AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
何时学习停止有帮助？推理模型中早期退出的成本感知研究
机构 * University of Maine at Presque Isle（缅因大学普雷斯克岛分校） ； Stanford University（斯坦福大学） ； Independent Researcher（独立研究员）
专题命中 数学推理 ：reasoning(title,abstract)；test-time compute(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究推理语言模型中学习停止规则相对于简单置信度或收敛阈值的优势，提出LearnStop方法，发现其效果取决于任务类型，在自由形式数学任务中表现优于标量退出。
Comments 23 pages, 5 figures
模型可以自我帮助：无需奖励的自我训练用于大语言模型推理
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 数学推理 ：reasoning(title,abstract)；math reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出SePT方法，通过自我生成和训练自我生成响应交替进行，无需外部奖励提升大语言模型推理性能，实验表明在多个数学推理基准上有效。
CRISP: 通过迭代自策略蒸馏实现压缩推理
专题命中 数学推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.LG
AI总结 CRISP通过自蒸馏使模型更简洁推理，无需真实答案或预算，在数学和多步骤规划任务中实现显著的token减少和精度提升。
R$^2$PO：用于大语言模型推理的解耦展开与推理策略
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国家大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 研究指出强化学习方法中训练轨迹与推理响应策略耦合的问题，提出R$^2$PO解耦二者，在训练时多样化展开，保持推理生成不变，实验表明其性能优于基线。
rePIRL: 通过逆强化学习学习PRM以提高LLM推理
机构 * Meta AI ； Department of Computer Science, University of California, Santa Barbara（加州大学圣芭芭拉分校计算机科学系） ； Google DeepMind（谷歌DeepMind） ； Independent Researcher（独立研究者）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文提出rePIRL框架，通过逆强化学习学习高效的PRM，无需依赖专家策略的强假设，解决了传统方法中熵崩溃等固有限制问题，通过双学习过程和定制技术提升LLM推理性能，并在数学和编程任务数据集上验证了其有效性。
为LLM推理设计的交互学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Sun Yat-sen University（中山大学） ； Southern University of Science and Technology（南方科技大学） ； National University of Singapore（新加坡国立大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文提出ILR框架，通过动态交互和感知校准提升LLM独立问题解决能力，实验表明其在多个基准测试中优于单agent学习。
Comments The code is available at https://github.com/linhh29/Interactive-Learning-for-LLM-Reasoning
为何纯推理不足：自然作为数学创新之源
机构 * IBM T. J. Watson Research Center（IBM T. J. 沃森研究中心）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究认为人类数学推理受逻辑片段不可判定性和计算难题限制，依赖自然世界的模式匹配。通过追溯傅里叶变换等数学史及逻辑复杂性，表明物理启发的模式匹配是认知必要，为人工智能中语言模型规模大提供依据。
强化学习中的奖励粒度：比较用于小语言模型数学推理的过程奖励和结果奖励结构
机构 * New York University（纽约大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 研究在小语言模型中通过强化学习提升数学推理能力，系统比较五种奖励条件，发现过程奖励能显著提高准确率和推理痕迹保真度，奖励粒度是重要设计决策。
Comments 8 pages, 4 figures
重新思考思维模型的在线策略自蒸馏
机构 * Princeton University（普林斯顿大学） ； Princeton Language and Intelligence（普林斯顿语言与智能实验室）
专题命中 数学推理 ：reasoning(abstract)；self-correction(abstract)；分类 cs.AI、cs.LG
AI总结 针对思维模型自蒸馏性能退化问题，研究发现特权上下文在线策略蒸馏会降低长推理轨迹性能，揭示其作用机制，为强思维模型自蒸馏优化提供方向。
dOPSD：扩散语言模型的策略内自蒸馏
机构 * National University of Singapore（新加坡国立大学）
专题命中 数学推理 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 研究扩散语言模型强化推理难的问题，提出dOPSD，通过从学生去噪轨迹直接推导教师特权信息，实现策略内自蒸馏，提升模型在数学推理和代码生成等任务表现。
用于探索、提纯和模型合并的频谱重布线
机构 * SIA-Lab of Tsinghua AIR（清华-字节跳动联合研究中心SIA实验室） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院）
专题命中 数学推理 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 研究强化学习中参数更新瓶颈，提出子空间对齐重布线方法，保留频谱核心去除正交分量，可提纯训练更新、实现模型合并，提升推理和跨域性能，是无训练机制提升性能。
OptiAgent：基于多智能体迭代精化的端到端优化建模
机构 * Instituto de Ciência e Tecnologia do Itaú（伊塔乌科技学院）
专题命中 数学推理 ：reasoning(abstract)；self-correction(abstract)；分类 cs.AI
