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。
CIRF：将思维链分词化为可重用的功能单元，用于大型语言模型的高效潜在推理
机构 * Boston University（波士顿大学） ； Hankuk University of Foreign Studies（韩国民法大学）
专题命中 数学推理 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 提出CIRF框架，通过将显式思维链中的语义连贯推理单元映射为离散功能令牌，实现动态序列推理，在数学、符号和常识推理基准上取得优于现有隐式CoT方法的准确率-延迟权衡。
Comments 17 pages, 7 figures
顿悟时刻可以是假的吗？——量化思维链中的装饰性思考与真实思考
机构 * Northeastern University（东北大学） ； University of California, Berkeley（加州大学伯克利分校）
专题命中 数学推理 ：chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.LG
AI总结 提出真实思考得分（TTS）量化思维链中每一步对最终答案的因果贡献，发现模型常混合真实思考与装饰性思考，并利用TTS实现有效剪枝与自训练，揭示前沿模型常表述未因果使用的推理步骤。
IRDS: 通过验证器耦合的稀疏自编码器覆盖实现可解释的RLVR数据选择
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； The 63rd Research Institute, National University of Defense Technology, Nanjing（国防科技大学第六三研究所，南京）
专题命中 数学推理 ：verifier(title,abstract)；reasoning(abstract)；math reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出IRDS方法，基于稀疏自编码器簇和验证器耦合的覆盖目标，选择模型失败但可学习的RLVR训练实例，提升数学推理准确率并降低计算成本。
Comments 24 pages,3 figures,18 tables
技能条件门控自蒸馏用于大语言模型推理
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
专题命中 数学推理 ：reasoning(title,abstract)；verifier(abstract)；分类 cs.CL、cs.AI
AI总结 提出技能条件门控自蒸馏（SGSD），通过从经验技能库中检索技能-错误对构建多教师池，并利用验证器验证教师极性，以鲁棒门控目标蒸馏信息性师生差异，在弱先验信息假设下提升数学推理性能。
Formula-One Prompting：一种可组合的方程优先前缀用于应用数学
机构 * SCB DataX, SCBX Group（SCB数据X，SCBX集团）
专题命中 数学推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 提出公式提示（FP）和Formula-One提示（F-1），通过先形式化问题中的控制方程再求解，在多个应用数学基准上优于思维链和程序思维提示，平均提升5.76和8.42个百分点。
FABSVer: 更快的训练与更好的自验证用于大语言模型数学推理
机构 * Zuoyebang Education Technology（左岳邦教育科技）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出FABSVer方法，通过融合解生成与自验证为单次前向传播，并引入动态参考模型更新（DRMU）突破奖励瓶颈，在三个模型规模上实现更优的自验证与推理性能，训练时间仅为现有方法的51%-71%。
BPPO: 二元前缀策略优化用于高效GRPO式推理强化学习与简洁响应
机构 * TeleAI ； Shanghai Jiao Tong University（上海交通大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 针对GRPO更新成本高且易产生冗长推理的问题，提出BPPO方法，通过仅使用最短正确和错误完成作为更新单元并聚焦前缀优化，实现6倍加速并缩短30-50%响应长度。
超越输入理解：使用有向无环迹图诊断多语言数学推理
机构 * Southwest University（西南大学） ； LMU Munich（慕尼黑莱茵-瓦尔德大学） ； MCML
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出有向无环迹图（DATG）框架，通过将推理迹映射到与语言无关的数学锚点和依赖关系，诊断多语言数学推理中的语言影响，并设计Loop-Retry和Formula-Retry两种测试时控制方法改善低资源语言性能。
Comments preprint
前缀安全贝叶斯信念追踪用于LLM推理可靠性：将校准与排序分离
机构 * Cornell University（康奈尔大学） ； Columbia University（哥伦比亚大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出前缀安全贝叶斯信念追踪（SBBT）框架，通过分离概率质量与排序能力，在长链推理中实现可靠的在线校准与不确定性估计。
LaneRoPE: 用于协同并行推理与生成的位置编码
机构 * Qualcomm AI Research（高通人工智能研究）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出LaneRoPE方法，通过序列间注意力掩码和扩展的RoPE位置编码，使多个序列在生成时协同合作，提升数学推理任务在有限生成长度下的准确性。
RL 压缩，SFT 扩展：推理型大语言模型的比较研究
机构 * The University of Tokyo（东京大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文通过轨迹级和步骤级分析框架，比较了强化学习（RL）和监督微调（SFT）对数学推理大语言模型推理路径的影响，发现RL压缩错误轨迹并集中推理功能，而SFT扩展正确轨迹并均匀化推理功能。
Comments Accepted at ICLR2026
ResearchMath-14K: 通过智能体扩展研究级数学
