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。
MathShikkha：针对小型语言模型孟加拉语数学推理的仅答案与思维链监督对照研究
机构 * University at Albany（奥尔巴尼大学）
专题命中 数学推理 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(title,abstract)；分类 cs.CL、cs.AI
AI总结 本研究构建含GPT-5.4推理依据的孟加拉语数学数据集MathShikkha，微调4个4B-7B模型，发现CoT监督对域内强骨干无增益但提升弱模型，域外及BanglaMATH基准上均优于仅答案，核心益处为语言贴合度、可审核推理及域外鲁棒性。
Social Gym与SPaRTan：通过多智能体游戏锦标赛对LLM社会推理进行基准测试与改进
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 该研究推出Social Gym多智能体社会游戏环境与SPaRTan自博弈反思迁移方法，前者可客观基准测试LLM社会推理，后者可提升GPT-5-mini的弱角色表现，为改进LLM社会推理提供了可复现基础。
用于主观任务的大语言模型推理：失败模式、缓解措施与动态推理路由
机构 * Duke University（杜克大学） ； Netflix（网飞公司）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 该研究针对主观任务中LLM推理的失败模式，提出带条件长度惩罚的后训练算法缓解推理崩溃，还发现推理风格不匹配是主观验证误差主因，给出算法补丁与架构蓝图。
Comments 20th ACM Conference on Recommender Systems (RecSys 2026)
BRUCE：面向科学视觉-语言推理的污染升级下鲁棒性基准测试
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校）
专题命中 数学推理 ：reasoning(title,abstract)
AI总结 该研究提出BRUCE基准测试框架，通过RCI与T-RCI指标分析VLMs在科学视觉-语言推理任务中随污染升级的鲁棒性退化，实现可解释的失败分析。
大语言模型的测试时增强：在计算资源匹配时输入多样性优于输出多样性
机构 * Amazon Web Services（亚马逊网络服务）
专题命中 数学推理 ：reasoning(abstract,comments)；chain-of-thought(abstract)；分类 cs.AI、cs.LG
AI总结 本研究提出测试时增强（TTA），经匹配计算对比发现，中端大语言模型采用语义复述的TTA策略，比自洽性更高效地将计算转化为准确率，每美元准确率约为自洽性的1.8倍。
Comments Published at the COLM 2026 Workshop on Efficient Reasoning
数学视觉图表：评估大型语言模型数学图表生成能力的综合基准
机构 * Pandita AI Inc.（潘迪塔人工智能公司）
专题命中 数学推理 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.LG
AI总结 本研究推出首个专门评估LLMs数学图表生成能力的基准Math-Vision Diagrams，涵盖文本到代码与图像范式，测试发现LLMs在该任务上存在困难，相关资源将开源。
Comments Accepted at ICANN 2026
基于变分学习的RLVR参数探索
机构 * INSAIT, Sofia University “St. Kliment Ohridski”（INSAIT，圣克莱门特奥赫里德斯基索非亚大学） ； National Research Center for Applied Cybersecurity ATHENE（ATHENE国家应用网络安全研究中心）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文针对LLM强化学习的探索问题，提出参数空间探索思路，引入3PO方法，在OLMo-3-1025-7B等模型的数学推理等任务上，以相近计算成本相比GRPO提升性能，减少训练中的异常分组与轨迹。
知-言差距：当探测模型发现错误而置信度未察觉时
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 该研究发现线性探测模型能精准检测语言模型的上下文破坏，但无法可靠预测最终答案正确性，推翻了相关假设，表明基于探测模型的监控需结合模型与错误类型的路由策略。
大型语言模型中数学泛化的融合训练
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本研究针对思维模式融合（TMF）训练动态开展系统性研究，揭示两种模式间的非对称相互作用与负相关关系，为设计TMF训练设置提供指导。
Comments ACL SRW 2026
失配很重要：超越token一致性的在线蒸馏
机构 * The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文针对在线蒸馏存在的退化一致性失效问题，提出TIDE方法修正师生失配，在数学推理基准上显著提升性能、缩短响应长度并减少格式错误。
SR-OPSD：自引用同策略自蒸馏