AI总结 针对运筹学问题自然语言描述转可求解数学形式与可执行代码的需求，OptiAgent采用多智能体迭代自校正与多回路验证架构，在多数优化任务基准上取得SOTA性能，建模过程可审计。
Autodata: 一种创建高质量合成数据的智能数据科学家方法
机构 * Meta
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 提出Autodata方法，让AI代理充当数据科学家，通过元优化学习创建更优的训练和评估数据，在计算机科学、法律推理和数学推理任务上优于传统方法。
TREK：蒸馏以探索，强化以优化
机构 * LinkedIn Corporation（领英公司） ； Harvard University（哈佛大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 针对GRPO在学生策略覆盖外的难提示样本上失效问题，提出TREK方法，通过蒸馏扩展探索空间再结合GRPO优化，在多推理与智能体任务上大幅提升模型性能。
Comments 18 pages, 3 figures, 6 tables
最佳中的更优N：通过上下文学习生成预对齐响应
机构 * JPMorganChase Global Technology Applied Research（摩根大通全球技术应用研究）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 提出Best-of-Better-$N$框架应对响应质量限制问题，利用检索高奖励示例及重写步骤，通过上下文学习使预训练模型输出分布向高奖励区域转移，在安全对齐和数学推理基准测试中有更好表现。
机械数学智能体团队：用于数学研究的大语言模型驱动智能体
机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, CAS（中国科学院数学与系统科学研究院数学科学国家重点实验室） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学高等研究院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对数学研究给现有推理系统带来的挑战，提出机械数学智能体团队，设计三方架构，实例化三个专业智能体，闭环协作生成形式化认证的数学证明，经评估可在研究全周期辅助，有通用架构、系统实例及实证验证三大贡献。
RolloutPipe: 分离式在线策略LLM强化学习中的流水线化Rollout与训练重叠
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Southern University of Science and Technology（南方科技大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 针对分离式RLVR系统中rollout与训练阶段空闲问题，提出RolloutPipe框架，通过完整组流水线（CGP）和前沿组调度（FGD）实现训练与rollout重叠，保持在线策略正确性，减少训练等待时间30.7%-42.3%。
Comments 15 pages
Journal ref Proceedings of the 2026 International Conference on Cognitive Computing (ICCC 2026)
OpenSIR: 开放式自我改进推理器
机构 * University of Edinburgh（爱丁堡大学） ； Imperial College London（伦敦帝国理工学院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出OpenSIR框架，通过多样性奖励和难度校准实现开放式自我对弈，无需外部验证器或标注数据，在七个数学基准上平均提升指令模型3.6分、推理模型3.1分，且唯一能泛化到通用推理。
AutoMathKG：基于LLM和向量数据库的自动化数学知识图谱
机构 * Academy of Mathematics and Systems Science（数学与系统科学研究院） ； Chinese Academy of Sciences（中国科学院） ； School of Mathematical Sciences（数学科学学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； AMSS Center for Forecasting Science（数学与系统科学研究院预测科学中心） ； State Key Laboratory of Mathematical Science（数学科学国家重点实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出AutoMathKG，一种高质、广覆盖、多维度的数学知识图谱，通过LLM和向量数据库实现自动更新与知识融合，实验显示其在可达性查询和数学推理方面表现优异。
Journal ref Computational Intelligence, vol. 41, no. 4 (2025): e70096
Re:Form——利用大语言模型中的强化学习减少可扩展形式化软件验证中的人工标注：关于Dafny的初步研究
机构 * Shanghai AI Lab（上海人工智能实验室） ； University of Alberta（阿尔伯塔大学） ； Tsinghua University（清华大学） ； Chinese University of Hong Kong, Shenzhen（香港大学（深圳）） ； Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； University of Manchester（曼彻斯特大学） ； Peking University（北京大学）
专题命中 代码与定理证明 ：reasoning(abstract)；chain-of-thought(abstract)；verifier(abstract)；分类 cs.CL
AI总结 研究利用形式语言Dafny减少人工标注，核心方法是引入自动可扩展数据处理流程及结合形式语言验证器反馈的强化学习设计，主要贡献是提升模型在DafnyComp基准测试表现。
Comments Published in Transactions on Machine Learning Research (TMLR), 05/2026. Reviewed on OpenReview: https://openreview.net/forum?id=cAQmIS4GOe
形式化迪斯科：可扩展的形式化验证程序的开放式生成
机构 * Kempner Institute, Harvard University（坎普纳研究所，哈佛大学） ； School of Engineering and Applied Sciences, Harvard University（工程与应用科学学院，哈佛大学）
