大模型推理能力

Towards Better Understanding of Program-of-Thought Reasoning in Cross-Lingual and Multilingual Environments

在跨语言和多语言环境中更好地理解程序思维推理

Patomporn Payoungkhamdee, Pume Tuchinda, Jinheon Baek, Samuel Cahyawijaya, Can Udomcharoenchaikit, Potsawee Manakul, Peerat Limkonchotiwat, Ekapol Chuangsuwanich, Sarana Nutanong

机构 * School of Information Science and Technology, VISTEC（信息科学与技术学院，VISTEC） ； KAIST（韩国科学技术院） ； Cohere ； SCB 10X ； AI Singapore（AI新加坡） ； Department of Computer Engineering, Chulalongkorn University（朱拉隆梭大学计算机工程系） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL

AI总结 通过分离推理与代码执行，提出评估程序思维提示的框架，发现微调显著提升多语言推理能力，且推理质量与答案准确性强相关。

Journal ref Findings of the Association for Computational Linguistics: ACL 2025

Efficient Reasoning on the Edge

边缘设备上的高效推理

Yelysei Bondarenko, Thomas Hehn, Rob Hesselink, Romain Lepert, Fabio Valerio Massoli, Evgeny Mironov, Leyla Mirvakhabova, Tribhuvanesh Orekondy, Spyridon Stasis, Andrey Kuzmin, Anna Kuzina, Markus Nagel, Ankita Nayak, Corrado Rainone, Ork de Rooij, Paul N Whatmough, Arash Behboodi, Babak Ehteshami Bejnordi

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.LG

AI总结 提出结合LoRA适配器、监督微调、强化学习预算控制、并行测试时缩放、动态适配器切换和KV缓存共享的方法，在资源受限的边缘设备上实现高效准确的推理。

Comments Project page: https://qualcomm-ai-research.github.io/llm-reasoning-on-edge/

Characterizing, Evaluating, and Optimizing Complex Reasoning

表征、评估与优化复杂推理

Haoran Zhang, Yafu Li, Zhi Wang, Zhilin Wang, Shunkai Zhang, Xiaoye Qu, Yu Cheng

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； University of Science and Technology of China, Hefei, Anhui, China（中国科学技术大学） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； Nanjing University, Suzhou, Jiangsu, China（南京大学） ； Peking University, Beijing, China（北京大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL

AI总结 本文提出ME$^2$原则来表征推理质量，基于有向无环图（DAG）的成对评估方法，并构建TRM-Preference数据集训练Thinking Reward Model（TRM），以优化推理过程。

Comments Code and data are available at https://github.com/Simplified-Reasoning/TRM

R-APS: Compositional Reasoning and In-Context Meta-Learning for Constrained Design via Reflective Adversarial Pareto Search

R-APS：基于反思性对抗帕累托搜索的组合推理与上下文元学习用于约束设计

João Pedro Gandarela, Thiago Rios, Stefan Menzel, André Freitas

机构 * Idiap Research Institute（Idiap研究 institute） ； École Polytechnique Fédérale de Lausanne（瑞士联邦理工学院） ； Honda Research Institute Europe（本田欧洲研究机构） ； Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； National Biomarker Centre, CRUK-MI, University of Manchester（曼彻斯特大学国家生物标志物中心） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 提出R-APS方法，通过推理模式分解、分阶段组合推理、敏感性引导对抗测试和元归纳规则提取，联合解决LLM在代理设置中的错误传播、最坏情况扰动和知识失效问题，在平面机构合成任务上实现更紧的鲁棒性证书和更快的迭代速度。

Aryabhata 2: Scaling Reinforcement Learning for Advanced STEM Reasoning

Aryabhata 2：扩展强化学习以提升高级STEM推理能力

Ritvik Rastogi, Vishal Singh, Tejas Chaudhari, Sandeep Varma

机构 * PhysicsWallah 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 本文提出Aryabhata 2，一个通过强化学习后训练在竞争性STEM考试中提升推理能力的语言模型，在JEE、NEET等基准上超越基础模型且输出token减少高达64%。

