大模型推理能力

VeryTrace: Verifying Reasoning Traces through Compilable Formalism and Structured Verification

VeryTrace: 通过可编译形式化与结构化验证验证推理轨迹

Ninghan Zhong, Ahmet Ege Tanriverdi, Kaan Kale, Sriram Vishwanath

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, USA（佐治亚理工学院电子与计算机工程学院） ； Department of Electrical and Computer Engineering, Bogazici University, Turkey（博亚奇大学电子与计算机工程系） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；planning(abstract)

AI总结 提出VeryTrace框架，将自然语言推理轨迹形式化为可编译的领域特定语言（DSL），结合确定性检查与LLM审计进行混合验证，实现步骤级错误定位与修复，在数学、机器人规划、亲属推理任务上提升准确率。

Comments Accepted at LM4Plan Workshop @ ICML 2026

HOLMES: Evaluating Higher-Order Logical Reasoning in LLMs

HOLMES: 评估大语言模型中的高阶逻辑推理

Yucheng Wu, Jundong Xu, Mingzhen Ju, Yue Yu, Chenpeng Wang, Haoxuan Li, Liangming Pan

机构 * State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； YiXin-AILab, YIXIN（YiXin-AILab，YIXIN） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title,abstract)；分类 cs.AI

AI总结 提出HOLMES基准，基于高阶逻辑评估LLM在规则、谓词和约束上的推理能力，发现当前模型平均准确率仅50.64%，揭示高阶符号推理是关键瓶颈。

Neuro-Symbolic Drive: Rule-Grounded Faithful Reasoning for Driving VLAs

神经符号驱动：基于规则忠实推理的驾驶VLA

Xiangbo Gao, Xiukun Huang, Boyu Lu, Junge Zhang, Mengjie Mao, Jiachen Li, Wei Xiong, Zhengzhong Tu

机构 * Texas A&M University（德克萨斯农工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Maryland（马里兰大学） ； University of California, Riverside（加利福尼亚大学河滨分校） ； University of Pittsburgh（匹兹堡大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；planning(abstract)

AI总结 提出神经符号驱动框架，利用规则规划器的决策轨迹监督驾驶VLA，实现推理与运动生成的因果耦合，显著降低轨迹误差和碰撞率。

Robust Dual-Signal Fusion: Hybrid Neuro-Symbolic Gating with Compressed Chain-of-Thought Refinement for Irony Detection in Social Media Texts

鲁棒双信号融合：混合神经符号门控与压缩链式思维精炼用于社交媒体文本讽刺检测

Ankit Bhattacharjee, Krityapriya Bhaumik

机构 * Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校） 纠错

专题命中 逻辑推理 ：chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 提出RDS融合框架，结合神经符号架构与压缩链式思维推理，在TweetEval和iSarcasm数据集上达到与微调BERTweet相当的性能，并显著优于监督方法。

Comments 11 pages total, 10 figures

ATHENA: Agentic Team for Hierarchical Evolutionary Numerical Algorithms

ATHENA：分层进化数值算法的智能团队

Juan Diego Toscano, Daniel T. Chen, George Em Karniadakis

机构 * Division of Applied Mathematics, Brown University（布朗大学应用数学系） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG

AI总结 ATHENA通过知识驱动的诊断流程，实现科学计算与科学机器学习的自动化，结合专家蓝图和组合空间，生成高精度数值解和稳定求解器，达到10^-14的验证误差。

The $\mathbf{P}$-Completeness of Inverted Index Traversal: On the Complexity of Evaluating Boolean Query DAGs

倒排索引遍历的$\mathbf{P}$-完备性：关于布尔查询DAG评估的复杂性

Amir Aavani

机构 * Apple Inc.（苹果公司） 纠错

专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 本文证明基于DAG的布尔查询评估问题是$\mathbf{P}$-完备的，并提出一种稀疏感知算法ComputePN，通过正负对偶表示和DAG记忆化，将评估时间严格限制在$O(|Q| \cdot |U_{\mathit{active}}|)$，避免指数爆炸和全量扫描。

From Local Corrections to Generalized Skills: Improving Neuro-Symbolic Policies with MEMO

从局部修正到通用技能：利用MEMO改进神经符号策略

Benjamin A. Christie, Yinlong Dai, Mohammad Bararjanianbahnamiri, Simon Stepputtis, Dylan P. Losey

机构 * Collab ； Dept. of Mechanical Engineering, Virginia Tech, Blacksburg, USA.（机械工程系，弗吉尼亚理工学院，黑斯堡，美国） ； TEA Lab（TEA实验室） 纠错

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 针对机器人神经符号策略中技能不足的问题，提出MEMO框架，通过收集、聚类和改写多用户自然语言修正，构建检索增强的技能手册，动态扩展技能库，实现新任务泛化。