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。
推理、代码，还是两者兼有？大型语言模型如何处理数学问题的变化
专题命中 数学推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本研究通过对比链式思维推理、单次代码执行和迭代代码执行三种方法在GSM-Symbolic数据集上的表现，发现代码执行并未提升大型语言模型在数学问题变体上的推理鲁棒性。
Comments 6 pages, 4 figures, 2 tables
推理语言模型中的实时进度预测
机构 * Department of Computer Science, University of Copenhagen（哥本哈根大学计算机科学系）
专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.AI、cs.LG
AI总结 研究通过离散化推理轨迹训练线性探针和微调模型生成0-100%进度估计，实现推理语言模型中的实时进度预测，并在数学推理任务上达到0.161 MAE。
循环语言模型中测试时可扩展潜在推理的稳定循环动力学
机构 * State Key Laboratory of Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家重点实验室，南京大学，南京，中国） ； School of Artificial Intelligence, Nanjing University, Nanjing, China（人工智能学院，南京大学，南京，中国） ； School of Intelligence Science and Technology, Nanjing University, Nanjing, China（智能科学与技术学院，南京大学，南京，中国）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出STARS训练框架，通过雅可比谱半径正则化约束潜在状态趋近渐近稳定不动点，解决循环语言模型深度递归时性能崩溃问题，实现可靠的测试时扩展并提升峰值性能。
Comments ICML 2026
不确定性感知的自适应测试时推理预算分配
机构 * Applied Artificial Intelligence Initiative（应用人工智能计划）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出不确定性感知预算分配（UAB）框架，通过基于每问题不确定性的凹整数优化重新分配固定采样预算，无需额外推理成本，在多个推理基准上提升准确率高达3-5%。
基于LLM驱动知识图谱推理生成逻辑一致的合成供应链数据
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）
专题命中 数学推理 ：reasoning(title)；分类 cs.CL
AI总结 针对合成供应链数据需保持操作逻辑一致性的问题，提出TabKG框架，通过构建列关系知识图谱并利用多LLM集成验证关系，结合潜在扩散模型生成逻辑一致的表格数据。
将你的展开用在关键处：基于组强化学习后训练的展开分配
机构 * Cornell University（康奈尔大学）
专题命中 数学推理 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出 Pilot-Commit 框架，通过预算感知的展开分配策略，优先将计算资源分配给高信息量的提示，从而在组策略优化中减少采样成本并加速收敛。
LLM 代理何时对表面噪声与语义噪声做出不同处理？一项基于 68 个单元格的测量研究及留出轨迹级验证
机构 * School of Information and Software Engineering, UESTC（信息与软件工程学院，电子科技大学） ； Jacobs School of Engineering, UC San Diego（工程学院，加州大学圣地亚哥分校）
专题命中 数学推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本研究通过 68 个单元格的测量实验，发现大语言模型驱动的思维链和 ReAct 代理对语义扰动（如释义、同义词）比表现扰动（如格式、重排序）更敏感，并基于留出模型和轨迹级机制分析提出了“隐蔽发散”解释。
LLMs 已经是好导师：面向教学数学辅导的无训练提示优化
机构 * Korea University Sejong Campus（韩国大学世宗校区） ； Gyeonggi Institute of Education（京畿教育学院） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） ； Opentutorials ； Chosun University（全州大学） ； Korea University Korean Studies Center（韩国大学韩学研究中心）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本研究探索通过API调用优化系统提示的无训练方法，提出5种教育专用方法，在2个OOD基准上评估12种方法，发现所有方法均超越最强RL训练基线，ParetoGrad在事后解决率、泄漏控制和有用性上达到最佳帕累托平衡。
Comments 17 pages, 5 figures
MONA: 基于Nesterov加速的Muon优化器用于可扩展语言模型训练
机构 * Meituan（美团）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 提出MONA优化器，通过将Nesterov加速项集成到Muon的梯度处理流程中，实现曲率感知加速，从而帮助逃离尖锐局部最小值，并在1B到68B参数的混合专家预训练中取得更优收敛和下游任务性能。
比率方差正则化策略优化
机构 * Department of Foundation Model, 2012 Labs, Huawei（华为基础模型部门，2012实验室） ； Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（上海智能自主系统研究院，同济大学） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出R²VPO方法，通过约束策略比率方差作为信任区域的局部近似，替代启发式裁剪，在LLM和机器人控制任务中提升性能与样本效率。