机构 * Seoul National University（首尔国立大学） ； OneLineAI ； Yonsei University（延世大学）
专题命中 数学推理 ：reasoning(abstract,abstract_cn)；分类 cs.CL
AI总结 本文通过多智能体流程从学术来源构建了最大的研究级数学问题数据集ResearchMath-14K（14,056个问题），并生成220K教师轨迹，经智能体过滤后微调Qwen3模型（4B-30B）平均提升9.2个点，表明过滤后的开放问题尝试即使没有完全正确的推理轨迹也能提供有效监督。
Comments Work in progress. Dataset available at: https://huggingface.co/datasets/amphora/ResearchMath-14k
知道何时求助：面向LLM工具使用的片段级信用分配
机构 * Microsoft AI Redmond（微软AI红mond）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 提出CARL方法，通过强化学习在模型自身轨迹上训练评论家，对每个工具使用片段独立分配信用，使模型学会区分参数知识足够与需要外部帮助的情况，在多个基准上提升准确率并减少不必要的工具调用。
通过最优系数校准在强化学习中联合训练多令牌预测
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所MAIS） ； Meituan（美团）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文从优化角度分析多令牌预测与强化学习联合训练失败的原因，提出最优系数校准方法，通过在线跟踪最优系数实现性能提升。
ReverseMath: 面向可扩展和可验证数学问题生成的答案反转方法
机构 * Center for Information and Language Processing（信息与语言处理中心） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心 (MCML)） ； Saarland University（萨尔兰州大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出ReverseMath方法，通过反转原始问题的输入输出关系自动生成新数学问题，用于评估和训练，揭示记忆行为并提升推理性能。
OGER：一种用于混合强化学习的鲁棒离线引导探索奖励
机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳研究院） ； Hithink RoyalFlush Information Network, Hangzhou, China（杭州Hithink RoyalFlush信息网络） ； Computer and Information Science, University of Macau, Macau, China（澳门大学计算机与信息科学学院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出OGER框架，通过多教师协作训练和基于熵的辅助探索奖励，统一离线教师引导与在线强化学习，提升大语言模型在数学推理和泛化任务中的探索能力。
大型语言模型在数学辅导中接近专家教学质量，但在教学和语言特征上存在差异
机构 * African University of science and Technology（非洲科学与技术大学） ； University of Konstanz（康斯坦茨大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 通过分析数学辅导对话数据集，比较专家、新手教师和七种大型语言模型的教学质量，发现大型语言模型平均接近专家水平，但在教学策略和语言特征上存在系统性差异。
Text2Model: 用于文本到模型翻译的建模副驾驶
机构 * AI Center of Excellence, Fidelity Investments（富达投资人工智能卓越中心） ； Department of Computer Science, Brown University（布朗大学计算机科学系）
专题命中 代码与定理证明 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI
AI总结 本文提出Text2Model和Text2Zinc，通过统一架构和数据集、求解器无关的方式，利用多种LLM策略实现文本到组合优化与满足问题的模型翻译，并开源副驾驶和排行榜以缩小性能差距。
Comments AAAI'25 Bridge Program on Machine Learning and Operations Research CPAIOR'26 Master Class on LLMs for CP/OR
MathlibLemma: 形式化数学中的民间引理生成与基准测试
机构 * Department of Computer Science, University of Virginia（弗吉尼亚大学计算机科学系） ； Astronomy , California Institute of Technology（加州理工学院天文学系） ； Purdue University（普渡大学） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出基于LLM的模块化流水线MathlibLemma，自动挖掘、形式化并证明数学中缺失的民间引理，生成包含4028个类型检查的Lean语句的基准测试集。
利用智能体引导的树搜索自动化形式验证
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Department of Electrical Engineering and Computer Science（电气工程与计算机科学系）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出智能体引导的树搜索方法，通过状态和上下文两种编排器改进基于大语言模型的Lean形式验证代码生成性能，在基准测试中达到95.0%的通过率。
Comments 78 pages, 8 figures
MerLean-Prover：用于 Lean 4 定理证明的递归循环框架