机构 * Shanghai University of Finance and Economics（上海财经大学） ； Imperial College London（伦敦帝国学院） ； University of Science and Technology of China（中国科学技术大学） ； University College London（伦敦大学学院） ； Nanyang Technological University（南洋理工大学） ； Technical University of Denmark（丹麦技术大学） ； University of Copenhagen（哥本哈根大学） ； Peking University（北京大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 该研究针对同策略自蒸馏的优化不稳定问题，提出SR-OPSD方法，通过几何插值结合Rényi散度优化蒸馏目标，在多任务大语言模型实验中取得最优或竞争性能。
PAST：基于完整学生轨迹的特权适配用于在线策略自蒸馏
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）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 PAST将完整学生轨迹作为OPSD教师的额外特权信息，通过前向KL蒸馏等方法优化教师，在三个数学推理基准上使Avg@12宏观平均值较Vanilla OPSD提升5.6个百分点。
幻觉与约束：超越准确率的手术工作流程识别调控
机构 * Université de Rennes（雷恩大学） ； Inserm（法国国家健康与医学研究院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 该研究针对医学图像处理中AI的幻觉问题，提出用线性时序逻辑谓词结合概率图模型调控，在机器人辅助子宫切除术阶段识别中准确率提约10%且消除多数拓扑错误。
Comments 11 pages, 1 figure, 1 table, accepted to the MICCAI 2026 Workshop on Fairness, Regulation, and Ethics (FAIMI-BRIDGE-EPIMI 2026)
Motif 3：技术报告
机构 * Motif Technologies（Motif科技公司）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本研究推出仅解码器的MoE语言模型Motif 3，采用GDLA等技术，经万亿token预训练及多阶段后训练，在长上下文、推理等任务上性能与领先开源模型相当。
全带宽Transformer
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Princeton University（普林斯顿大学） ； Microsoft（微软公司）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究提出全带宽Transformer，通过潜在反馈拓宽解码步骤间的垂直反馈通道，经训练验证其在多项任务上性能提升，且解码开销可忽略。
AI作为独立游戏开发中的民主化力量
专题命中 数学推理 ：planning(abstract)
AI总结 该研究考察AI对2024-2026年游戏行业分化的影响，发现AI大幅降低独立游戏制作的协调成本，推动第三波民主化浪潮，披露AI的游戏接受度与传统游戏相当，但市场已呈现结构性过剩的前提条件。
P³：用于验证代码生成的程序与证明联合规划
机构 * Apodex ； Princeton University（普林斯顿大学） ； Caltech（加州理工学院） ； University of Toronto（多伦多大学）
专题命中 代码与定理证明 ：planning(title,abstract)；分类 cs.AI
AI总结 P³是一种用于验证代码生成的程序与证明联合规划的LLM智能体工作流，在三个基准上的求解率优于基线，还降低了API成本与运行时间。
感知天气与位置的智能体餐饮推荐：利用大语言模型世界知识开展区域敏感语境推理
专题命中 代码与定理证明 ：reasoning(title,abstract)；分类 cs.AI
AI总结 该研究提出感知天气与位置的智能体餐饮推荐系统，利用LLM的世界知识生成区域敏感的适配天气的餐饮推荐，为智能体推荐提供了可扩展的架构模式。
Comments 5 pages. An agentic LLM system that reasons over combined location and weather context for region-sensitive dining recommendation. Working prototype implemented and briefly deployed end-to-end
结构理论中的确定化：基于闭包、可比性与联合可容许性的统一框架
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI
AI总结 该研究提出了基于闭包、可比性与联合可容许性的统一框架，用于从多结构理论构造典范解释，区分非确定性类型并给出对应确定化机制，还可应用于LLM辅助推理以分析幻觉问题。
Comments Formal framework paper on canonicalization and determinization in structure theories; version v2.16.4; 29 pages
确定性跨域接口的自动合成
专题命中 代码与定理证明 ：reasoning(abstract)
AI总结 该研究提出框架，利用LLM实现智能体与处理程序模块，自动合成跨域确定性网络的静态、动态契约，经实验验证其动态契约性能优于静态配置，且分工模式可保障模型可靠性。
思考与非思考：基于稀疏自编码器的大语言模型推理机制可解释性研究
专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract,abstract_cn)；CoT(abstract,abstract_cn)；分类 cs.CL
