大模型推理能力

Proceedings 2nd International Workshop on Causal Reasoning for Embedded and safety-critical Systems Technologies

第二届嵌入式和安全关键系统技术因果推理国际研讨会论文集

Alex Groce, Stefan Leue

专题命中 代码与定理证明 ：reasoning(title,abstract)

AI总结 本文探讨了复杂嵌入式和安全关键系统中因果推理的方法，旨在促进不同领域研究者之间的交流，以提升关键系统故障根本原因分析的科学性。

Journal ref EPTCS 259, 2017

AlgoVeri: An Aligned Benchmark for Verified Code Generation on Classical Algorithms

AlgoVeri：面向经典算法的验证代码生成对齐基准

Haoyu Zhao, Ziran Yang, Jiawei Li, Deyuan He, Zenan Li, Chi Jin, Venugopal V. Veeravalli, Aarti Gupta, Sanjeev Arora

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 代码与定理证明 ：test-time compute(abstract)；分类 cs.CL、cs.AI

AI总结 为解决跨范式验证代码生成评估缺乏统一方法的问题，提出AlgoVeri基准，在Dafny、Verus和Lean三种语言上评估77个经典算法的验证代码生成，揭示不同验证系统的能力差距。

Comments Accepted to ICML 2026, 32 pages

Listening to the Workforce: Measuring Construction Worker Safety Attitudes from Social Media Discourse Using LLMs

倾听劳动力：使用LLMs从社交媒体话语中测量建筑工人安全态度

Farouq Sammour, Yuxin Zhang, Zhenyu Zhang

机构 * Texas A&M University（德克萨斯A&M大学） 纠错

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

AI总结 提出并验证了建筑安全态度框架（CSAF），通过LLM分类器从Reddit社区话语中测量工人安全态度，实现高精度多维分析。

LEAP: Supercharging LLMs for Formal Mathematics with Agentic Frameworks

LEAP：利用智能体框架增强形式化数学的大语言模型

Po-Nien Kung, Linfeng Song, Dawsen Hwang, Jinsung Yoon, Chun-Liang Li, Simone Severini, Mirek Olšák, Edward Lockhart, Quoc V Le, Burak Gokturk, Thang Luong, Tomas Pfister, Nanyun Peng

机构 * Google Cloud AI Research（谷歌云人工智能研究） ； Google Cloud（谷歌云） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 提出LEAP智能体框架，通过分解问题、与Lean编译器交互及自我优化，使通用大模型在形式化定理证明上达到最先进性能，并在Putnam竞赛和Lean-IMO-Bench上超越专业系统。