大模型推理能力

Ontology-Guided Reverse Thinking Makes Large Language Models Stronger on Knowledge Graph Question Answering

本体引导的反向思维使大语言模型在知识图谱问答中更强

Runxuan Liu, Bei Luo, Jiaqi Li, Baoxin Wang, Ming Liu, Dayong Wu, Shijin Wang, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Joint Laboratory of HIT and iFLYTEK（哈工大与科大讯飞联合实验室） ； University of Science and Technology of China（中国科学技术大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

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

AI总结 本文提出Ontology-Guided Reverse Thinking框架，通过反向推理构建路径，提升大语言模型在知识图谱问答中的表现，实验表明其在WebQSP和CWQ数据集上达到最佳性能。

Comments We now public our source codes

Efficient Retrieval-Augmented Generation via Token Co-occurrence Graphs

基于Token共现图的高效检索增强生成

Gianluca Bonifazi, Christopher Buratti, Michele Marchetti, Federica Parlapiano, Giulia Quaglieri, Davide Traini, Domenico Ursino, Luca Virgili

机构 * Università Politecnica delle Marche（波尔蒂纳拉理工大学） ； Università di Modena e Reggio Emilia（摩德纳和雷焦艾米利亚大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 提出TIGRAG框架，利用滑动窗口共现统计构建Token共现知识图谱，结合图语义扩展和神经重排序实现多跳推理，在三个QA基准上优于稠密检索和图RAG方法，同时降低索引和推理开销。

The Mirage of Optimizing Training Policies: Monotonic Inference Policies as the Real Objective for LLM Reinforcement Learning

优化训练策略的幻象：单调推理策略作为大语言模型强化学习的真正目标

Jing Liang, Hongyao Tang, Yi Ma, Yancheng He, Weixun Wang, Xiaoyang Li, Ju Huang, Wenbo Su, Jinyi Liu, Yan Zheng, Jianye Hao, Bo Zheng

机构 * Tianjin University（天津大学） ； Alibaba（阿里巴巴） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG

AI总结 针对LLM强化学习中训练-推理概率不一致导致的策略不稳定问题，提出单调推理策略改进（MIPI）目标及两阶段框架MIPU，通过推理侧间隙代理选择候选更新，提升推理性能与训练稳定性。

Cybersecurity is the True Frontier for Generative AI Success or Failure

网络安全是生成式AI成功或失败的真正前沿

Edward Raff, Maor Ashkenazi, Sagar Samtani, David J. Elkind, Sven Krasser

专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG

AI总结 本文提出网络安全是比自然语言和计算机视觉更复杂的AI测试床，因其数据规模大、标注成本高、环境动态变化且要求低延迟和可解释性。

Comments to appear in the 5'th Workshop on Rethinking Malware Analysis (WoRMA)

Database Context Compression for Text-to-SQL on Real-World Large Databases

面向真实世界大型数据库的文本到SQL数据库上下文压缩

Jingwen Liu, Weibin Liao, Xin Gao, Junfeng Zhao, Yasha Wang

机构 * National Engineering Research Center of Software Engineering, Peking University（软件工程国家工程研究中心，北京大学） ； School of Computer Science, Peking University（北京大学计算机学院） ； Peking University Information Technology Institute, Tianjin Binhai（天津滨海大学信息技术研究所，北京大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 针对真实大型数据库中文本到SQL性能瓶颈，提出基于SGCF原则的数据库上下文压缩方法DBCC，通过离线结构语义压缩和在线证据净化，将输入上下文减少两个数量级，并提升模式链接召回率和执行准确率。

AI of the People, by the People, for the People: A Social Choice Approach to Collective Control of Artificial Intelligence

为人民的AI，由人民，为人民：一种社会选择方法用于集体控制人工智能

Paul Anton Bachmann, Niclas Boehmer, Lukas Daniel Klausner, Martin Lackner

机构 * Institute of Logic and Computation, TU Wien（逻辑与计算研究所，维也纳技术大学） ； Hasso Plattner Institute, University of Potsdam（哈索·platzer研究所，波茨坦大学） ； Center for Artificial Intelligence, University of Applied Sciences St. Pölten（人工智能中心，圣波尔滕应用科学大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出基于社会选择理论的集体控制AI方法，强调在机器学习全流程中融入公众意见，提供数学框架评估控制机制。

Comments Accepted for publication in Proceedings of the 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26)

Journal ref Proceedings of the 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT '26), 2026, 4610-4629

