大模型推理能力

Not All Errors Are Equal: Consequence-Aware Reasoning Compute Allocation

并非所有错误都同等重要：后果感知的推理计算分配

Jingbo Wen, Liang He, Ziqi He

机构 * The University of Sydney（悉尼大学） ； Shanghai Institute of Optics and Fine Mechanics（上海光学精密机械研究所） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；test-time compute(abstract)；分类 cs.AI

AI总结 提出后果感知的测试时计算分配方法，通过轻量级预测器估计任务错误成本，在相同预算下将高后果任务路由到更多计算资源，在SWE-bench上降低22%-33%的成本加权损失。

Failed Reasoning Traces Tell You What Is Fixable (But Not by Reading Them)

失败推理轨迹告诉你什么是可修复的（但仅凭阅读它们不行）

Nizar Islah, Istabrak Abbes, Irina Rish, Sarath Chandar, Eilif B. Muller

机构 * Mila - Quebec AI Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Polytechnique Montréal（蒙特利尔理工学院） ； CHU Sainte-Justine（圣约斯特医院） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文提出通过失败推理轨迹的分布特征而非文本内容来识别可修复的失败，并设计无训练的路由规则提升测试时干预效果。

Mid-Think: Training-Free Intermediate-Budget Reasoning via Token-Level Triggers

Mid-Think: 通过词元级触发器实现无需训练的中间预算推理

Wang Yang, Debargha Ganguly, Xinpeng Li, Chaoda Song, Shouren Wang, Vikash Singh, Vipin Chaudhary, Xiaotian Han

机构 * Case Western Reserve University（凯斯西储大学） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文通过分析注意力机制和提示实验，发现推理行为主要由少量触发词元控制，并据此提出Mid-Think方法，通过组合触发词元实现中间预算推理，在准确率-长度权衡上优于基线，并能在强化学习训练中减少时间并提升性能。

Time Series Forecasting as Reasoning: A Slow-Thinking Approach with Reinforced LLMs

时间序列预测作为推理：一种基于强化LLM的慢思考方法

Yitong Zhou, Yucong Luo, Mingyue Cheng, Qi Liu, Jiahao Wang, Daoyu Wang, Enhong Chen

机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI、cs.LG

AI总结 提出Time-R1框架，通过两阶段强化微调（监督微调+强化学习）训练LLM进行多步推理，以提升时间序列预测的准确性。

MesaNet: Sequence Modeling by Locally Optimal Test-Time Training

MesaNet: 通过局部最优测试时训练进行序列建模

Johannes von Oswald, Nino Scherrer, Seijin Kobayashi, Luca Versari, Songlin Yang, Sarthak Mittal, Maximilian Schlegel, Kaitlin Maile, Yanick Schimpf, Oliver Sieberling, Alexander Meulemans, Rif A. Saurous, Guillaume Lajoie, Charlotte Frenkel, Razvan Pascanu, Blaise Agüera y Arcas, João Sacramento

机构 * Google（谷歌） ； Paradigms of Intelligence Team（智能范式团队） ； Google DeepMind（谷歌DeepMind） ； MIT CSAIL（麻省理工学院CSAIL） 纠错

专题命中 测试时计算 ：test-time compute(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 提出一种基于共轭梯度求解器实现局部最优测试时训练的Mesa层，在保持常数推理成本的同时，在语言建模困惑度和下游基准性能上超越现有RNN模型。

Comments Published at ICLR 2026

MusaCoder: Native GPU Kernel Generation with Full-Stack Training on Moore Threads GPU

MusaCoder: 在摩尔线程GPU上通过全栈训练实现原生GPU内核生成

Kun Cheng, Songshuo Lu, Sicong Liao, Tankun Li, Yafei Zhang, Dong Yang, Qiheng Lv, Hua Wang, Zhi Chen, Yaohua Tang

机构 * Moore Threads AI 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.CL、cs.LG

AI总结 提出MusaCoder全栈训练框架，结合渐进式数据合成、多样性保持拒绝微调和基于执行反馈的强化学习，在CUDA和MUSA后端上生成高效原生GPU内核，9B模型匹配前沿闭源模型，27B模型达到新最优。

