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。
FutureWeaver: 面向模块化协作的多智能体系统的测试时计算规划
机构 * University of California, Davis（加州大学戴维斯分校） ； University of Waterloo（滑铁卢大学） ； Greenshoe, Inc（Greenshoe公司）
专题命中 测试时计算 ：planning(title,abstract)；test-time compute(title,abstract)；分类 cs.CL、cs.AI
AI总结 提出FutureWeaver框架，通过双层次规划架构和自诱导协作模块，在固定预算下优化多智能体系统的测试时计算分配，显著提升协作性能。
Taiji: 面向工业LLM增强推荐的帕累托最优策略优化与语义ID权衡
机构 * Kuaishou Technology（快手科技） ； Unaffiliated（无隶属）
专题命中 测试时计算 ：CoT(summary_cn,abstract)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI
AI总结 提出Taiji框架，通过逆向工程推理和开放拒绝采样生成高质量CoT数据，并采用帕累托最优策略优化（POPO）自适应调整跨域奖励权重，实现LLM语义知识与推荐ID特征的帕累托最优权衡，在快手广告平台部署后服务超4亿日活用户。
Comments 8 pages, 2 figures
量化大型推理模型中的忠实置信表达
机构 * Yale University（耶鲁大学）
专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI
AI总结 针对大型推理模型（LRM）在长链思维输出中难以忠实表达内在置信度的问题，提出基于令牌概率、隐藏状态和响应一致性的框架，系统量化其语言决断性与内部不确定性之间的对齐程度。
Comments Code: https://github.com/yale-nlp/faithful_lrm
InftyThink+：通过强化学习实现高效且有效的无限时域推理
机构 * Tsinghua University（清华大学）
专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI
AI总结 提出InftyThink+框架，通过强化学习优化迭代推理的总结时机、保留内容和恢复策略，在DeepSeek-R1-Distill-Qwen-1.5B上提升AIME24准确率21%，并降低推理延迟。
Comments ICML 2026: https://openreview.net/forum?id=tyul8kXaJU Project Page: https://zju-real.github.io/InftyThink-Plus Code: https://github.com/ZJU-REAL/InftyThink-Plus Models: https://huggingface.co/collections/yanyc/inftythink
基于语法的推理：合成语言推理轨迹能否增强低资源机器翻译？
机构 * ELLIS Institute Finland（芬兰ELLIS研究所） ； University of Turku（图尔库大学） ； Center for Information and Language Processing, LMU Munich（慕尼黑大学信息与语言处理中心） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本文提出自动生成语言推理轨迹的方法，通过上下文学习、监督微调和强化微调评估其对低资源机器翻译的影响，发现推理轨迹在推理时指导效果显著，但作为训练数据收益有限。
超越答案的思考：评估大型推理模型中的有害过度思考
机构 * University of Trento（特伦托大学） ； Toyota Motor Europe（丰田欧洲公司） ； Fondazione Bruno Kessler（布鲁诺·凯塞林基金会）
专题命中 测试时计算 ：reasoning(title,abstract)；test-time compute(abstract)；分类 cs.AI
AI总结 本文提出前缀级轨迹评估协议，通过定义推理充分性来区分冗余但无害的冗长过度思考和导致正确轨迹偏离的有害过度思考，发现当前模型不仅受限于推理能力，还受限于无法在适当时机停止。
使用REL评估大语言模型中的关系推理能力
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 测试时计算 ：reasoning(title,abstract)；test-time compute(abstract)；分类 cs.AI
AI总结 本文通过关系复杂度（RC）定义推理难度，构建涵盖代数、化学和生物学的生成式基准REL，发现前沿大语言模型在RC增加时性能持续下降，表明模型在高元关系绑定上存在固有局限。
Comments ICML 2026
大语言模型中用于结构推理的可视化图脚手架
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出将图结构作为大语言模型的内部推理辅助而非仅外部知识源，通过多跳问答实验发现视觉图引导相比文本化图在无直接答案提示时仍保持有效性，支持图作为组织推理的可视化脚手架。
世界模型遇见语言模型：论具体推理与抽象推理的互补性
机构 * Nanyang Technological University（南洋理工大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出受控具体推理框架及PF-OPSD方法，通过结合世界模型的视觉模拟与多模态大语言模型的抽象推理，在空间前瞻和开放域物理预测任务上提升性能与鲁棒性。
利用验证-生成差距：基于置信度条件的测试时强化学习