为什么提示优化有效，以及为什么有时无效：一种因果启发的编辑级分析
机构 * The University of Melbourne（墨尔本大学） ； The University of Queensland（昆士兰大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 本文通过因果推断方法分析自动提示优化在不同任务和模型上的泛化失败原因，发现编辑类型与任务特性之间的系统性交互作用。
Comments 17 pages, 4 figures, 8 tables
GSM-SEM: 生成语义变体增强的基准与框架
机构 * Oracle AI
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出GSM-SEM框架，通过修改实体、属性和关系生成语义多样的数学问题变体，降低模型对固定测试集的记忆偏差，并在多个基准上验证性能下降。
事后信用可驻留之处：RLVR中令牌更新的有符号容量视角
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Huawei Technologies Ltd.（华为技术有限公司）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过条件互信息分析RLVR中令牌级信用的容量上限，提出四象限分解区分更新方向，并设计HAPO算法进行容量引导的优势重分配，提升数学推理性能。
UCPO：不确定性感知策略优化
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 针对现有强化学习范式在不确定性奖励下存在的优势偏差和过度自信问题，提出三元优势解耦和动态不确定性奖励调整机制，显著提升模型在知识边界外的可靠性。
Comments Accepted by ICML 2026
OmniInteract：面向实时全模态助手的流式交互基准测试
机构 * CUHK MMLab（香港中文大学多模态实验室） ； SJTU（上海交通大学） ； NTU（国立新加坡大学） ； McMaster（麦马斯特大学） ； CityUHK（香港城市大学） ； JUFE（吉林大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出OmniInteract基准，通过在线推理音视频流评估全模态大模型的实时交互能力，发现现有模型在流式交互中表现薄弱。
学习用语言模型预测未来对齐的研究提案
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 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出将研究提案生成重构为时间切片科学预测问题，通过未来对齐分数（FAS）评估模型能否预测截止时间后发表的论文方向，并构建时间一致数据集和推理轨迹进行训练，实验表明未来对齐微调显著提升提案质量。
分歧的思维，趋同的基线：LLM与人类战略行为的有界理性解释
专题命中 数学推理 ：reasoning(abstract)
AI总结 本文提出有界理性框架，将人类与LLM在战略博弈中的行为差异归因于计算约束的不同，并给出四个操作测试来区分两者的偏差项δ。
Comments 12 pages, 1 table, no figures. Theoretical prequel paper
LLMs 与停机问题：程序终止推理的特征化
机构 * FAIR Team, Meta AI（Meta AI FAIR 团队） ； The Hebrew University of Jerusalem, Israel（耶路撒冷希伯来大学） ； Bloomberg, New York, USA（彭博社，纽约，美国） ； Imperial College London, UK（伦敦帝国理工学院，英国） ； University College London, UK（伦敦大学学院，英国）
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文评估了前沿LLMs在程序终止推理上的能力，发现GPT-5和Claude Sonnet 4.5在C程序终止判断上达到顶级验证工具水平，但无法生成形式化证明，并引入分歧前置条件形式化描述非终止条件。
ReasonOps: 可信验证的LLM推理的统一操作范式
机构 * School of Electrical Engineering（电子工程学院） ； Computer Science (SEECS) National University of Sciences（计算机科学（SEECS）国家 Sciences and Technology）
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ReasonOps，一种将推理视为持续监控、可验证、可靠性感知的操作过程的统一范式，整合语义解释、自动形式化、符号推理、定理证明、运行时保证、概率可靠性估计和自适应修正，以解决当前LLM推理中的逻辑不一致、幻觉符号转换等问题。
Comments 5 Pages
LAD-VF：LLM自动微分实现基于形式化方法反馈的无微调机器人规划
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of São Paulo（圣保罗大学） ； Texas A&M University（德克萨斯A&M大学） ； SylphAI
专题命中 代码与定理证明 ：planning(title,abstract)
AI总结 提出LAD-VF框架，利用形式化验证反馈和LLM自动微分自动优化提示词，无需微调即可提升机器人规划任务中规范符合率，成功率从60%提升至90%以上。
Comments Presented at ICRA 2026
Verus-SpecGym: 用于评估规范自动形式化的智能体环境
机构 * CMU（卡内基梅隆大学） ； Amazon（亚马逊）
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.CL、cs.AI
AI总结 提出 Verus-SpecGym 环境与 Verus-SpecBench 基准，通过执行规范机制和对抗性测试评估 LLM 智能体将非正式编程问题转化为形式规范的能力，发现前沿模型可解决 77.8% 的任务但存在遗漏假设等脆弱性。
Comments Preprint
Transformer 泛化能力的更清晰图景