Generative Large Language Models in Automated Fact-Checking: A Survey

生成式大语言模型在自动事实核查中的应用：综述

Ivan Vykopal, Matúš Pikuliak, Simon Ostermann, Marián Šimko

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本文综述了生成式大语言模型在自动事实核查中的作用，分析了其在事实验证、数据生成及评估中的应用，探讨了多语言和低资源环境下的挑战与趋势。

Event-VLA: Action-Conditioned Event Fusion for Robust Vision-Language-Action Model

Event-VLA: 基于动作条件的事件融合用于鲁棒的视觉-语言-动作模型

Jiaxin Liu, Xun Xu, Zhenhao Zhang, Hanqing Wang, Ruiqi Chen, Shi Chang, Weiyu Guo, Laurent Kneip

专题命中 其他推理 ：reasoning(abstract)

AI总结 针对现有VLA模型在光照变化下鲁棒性不足的问题，提出Event-VLA框架，通过事件流作为光照鲁棒的运动敏感互补观测，利用动作查询路由和门控交叉注意力融合事件信息，提升低光及近黑暗环境下的操作成功率。

Minority Sentinel: When to Overturn Majority Voting in Multi-Agent LLM Debates

少数派哨兵：何时推翻多智能体LLM辩论中的多数投票

Chuan He, Zebin Chen, Zhengyi Yang, Shaobo Qiao, Mingchen Ju, Jiate Liu, Dong Wen, Guanfeng Liu

专题命中 其他推理 ：reasoning(abstract)

AI总结 针对LLM辩论中多数投票压制正确少数意见的问题，提出Minority Sentinel轻量级元分类器，通过辩论日志特征训练LightGBM模型，在6个基准上实现81.2%的翻转精度和正向净增益。

Comments 11 pages, 4 figures. Accepted at the AgentSearch Workshop @ SIGIR 2026, Melbourne, Australia

KernelFlume: Elastic Core-Attention Scaling for Agentic Long-Context Decoding

KernelFlume: 面向智能体长上下文解码的弹性核心注意力扩展

Guangyu Xiang, Xueze Kang, Lin Zhang, Wenxiang Lin, Shaohuai Shi, Yuxin Wang, Xiaowen Chu

专题命中 其他推理 ：reasoning(abstract)

AI总结 针对智能体长上下文解码中突发性长上下文需求超出部署容量的问题，提出KernelFlume架构，通过解耦投影/FFN路径与核心注意力计算，实现无权重注意力节点的弹性扩展，在降低延迟的同时显著降低输出成本。

Personalizing MLLMs via Reinforced Multimodal Reference Game

通过强化多模态参考游戏个性化多模态大语言模型

Deepayan Das, Davide Talon, Yiming Wang, Massimiliano Mancini, Elisa Ricci

机构 * University of Trento（特伦托大学） ； Fondazione Bruno Kessler（布鲁诺·科塞勒基金会） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 提出强化参考游戏（RRG）框架，通过对比游戏学习生成准确、有区分性的概念描述，在三个个性化基准上达到最先进性能。

Comments Accepted to ECCV26. Project page: https://deepayan137.github.io/papers/conversational-personalization.html

HyperSU: Corpus-Driven Semantic-Unit Hypergraph for Retrieval-Augmented Generation

HyperSU：面向检索增强生成的语料驱动语义单元超图

Jiate Liu, Liuyi Chen, Zhengyi Yang, Chuan He, Mingchen Ju, Bocheng Han, Ruyi Liu, Xu Zhou

专题命中 其他推理 ：reasoning(abstract)

AI总结 提出HyperSU框架，通过语义单元超图和线索引导的双向检索，解决超图RAG中的幻觉、高索引成本和语义漂移问题，在GraphRAG-Bench上准确率提升14.7%。

Comments 24 pages, 6 figures, 23 tables

PowerFlow-DNN: Compiler-Directed Fine-Grained Power Orchestration for End-to-End Edge AI Inference

PowerFlow-DNN：编译器驱动的端到端边缘AI推理的细粒度功率编排

Paul Yi-Chia Chen, Jeongeun Kim, Wenbo Zhu, Yuanhan Li, Shunyao Huang, Chenjie Weng, Christopher Torng

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出PowerFlow-DNN，通过编译器驱动的端到端功率状态编排，解决边缘AI推理中低功耗加速器的细粒度功率编排问题，实现高效能优化。

Comments Accepted at ISLPED 2026. Best Paper Nomination