Speculative Thinking: Enhancing Small-Model Reasoning with Large Model Guidance at Inference Time

推测性思考：在推理时利用大模型指导增强小模型推理能力

Wang Yang, Xiang Yue, Vipin Chaudhary, Xiaotian Han

机构 * Case Western Reserve University（凯斯西储大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 提出一种无需训练的推测性思考框架，通过让大推理模型在推理层面引导小模型，在提升小模型推理准确率的同时缩短输出长度。

Stepwise Reasoning Enhancement for LLMs via External Subgraph Generation

通过外部子图生成增强大语言模型的逐步推理

Xin Zhang, Yang Cao, Baoxing Wu, Kai Song, Siying Li

机构 * School of Information Science and Engineering, Chongqing Jiaotong University（重庆交通大学信息科学与工程学院） ； School of Computer Science and Technology, Chongqing University of Posts and Telecommunications（重庆邮电大学计算机科学与技术学院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL

AI总结 提出SGR框架，通过从知识图谱生成查询相关子图来引导大语言模型进行逐步推理，提升复杂多步推理的准确性、鲁棒性和可解释性。

Reasoning Shift: How Context Silently Shortens LLM Reasoning

推理偏移：上下文如何无声地缩短LLM推理

Gleb Rodionov, Roman Garipov, George Yakushev

机构 * Yandex ； HSE University（俄罗斯高等经济学院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.LG

AI总结 通过系统评估，发现推理模型在不同上下文条件下（如无关长上下文、多轮对话、子任务）对同一问题的推理链长度显著缩短（最高65%），且伴随自我验证和不确定性管理行为减少，但简单任务性能不受影响，复杂任务可能受影响。

Comments Preprint

Learning When to Act or Refuse: Guarding Agentic Reasoning Models for Safe Multi-Step Tool Use

学习何时行动或拒绝：为安全的多步骤工具使用守护代理推理模型

Aradhye Agarwal, Gurdit Siyan, Yash Pandya, Joykirat Singh, Akshay Nambi, Ahmed Awadallah

机构 * Microsoft Research（微软研究院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL

AI总结 提出MOSAIC框架，通过显式安全推理和基于偏好的强化学习，使代理模型在工具使用中安全决策，减少有害行为并保持良性性能。

Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026)

Reasoning over Boundaries: Enhancing Specification Alignment via Test-time Deliberation

推理边界：通过测试时深思增强规范对齐

Haoran Zhang, Yafu Li, Xuyang Hu, Dongrui Liu, Zhilin Wang, Bo Li, Yu Cheng

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； University of Science and Technology of China, Hefei, Anhui, China（中国科学技术大学） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL

AI总结 提出Align3方法，利用测试时深思（TTD）和分层反思修正来推理规范边界，并构建SpecBench基准，实验表明TTD能有效增强规范对齐。

Comments 10 pages main text, 52 pages total (including appendix). Code and resources are available at https://github.com/zzzhr97/SpecBench

Bridging Short Videos and Live Streams: Reasoning-Guided Multimodal LLMs for Cross-Domain Representation Learning

连接短视频与直播：推理引导的多模态大语言模型用于跨域表示学习

Le Zhang, Xiaolan Zhu, Yuchen Wang, Shilong Kang, Jiaqi Xue, Xiaoyu Zhang, Xiang Chen, Yalong Guan, Xiangyu Wu, Shijun Wang, Lantao Hu, Kun Gai

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 针对短视频到直播的跨域推荐冷启动问题，提出推理引导的跨域表示学习框架RGCD-Rep，利用多模态大语言模型生成结构化推理知识并蒸馏到轻量模型，通过两阶段训练学习可迁移的物品表示，在快手部署后显著提升核心业务指标。