AI总结 本研究基于稀疏自编码器分析DeepSeek-R1-Distill-Qwen-7B的推理机制，揭示思考与非思考模式的神经差异，为大语言模型推理可解释性提供新见解。
SymDiag：基于神经符号验证的LLM推理可解释诊断
机构 * Beijing Institute of Technology（北京理工大学） ； Zhongguancun Academy（中关村学院） ； Xinjiang Future Enterprise Incubator Co., Ltd.（新疆未来企业孵化器有限公司） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
专题命中 逻辑推理 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.AI
AI总结 SymDiag是一种神经符号框架，将LLM推理验证重构为结构化故障诊断，可定位推理故障步骤、分离翻译与推理错误，在多类基准中提升了不可靠推理检测与推理修复反馈效果。
长SKILL合规性检测作为逻辑推理：基于闭包的检测与尺度引导的在线策略蒸馏
机构 * Meituan（美团）
专题命中 逻辑推理 ：reasoning(title)；logical reasoning(title)；分类 cs.AI
AI总结 针对长SKILL合规性检测的成本与精度矛盾，提出SkillCDG框架，结合两级检索与依赖闭包实现检测，在多数据集上优于基线，还发现尺度趋势以优化小模型性能。
深度思考，一次输出：ReLIT，一种递归隐式隐式Transformer框架
机构 * Indian Institute of Technology Roorkee（鲁尔基印度理工学院）
专题命中 逻辑推理 ：CoT(abstract,abstract_cn)；reasoning(abstract)；chain-of-thought(abstract)；logical reasoning(abstract)
AI总结 该研究针对思维链提示计算开销大、微型递归模型语义连贯性差的问题，提出ReLIT框架，结合TinyLlama-1.1B骨干与可训练递归块，在逻辑推理基准上高效实现推理，性能优于或媲美更大模型。
Comments 14 pages, 6 figures
CircuitReason-1k：电路中的长程视觉到符号推理基准测试
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 CircuitReason-1k是含1000个真实教材电路问题的基准，用于评估多模态模型的长程视觉到符号推理，现有模型在长程问题上表现差，该基准为相关测试提供了聚焦平台。
超越可解性：任务可学习性作为大语言模型强化学习后训练的静态先验
机构 * Sun Yat-Sen University（中山大学） ； Alibaba Group（阿里巴巴集团）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 该研究提出TrajVal估计任务可学习性，将其作为静态先验用于LLM的RL后训练任务采样，可提升数据效率并与在线调度方法互补。
监督之前的感知：来自反事实盲区的自包含视觉蒸馏
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Aalto University（阿尔托大学）
专题命中 逻辑推理 ：reasoning(abstract)；logical reasoning(abstract)
AI总结 该研究提出首个完全自包含的视觉自蒸馏框架 CVPD，通过识别模型视觉盲区生成密集对比监督，在 Qwen3-VL-8B-Instruct 上的 12 个基准中优于 6 个自进化基线，取得多项指标提升且无性能倒退。
Comments BMVC 2026
代数图构造的神经符号发现
机构 * TU Wien（维也纳技术大学）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 针对仅提供原始图数据无法揭示其结构性质的问题，提出基于通用大语言模型与SageMath的神经符号智能体，可自动发现代数图构造，在100个高度对称图基准上全部成功，还找到Bernhart-Kainen可散度猜想的最小反例。
CyberAGENTS：面向网络安全领域智能体游戏化学习的结构化自主机制
机构 * Arizona State University（亚利桑那州立大学） ； Amazon AGI（亚马逊AGI）
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本研究提出CyberAGENTS框架，通过结构化自主机制实现游戏化网络安全学习，经课堂评估验证其可提升学习者参与度与对AI响应的信任度，为相关系统设计提供蓝图。
FactorDrive：面向端到端自动驾驶的、由规划关键因素驱动的自适应多步推理
机构 * Southeast University（东南大学） ； Universiti Malay（马来亚大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Peking University（北京大学）
专题命中 规划推理 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；planning(title,abstract)；chain-of-thought(abstract)
AI总结 该研究针对现有端到端自动驾驶方法在空间物理证据融合、推理适应及推理路径优化上的不足，提出FactorDrive框架，通过PCF-CoT数据集与QS-GRPO算法优化推理，在两类基准上取得最优规划性能。
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