机构 * Sun Yat-Sen University（中山大学） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
专题命中 测试时计算 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI、cs.LG
AI总结 提出TTRL-CoCoV框架，通过置信度自适应机制解决无标签设置下Pass@k优化中的伪标签错误和多样性崩溃问题，显著提升Pass@1和Pass@k性能。
从标注验证集输出统计量预测推理时缩放增益
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 测试时计算 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL
AI总结 提出一种基于标注验证集输出统计量的轻量级方法，通过三个核心特征（提示级一致性扩散、标签辅助的首个正确样本位置、完成长度方差）结合熵特征，使用岭回归预测最佳-of-N推理缩放增益，达到Spearman ρ=0.90的相关性。
Traj-Evolve：用于肺癌早期检测中患者轨迹建模的自进化多智能体系统
机构 * University of Washington（华盛顿大学） ； Fred Hutch Cancer Center（Fred Hutch癌症中心） ； Google（谷歌）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 提出Traj-Evolve，一种结合经验池和多智能体强化学习的自进化多智能体系统，通过检索相似患者和参数优化，在肺癌早期检测中优于9个强基线模型。
PR2: 基于MoE的大语言模型强化学习中的预测性路由重放
机构 * Rutgers University（罗格斯大学） ； AMD ； MBZUAI
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 针对MoE大语言模型强化学习中路由器漂移导致的不稳定性问题，提出预测性路由重放方法，通过轻量级演化预测器减少路由不匹配，提升训练稳定性和性能。
小规模RL控制器，大语言模型：基于RL引导的自适应采样用于测试时扩展
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Maryland College Park（马里兰大学学院市分校） ； Washington University in St. Louis（圣路易斯华盛顿大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL
AI总结 提出将自适应采样建模为马尔可夫决策过程，使用强化学习训练轻量级控制器，在答案正确性、延迟和计算成本之间取得平衡。
多智能体大语言模型系统中的林格曼效应：有效团队规模的缩放定律
机构 * Jozef Stefan Institute（乔泽夫·斯蒂芬研究所）
专题命中 测试时计算 ：self-correction(abstract)；分类 cs.AI
AI总结 本文推导出两参数缩放定律 $R(N) = N_\text{eff}/N = 1/(1+c(N-1)N^{-\beta})$，将多智能体LLM系统分为三种渐近状态，并通过44个实验单元验证了该定律，发现密集辩论无法增加答案多样性，噪声安慰剂可模拟自我修正效果，且仅异构团队能突破硬上限。
Comments 41 pages, 9 figures, 20 tables
PEAM: 通过经验对比内化的参数化具身智能体记忆在Minecraft中的应用
机构 * Northwestern University（西北大学） ； Northeastern University（东北大学） ； South China University of Technology（华南理工大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Beijing Normal - Hong Kong Baptist University（北京师范大学-香港 Baptist大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI
AI总结 提出PEAM框架，通过对比内化失败-纠正轨迹对，将经验转化为参数化技能，实现Minecraft中具身智能体的持续学习与高效执行。
基于核心的高效图RAG层次结构
机构 * University at Buffalo（布法罗大学）
专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL
AI总结 针对图RAG中Leiden聚类不可复现的问题，提出用k-core分解替代，构建确定性、密度感知的层次结构，并设计轻量级启发式方法，在保证连接性的同时降低LLM成本，提升答案全面性和多样性。
Comments Accepted at the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
无排序RAG：用选择替代重排序以应用于敏感领域
机构 * University of Washington（华盛顿大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL
AI总结 提出METEORA框架，通过DPO微调LLM生成检索理由、统计肘部检测自适应截断和验证器过滤，在敏感领域实现可解释、高效且鲁棒的证据选择，无需重排序。
Comments ICML 2026
基于概率电路的快速且富有表现力的多字节预测
机构 * University of Cambridge（剑桥大学）
专题命中 测试时计算 ：verifier(abstract)；分类 cs.LG
AI总结 提出MTPC框架，利用概率电路编码未来令牌的联合分布，在字节级LLM中实现快速生成，同时保持表现力。
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