Comments 9 pages

StateVLM: A State-Aware Vision-Language Model for Robotic Affordance Reasoning

StateVLM: 一种用于机器人可操作推理的状态感知视觉语言模型

Xiaowen Sun, Matthias Kerzel, Mengdi Li, Xufeng Zhao, Paul Striker, Stefan Wermter

机构 * Department of Informatics, University of Hamburg（汉堡大学信息学院） ； King Abdullah University of Science and Technology（卡塔尔科学与技术大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 提出StateVLM模型，通过辅助回归损失训练策略增强视觉语言模型在目标检测和状态定位中的数值推理能力，并构建OSAR基准验证其有效性。

Structured Prompt Optimization Meets Reinforcement Learning for Global and Local Interpretability over Complex Text

结构化提示优化结合强化学习实现复杂文本的全局与局部可解释性

Tianyang Zhou, Wenbo Chen, Pierre Jinghong Liang, Leman Akoglu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 提出eXTC框架，通过结构化提示优化、基于SOP的推理蒸馏和强化学习扩展，在分类性能和解释质量上显著优于现有范式。

Cascading Hallucination in Agentic RAG: The CHARM Framework for Detection and Mitigation

智能体RAG中的级联幻觉：用于检测和缓解的CHARM框架

Saroj Mishra

机构 * University of North Dakota（北达科他大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 针对多步智能体RAG管道中早期错误传播并放大为最终错误输出的级联幻觉问题，提出CHARM框架，通过阶段级事实验证、跨阶段一致性跟踪、置信度传播监控和级联解析触发四个组件实现检测与缓解，在多个数据集上达到89.4%的级联检测率和82.1%的错误传播减少。

Large AI Models in Dental Healthcare: From General-Purpose Systems to Domain-Specific Foundation Models

牙科医疗中的大型AI模型：从通用系统到领域特定基础模型

Sema Helali, Lina Abu Nada, Sausan Al Kawas, Alaa Abd-Alrazaq, Faleh Tamimi, Rafat Damseh

机构 * University of Al Ain, UAE（阿联酋阿恩大学） ； Sharjah University, UAE（阿联酋谢尔杰大学） ； Cornell University, Qatar（卡塔尔康奈尔大学） ； McGill University（麦吉尔大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本文通过系统综述，提出二维分类框架，比较语言生成模型、判别视觉基础模型和牙科特定基础模型在牙科任务中的表现，发现集成管道优于单一模型，并指出数据不对称、幻觉和缺乏标准化基准等障碍。

AgentDS Technical Report: Benchmarking the Future of Human-AI Collaboration in Domain-Specific Data Science

AgentDS技术报告：领域特定数据科学中人机协作的未来基准测试

An Luo, Jin Du, Xun Xian, Robert Specht, Fangqiao Tian, Ganghua Wang, Xuan Bi, Charles Fleming, Ashish Kundu, Jayanth Srinivasa, Mingyi Hong, Rui Zhang, Tianxi Li, Galin Jones, Jie Ding

机构 * School of Statistics, University of Minnesota（明尼苏达大学统计学系） ； AIScientists, Inc.（AIScientists公司） ； Data Science Institute, University of Chicago（芝加哥大学数据科学研究所） ； Carlson School of Management, University of Minnesota（明尼苏达大学卡尔森管理学院） ； Cisco Research（思科研究） ； Department of Electrical and Computer Engineering, University of Minnesota（明尼苏达大学电气与计算机工程系） ； Division of Computational Health Sciences, University of Minnesota（明尼苏达大学计算健康科学 division） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 提出AgentDS基准测试和竞赛，通过17个跨行业挑战评估AI代理及人机协作在领域特定数据科学中的表现，发现AI代理在领域推理上存在不足，人机协作优于纯AI方法。

