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。
通过层交换重新思考多语言推理差距
机构 * LightOn ； Inria（法国国家科学研究中心）
专题命中 测试时计算 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本文通过构建多语言推理数据集并微调专家模型，发现本地推理与英语枢轴推理的性能差距远小于先前报道，并提出层交换方法将英语专家的推理中间层迁移到本地专家，以缩小差距。
语言模型推理中带有重置的信用分配
机构 * Meta AI ； Columbia University（哥伦比亚大学） ； Meta Superintelligence Labs（Meta超智能实验室） ； Tel Aviv University（特拉维夫大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出随机重置策略优化（RRPO）和自重置策略优化（SRPO）两种方法，通过重置到中间状态并重新采样反事实延续来改进语言模型多步推理中的信用分配，SRPO在多个推理基准上优于标准GRPO和RRPO。
ARBITER：测试时采样中的推理轨迹盆地与多数投票失败
机构 * School of Computing and Information Systems（计算与信息系统学院） ； University of Melbourne（墨尔本大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.LG
AI总结 本文发现语言模型测试时采样的推理轨迹会聚集成少数“推理盆地”，导致多数投票选择最稳定而非最准确的盆地，并提出ARBITER方法通过保守加性证据修正共识，从样本池中恢复部分正确性。
Comments Preprint. 34 pages, 2 figures
使用推理型大语言模型从临床笔记中提取社会健康决定因素事件
机构 * Department of Population Health Sciences, Weill Cornell Medicine（流行病学与公共卫生系，韦尔·科恩医学中心）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本研究提出一种基于推理型大语言模型的提示工程方法，通过四个模块（简洁提示、少样本学习、自一致性机制和后处理）从临床笔记中提取结构化SDOH事件，取得0.866的微平均F1分数，展示了简单实现与强性能的平衡。
超越语义：无理由中间标记的不合理有效性
机构 * School of Computing and AI（计算与人工智能学院） ； Arizona State University（亚利桑那州立大学） ； Amazon AGI（亚马逊人工通用智能） ； Yale University（耶鲁大学）
专题命中 测试时计算 ：CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 通过从零训练Transformer模型于形式可验证推理轨迹，发现模型在正确与损坏轨迹上表现相似，且损坏轨迹在分布外任务上泛化更好，挑战了中间标记反映或诱导可预测推理行为的假设。
Comments Published in Transactions on Machine Learning Research (TMLR)
在大音频语言模型中学习何时在聆听时思考
机构 * University of Pennsylvania（宾夕法尼亚大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出一种可学习的等待-思考-回答控制机制，通过多奖励强化学习优化大音频语言模型在流式语音交互中的推理时机，在提升准确率的同时减少响应延迟。
Comments 19 pages, 4 figures, 6 tables
HiSpec: 分层推测解码用于大语言模型
机构 * Department of Electrical and Computer Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校电子与计算机工程系）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出HiSpec框架，利用早期退出模型进行低开销中间验证，通过重用键值缓存和隐藏状态提高吞吐量，平均加速1.28倍，最高2.01倍，且不损失准确性。
自验证蒸馏：你的语言模型秘密地就是它自己的合成数据管道
机构 * Stanford University（斯坦福大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 提出自验证蒸馏算法，让大语言模型仅用无标注种子问题，通过自生成、自验证和自训练提升推理能力，在数学、科学和编程任务上取得显著提升。
自主AI代理在供应链管理中的可靠性与有效性
机构 * Harvard University（哈佛大学） ； MIT/Purdue（麻省理工学院/普渡大学） ； MIT（麻省理工学院） ； Harvard University/Kempner Institute（哈佛大学/凯普勒研究所） ； Georgia Tech（佐治亚理工学院）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文通过MIT啤酒游戏研究多级供应链中的自主生成式AI代理，发现模型能力是性能主导因素，但平均性能掩盖可靠性风险，并引入代理牛鞭效应，提出基于GRPO的后训练框架以提高可靠性。
MAIGO: 通过历史清理的在线策略自蒸馏缓解对话丢失
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Fuzhou University（福州大学） ； Tencent（腾讯）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL
AI总结 针对大语言模型在多轮对话中性能下降（对话丢失）的问题，提出MAIGO方法，通过在线策略自蒸馏和清理历史助手回复来减少自污染，无需验证器或推理时辅助，显著提升多轮对话准确性。
Verilog-Evolve：反馈驱动与技能演进的Verilog生成
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL
AI总结 提出Verilog-Evolve框架，通过反馈驱动（功能仿真、Yosys综合、ABC时序代理等）迭代优化Verilog代码，并利用跨会话技能演进提升生成质量，实验表明在VerilogEval和混合精度GEMM任务上提高了功能成功率和下游友好性。
PANDO: 通过在线技能蒸馏实现高效多模态AI智能体
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 提出PANDO框架，通过在线技能蒸馏、结构化技能库和缓存感知提示，在VisualWebArena任务中以更低token消耗实现更高成功率。
托管LLM中审计会话替换检测的承诺SAE特征轨迹
专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI
AI总结 提出一种承诺-开放协议，通过Merkle树提交稀疏自编码器特征轨迹，以检测托管LLM提供商在服务中静默替换模型的行为。
Comments We identified inaccuracies in the security analysis: the closed-form intrinsic-dimension lower bound on the feature-forgery attacker (Proposition 4.2, Section 4, Appendix V) and the cross-backend noise calibration for the joint z-score threshold (Section 5.1, Table 2). These affect the claimed attack-resistance guarantees. We are withdrawing the paper to correct them before resubmission
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