机构 * Northeastern University（东北大学） ； Stony Brook University（石溪大学） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 代码与定理证明 ：planning(abstract)；分类 cs.CL
AI总结 提出一种基于递归循环框架的端到端 Lean4 定理证明器 MerLean-Prover，通过规划、检查与证明三种智能体协作，无需微调或定制强化学习，在 FormalQualBench 和 Putnam2025 上超越现有开源基线。
揭示逻辑推理的算法演绎电路
机构 * Japan Advanced Institute of Science and Technology（日本科学技术先进研究院）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)
AI总结 本研究通过因果中介分析定位大语言模型中负责逻辑推理步骤的注意力头，发现少量专用头处理事实和规则信息，而高层头促进信息整合和全局推理策略的出现。
Transformer中的涌现类比推理
机构 * The University of Tokyo（东京大学） ； Google Deep Mind（谷歌深Mind）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title,abstract)；分类 cs.AI
AI总结 本研究通过范畴论中的函子概念形式化类比推理，设计合成任务探究Transformer中类比推理的涌现机制，发现其依赖于数据特征、优化选择和模型规模，并通过机制分析揭示几何对齐和函子应用两个关键组件。
Comments Accepted to ICML2026 (spotlight)
服从与感知：大型语言模型中的推理可控性研究
机构 * School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院） ； School of EECS, Queen Mary University of London（伦敦女王学院电子工程与计算机科学学院） ； The Alan Turing Institute（艾伦·图灵研究所）
专题命中 逻辑推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.CL、cs.AI
AI总结 通过推理冲突视角，系统研究大型语言模型在诱导逻辑模式与任务预期模式冲突时，是否优先服从指令还是遵循感知合理性，并探索内部检测与激活级干预方法。
可验证过程奖励用于智能体推理
机构 * Tsinghua University（清华大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 提出可验证过程奖励（VPR）框架，通过符号或算法预言机将密集的中间步骤验证转化为强化学习的逐轮监督信号，解决长程智能体推理中的信用分配问题，并在搜索、约束和后验验证三种场景中验证其有效性。
Comments Corrected minor typos and LLM-assisted data extraction errors. The main conclusions are unchanged
LLM推理的集成与跨架构解释
机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Harbin Institute of Technology（哈尔滨工业大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 提出集成跨架构推理（IAR）框架，通过带宽校准的MIP与Tukey IQR峰值检测、重叠分析及Jaccard稳定性度量，统一解释LLM推理模式。
超越二元道德判断：在AI中建模伦理多元主义
机构 * Department of Computer Science and Engineering, IIIT Delhi（印度德里理工学院计算机科学与工程系） ； Mehta Family School of Data Science and AI, IIT Palakkad（印度帕拉卡德理工学院梅塔家庭数据科学与人工智能学院）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出将道德推理建模为规范性伦理理论分布（伦理多元主义）的框架，通过规范-语义双流架构和堆叠集成学习实现，在450个案例上达到88.89%的准确率。
使用大型语言模型进行社会科学和人文学科可重复文本注释的方法论指南：基于Python和R
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)
AI总结 本文提供了一步一步的方法论指南，指导社会科学和人文学科研究者使用大型语言模型进行文本注释，包括设置项目、编程交互、提示设计、统计整合和可重复性管理，并附有Python和R代码示例。
Comments Accompanying Python and R notebooks are available at https://github.com/sodascience/workshop_llm_data_collection or https://zenodo.org/records/20073016
超越单一路径：评估与增强交互式LLM代理的发散性思维
机构 * Chung-Ang University（Chung-Ang 大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出交互式基准MUTATE和策略ReDNA，用于评估和增强LLM代理在路径和动作层面的发散性思维，解决现有框架中即时收敛压力导致的动作固定问题。
Comments 28 pages, 16 figures, 19 tables
模型是否知道它们为何改变主意？知识冲突下思维链的可解释性与忠实性
机构 * Independent Researcher（独立研究员）
专题命中 规划推理 ：CoT(summary_cn,abstract)；chain-of-thought(title,abstract)；reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 通过引入内省忠实性，研究在知识冲突下语言模型的思维链推理是否忠实反映其决策机制，发现CoT高度稳定但置信度携带微弱真实信号。
Comments 12 pages, 8 tables, 3 appendices
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