SaliMory: Orchestrating Cognitive Memory for Conversational Agents

SaliMory: 为对话代理编排认知记忆

Kai Zhang, Xinyuan Zhang, Hongda Jiang, Shiun-Zu Kuo, Hyokun Yun, Ejaz Ahmed, Shereen Oraby, Ziyun Li, Sanat Sharma, Ann Lee, Ahmed A Aly, Anuj Kumar, Raffay Hamid, Xin Luna Dong

机构 * Meta Reality Labs（Meta现实实验室） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 提出SALIMORY框架，通过层级阶段过程奖励和奖励分解对比优化，端到端训练单一语言模型管理认知结构记忆，显著降低记忆相关错误并提升个性化表现。

Boosting Self-Consistency with Ranking

通过排序提升自洽性

Maria Marina, Daniil Moskovskiy, Sergey Pletenev, Mikhail Salnikov, Alexander Panchenko, Viktor Moskvoretskii

机构 * AIRI ； Skoltech（斯克利切夫斯基因工大学） ； EPFL（瑞士联邦理工学院） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 提出RISC方法，将自洽性中的答案选择转化为排序问题，使用轻量级LambdaRank模型结合五个特征，在多个数据集上实现了比标准自洽性更好的准确率-效率权衡。

Comments 16 pages, 13 figures, accepted at ACL Student Research Workshop 2026

Self-Distilled Policy Gradient

自蒸馏策略梯度

Yifeng Liu, Shiyuan Zhang, Yifan Zhang, Quanquan Gu

机构 * Department of Computer Science, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校计算机科学系） ； Princeton AI Laboratory, Princeton University, Princeton, NJ, USA（普林斯顿大学普林斯顿AI实验室） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.LG

AI总结 提出SDPG框架，结合组相对验证器优势、归一化标准差、精确全词汇在线自蒸馏和参考策略KL正则化，提升稀疏奖励强化学习的稳定性和性能。

Extending AI for Research to the Humanities: A Multi-Agent Framework for Evidence-Grounded Scholarship

将人工智能研究扩展到人文学科：一个用于证据基础学术的多智能体框架

Yating Pan, Jiajun Zhang, Jun Wang, Qi Su

机构 * Department of Information Management（信息管理系） ； Research Center for Digital Humanities（数字人文研究中心） ； School of Foreign Languages（外国语言学院） ； Institute for Artificial Intelligence（人工智能研究院） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 提出SPIRE多智能体框架，通过将人文学科操作建模为协作智能体角色，结合多尺度细读检索，实现基于证据的论证，在古典文献基准上优于现有方法。

Comments 28 pages, 3 figures. Code, data catalogues, and reproduction scripts: https://github.com/YatingPan/SPIRE. Lead corresponding author: Jun Wang; corresponding author: Qi Su

Answer Self-Consistency with Margin-Triggered Question Re-Arbitration for the CVPR 2026 VidLLMs Challenge

面向CVPR 2026 VidLLMs挑战赛的基于边际触发问题重新仲裁的答案自一致性方法

Tomoya Miyazawa, Hiroyasu Okuno

机构 * Data Analytics Labo Co.（数据分析师实验室公司） 纠错

专题命中 测试时计算 ：reasoning(abstract)

AI总结 提出一种无需训练的测试时推理框架ASC-MQRA，通过答案自一致性聚合多轮视频问答结果，并利用边际触发机制对低置信度样本进行条件性重新仲裁，在CVPR 2026 VidLLMs挑战赛Track 2上取得领先性能。

Med-Banana: Learning Quality-Controlled Medical Image Editing from Success-and-Failure Trajectories

Med-Banana：从成功与失败轨迹中学习质量可控的医学图像编辑

Zhihui Chen, Qingyuan Lei, Kai He, Yanrui Du, Mengling Feng

机构 * National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 测试时计算 ：verifier(abstract)

AI总结 提出Med-Banana框架，通过收集成功与失败编辑轨迹数据集Med-Banana-80K，联合训练编辑器、验证器和优化器，实现质量可控的医学图像编辑。