型与符号推理及优化，实现通用量子控制协议的高保真度设计，并通过QCTRL-BENCH基准测试验证其通用性、准确性、效率和可解释性。