机构 * Thayer School of Engineering Dartmouth College（达特茅斯学院泰勒工程学院）
专题命中 代码与定理证明 ：chain-of-thought(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过PAC-Bayes理论研究Transformer在布尔域上的泛化行为，证明稀疏低阶频谱可实现低锐度构造并得到非平凡的泛化界，解释了思维链为何能改善高阶目标函数的泛化。
Comments 10 pages, 9 figures, 41 pages of supplementary material
建模代理技术债务与随机税：一个用于测量、模拟和仪表盘展示的独立框架
机构 * School of Business, University of Pittsburgh（匹兹堡大学商学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出一个形式化且可管理的框架，区分代理技术债务（累积的设计与治理负债存量）与随机税（使用随机代理时产生的运营负担流），并通过应付账款模拟和电子表格说明其应用。
ConVer：使用合约和循环不变式合成实现可扩展的形式化软件验证
机构 * The University of Manchester（曼彻斯特大学）
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI
AI总结 提出一种自上而下的组合验证工具ConVer，利用大语言模型合成函数合约，并通过CEGAR-CEGIS循环迭代精炼合约，以解决大规模C程序形式化验证中的状态空间爆炸问题。
Comments 12 pages; 6 figures
声明式数据服务：用于组合数据系统的结构化智能体发现
机构 * Northeastern University（东北大学） ； Brown University（布朗大学）
专题命中 代码与定理证明 ：verifier(abstract)；分类 cs.AI
AI总结 提出声明式数据服务（DDS）架构，通过分层类型契约将全局搜索分解为有界子搜索，解决无界智能体发现无法稳定收敛的问题，并在交易后端工作负载上验证其有效性。
Comments Accepted at AI Agents for Discovery in the Wild (AID-Wild), Workshop at ACM CAIS 2026
可发现的智能体知识——智能体知识图谱能力的形式化框架（扩展版）
机构 * School of Computer Science and Informatics, University of Liverpool, UK（利物浦大学计算机科学与信息学学院） ； Open University（开放大学）
专题命中 代码与定理证明 ：planning(abstract)；分类 cs.AI
AI总结 本文提出一个四维形式化框架（语义表达性、智能体可发现性、任务相对基础性和认知信任范围），并从中推导出智能体能力概况（AAP），作为VoID和DCAT之上的语义层，支持智能体在规划时进行原则性的知识图谱选择、组合和故障诊断。
思维链压缩：理论分析
机构 * School of Computer and Information Technology, Shanxi University, Taiyuan, Shanxi, China（山西大学计算机与信息学院） ； Queen Mary, University of London, UK（伦敦大学女王学院） ； School of Informatics, University of Edinburgh, UK（爱丁堡大学信息学院）
专题命中 逻辑推理 ：CoT(summary_cn,abstract)；reasoning(abstract)；chain-of-thought(abstract)；logical reasoning(abstract)
AI总结 本文通过引入Order-r Interaction理论，证明了隐式思维链压缩中高阶逻辑依赖的学习信号指数衰减问题，并提出ALiCoT框架通过对齐潜在令牌分布与中间推理状态来克服信号衰减，实现54.4倍加速且性能与显式CoT相当。
推理深度与环境复杂度：逻辑推理任务中RLVR数据分配的受控研究
机构 * Kyoto University（京都大学） ； University of Tokyo（东京大学） ； NII LLMC（日本信息处理学会LLMC） ； RIKEN（理化学研究所）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title)；分类 cs.CL、cs.AI
AI总结 通过将推理空间划分为深度和复杂度两个维度，并考虑四种推理形式，在合成知识图谱环境中进行受控实验，发现联合深度-复杂度覆盖优于单轴策略，不同推理家族对RLVR覆盖的反应非均匀，且均匀混合优于分阶段课程。
Comments Pre-print
MedGuideX: 将可执行指南中的决策逻辑内化到大型语言模型中以进行临床推理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Albert Einstein College of Medicine（爱因斯坦医学院）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出一种将临床实践指南转化为可执行决策逻辑并生成事实与反事实问答数据的训练流程，通过微调医学大语言模型得到MedGuideX，在四个临床推理基准上平均准确率相对提升10.28%，且医生评估显示其推理步骤更优。
提示的鲁棒性：增强大型语言模型对抗提示攻击的鲁棒性
机构 * School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院）
专题命中 逻辑推理 ：reasoning(abstract)；chain-of-thought(abstract)；logical reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出RoP（提示鲁棒性）策略，通过错误校正和引导两个阶段，增强LLM对输入扰动的鲁棒性，在算术、常识和逻辑推理任务上显著提升性能。
Comments Accepted by IEEE Transactions on Artificial Intelligence
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