Learning to Remember, Learn, and Forget in Attention-Based Models

在基于注意力的模型中学习记忆、学习和遗忘

Djohan Bonnet, Jamie Lohoff, Jan Finkbeiner, Elidona Shiqerukaj, Emre Neftci

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 提出Palimpsa模型，将上下文学习视为持续学习问题，通过贝叶斯元可塑性解决稳定性-可塑性困境，显著提升记忆容量，在MQAR和常识推理任务上优于基线。

Scaling Expert Feedback with Reflective Edit Propagation in Compositional Knowledge Bases

在组合知识库中通过反思性编辑传播扩展专家反馈

Jiajing Guo, Xueming Li, Jorge Piazentin Ono, Wenbin He, Liu Ren

专题命中 复杂问题求解 ：planning(abstract)

AI总结 提出RAID系统，通过反思性代理推断专家编辑意图并自动传播到整个知识库，以规模化扩展专家反馈。

Comments Accepted to ACM CAIS '26 Demo Track

Journal ref ACM Conference on AI and Agentic Systems (CAIS '26), May 26-29, 2026, San Jose, CA, USA

UModel: An Agent-Ready Observability Data Modeling Method at Scale

UModel: 一种面向智能体的可观测性数据规模化建模方法

Changhua Pei, Zheyuan Li, Zexin Wang, Hang Cui, Xiaohui Nie, Qi Zhou, Fang Situ, Cheng Zhang, Xin Zhang, Xidao Wen, Gaogang Xie, Jingjing Li, Dan Pei

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 针对现有可观测性框架数据孤岛、模式不兼容及语义元数据不足导致根因分析困难的问题，提出UModel统一本体框架，通过对象中心化建模和语义图连接异构数据，并引入U-SPL管道查询接口，使智能体自主探索系统拓扑并关联多模态数据，在AIOps 2025挑战赛数据集上根因定位精度提升8%，已在阿里云部署超一年，服务数万用户，支撑每秒数百万操作和亚秒级查询延迟。

TrajTok: Learning Trajectory Tokens enables better Video Understanding

TrajTok: 学习轨迹令牌以实现更好的视频理解

Chenhao Zheng, Jieyu Zhang, Jianing Zhang, Weikai Huang, Ashutosh Kumar, Quan Kong, Oncel Tuzel, Chun-Liang Li, Ranjay Krishna

机构 * University of Washington（华盛顿大学） ； Allen Institute for Artificial Intelligence（人工智能研究院） ； Apple（苹果公司） ； Woven by Toyota, Inc（丰田纺织公司） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 提出TrajTok，一种端到端视频令牌化模块，通过隐式时空聚类生成对象轨迹令牌，提升视频理解效率与性能。

Comments CVPR 2026

Robust-LLaVA: On the Effectiveness of Large-Scale Robust Image Encoders for Multi-modal Large Language Models

Robust-LLaVA：大规模鲁棒图像编码器对多模态大语言模型的有效性

Hashmat Shadab Malik, Fahad Shamshad, Muzammal Naseer, Karthik Nandakumar, Fahad Khan, Salman Khan

机构 * Mohamed bin Zayed University of AI（Mohamed bin Zayed人工智能大学） ； Khalifa University（卡利法大学） ； Michigan State University（密歇根州立大学） ； Australian National University（澳大利亚国立大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出利用大规模对抗预训练的图像分类模型替代CLIP编码器，以增强多模态大语言模型对视觉对抗扰动的鲁棒性，在无需额外对抗训练的情况下，在视觉问答、图像描述和越狱攻击任务中取得显著鲁棒性提升。

Comments Accepted at Trustworthy FMs Workshop Trust Before Use: Building Foundation Models that You Can Trust (ICCVW) 2025

Autonomous Systems -- An Architectural Characterization

自主系统——一种架构特征

Joseph Sifakis

专题命中 复杂问题求解 ：planning(abstract)

AI总结 本文提出了一种结合系统架构模型和智能体模型的通用计算模型，旨在解决自主系统设计中的核心问题，强调自主系统的功能性和适应性，而非特定技术。