专题命中 代码与定理证明 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI
AI总结 针对生成程序质量保证落后及形式验证数据稀缺问题，提出Formal Disco分布式系统，协调三类工人，记录痕迹用于改进，提出最大熵原则，发布数据集并微调模型，为形式推理领域大规模创建合成数据。
Comments Code: https://github.com/metareflection/formal-disco Datasets: https://huggingface.co/collections/metareflection/formal-disco
编码智能体中的潜在编程视界
机构 * KTH Royal Institute of Technology（瑞典皇家理工学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.LG
AI总结 该研究探究编码智能体底层语言模型的程序内部表征，通过逻辑回归探针发现其残差流可线性编码程序属性，还能提前约25步预测后续编辑结果，为编码智能体的机制可解释性研究提供新方向。
临床记录的多大型语言模型编排严重程度评估（MOSAIC）
机构 * Department of Drug Design and Pharmacology, University of Copenhagen（哥本哈根大学药物设计与药理学系） ； GSK（葛兰素史克） ； School of Pharmacy, University of Rhode Island（罗德岛大学药学院）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL
AI总结 研究用MOSAIC这一两阶段智能语言模型框架对2型糖尿病严重程度进行表型分析，以合成队列评估其与多种算法真值对比情况及全因死亡率等，结果显示该框架有优势，智能分类与固定规则执行不同。
使用中间形式规范训练代码语言模型进行推理
机构 * FPT Software AI Center（FPT软件人工智能中心） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Hanoi Univ. of Science and Tech.（河内科学技术大学） ； Texas, USA（得克萨斯州，美国） ； Hanoi, Vietnam（河内，越南）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL
AI总结 研究可执行检查点规范生成，介绍SpecCoder框架从多种程序学习，能选正确规范拒错误执行。引入HumanExec基准测试，实验表明其提升了检查点规范质量及下游正确性推理和修复能力。
SABLE：工业 EDA 流程中用于模拟电路优化的 NDA 安全闭环 LLM 框架
机构 * University of Minnesota, Twin Cities（明尼苏达大学，双城分校）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.LG
AI总结 研究针对工业模拟流程中数据安全问题，提出 SABLE 框架，结合多种安全措施，能让 LLM 通过特定工具优化模拟电路，在实际任务中评估多个模型，验证其有效性。
将AI用作带有时序计算的可能性骰子
机构 * Department of Surgery, University of Minnesota（明尼苏达大学外科系） ； Department of Computer Science & Engineering, University of Minnesota（明尼苏达大学计算机科学与工程系）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出基于动词的范式，定义时序计算和可能性，使AI能作为实现思维语法的工具，并在乳腺癌患者数据上自动发现临床轨迹和反事实时序推断。
VLM-CASE：面向前瞻安全自动驾驶的视觉语言模型赋能上下文自适应安全包络
机构 * Department of Civil and Environmental Engineering, The Pennsylvania State University（宾夕法尼亚州立大学土木与环境工程系） ； Department of Civil Engineering, Stony Brook University（石溪大学土木工程系）
专题命中 代码与定理证明 ：reasoning(abstract)
AI总结 针对恶劣工况下自动驾驶感知与性能退化、仅能事后响应的问题，提出基于微调VLM的上下文自适应安全包络框架，实现前瞻安全控制，在多场景仿真中性能优于基线方法。
多模态智能体中实现错误的综合研究
专题命中 代码与定理证明 ：planning(abstract)
AI总结 针对多模态智能体实现错误缺乏系统研究的问题，收集34个智能体，从1268个问题报告中识别出158个错误，开发分类法，实现MATester工具，为多模态智能体错误分类、预防和修复提供参考。
CARL：用于大语言模型规划的约束感知强化学习
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学） ； College of Artificial Intelligence, Shanghai Institute for Advanced Study, Zhejiang University（浙江大学上海高等研究院人工智能学院） ； School of Earth Sciences, Zhejiang University（浙江大学地球科学学院）
专题命中 逻辑推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 研究大语言模型生成违反任务约束计划的问题，提出约束感知强化学习框架CARL，通过比较不同输入下模型输出分布引入奖励，提升模型约束意识，实验证明其优于基线和现有模型。
Comments ACL 2026 Findings
从判决到问题：具有引用幻觉控制的法律推理结构化提取
机构 * Quantitative and Digital Law Laboratory（量化与数字法律实验室） ； CIRSFID - Alma AI, Faculty of Law University of Bologna（CIRSFID - 阿尔玛AI，博洛尼亚大学法学院） ； Robert Schuman Centre European University Institute（罗伯特·施曼中心欧洲大学研究所）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 提出自动化流程，将意大利税务法庭判决分解为法律问题，基于IRAC框架和法律三段论提取结构化XML表示，用通用模型并结合幻觉检测过滤器处理大量判决，经专家验证，为下游应用提供起点。
Comments 33 pages, 2 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