大模型推理能力

Reinforcing Step-level Reasoning for Effective Self-Correction in LLMs

强化步骤级推理以实现大语言模型的有效自校正

Vu Duc Anh, Nhat M. Hoang, Do Xuan Long, Cong-Duy Nguyen, Ponhvoan Srey, Luu Anh Tuan

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； VinUniversity ； Institute for Infocomm Research (IR), A*STAR（新加坡科技研究局信息通信研究院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；self-correction(title,abstract)；分类 cs.CL、cs.AI

AI总结 针对大语言模型自校正的核心挑战，提出SFS-DPO及教师辅助变体SFS-DPO-R框架，经多模型多域评估，其性能优于现有步骤级训练基线，可提升自校正频率与有效性。

Diagnosis Before Recovery: Turning Agent Failures into Selective Self-Correction

修复前诊断：将智能体故障转化为选择性自修正

Pan Wang, Yihao Hu, Hang Wang, Zirui Lv, Xin Zhang, Jianshe Li, Jiang-Ming Yang, Wei Wu, Yongqi Tong

机构 * Ant International（蚂蚁国际） 纠错

专题命中 复杂问题求解 ：self-correction(title,abstract)；verifier(abstract)；分类 cs.CL

AI总结 本研究提出诊断引导的修复框架DARC，通过先诊断故障类型再进行选择性自修正，在ALFWorld等三个任务场景中提升了智能体平均任务性能并减少资源消耗，为缺乏类编译器反馈的领域构建可靠智能体提供了实用路径。

BiomedSQL: Text-to-SQL for Scientific Reasoning on Biomedical Knowledge Bases

BiomedSQL: 文本到SQL用于生物医学知识库上的科学推理

Mathew J. Koretsky, Maya Willey, Owen Bianchi, Chelsea X. Alvarado, Tanay Nayak, Nicole Kuznetsov, Sungwon Kim, Mike A. Nalls, Daniel Khashabi, Faraz Faghri

机构 * Center for Alzheimer’s and Related Dementias, NIA, NIH（阿尔茨海默病及相关痴呆症研究中心，国家老龄化研究所，国立卫生研究院） ； DataTecnica LLC（DataTecnica公司） ； Johns Hopkins University（约翰霍普金斯大学） ； Laboratory of Neurogenetics, NIA, NIH（神经遗传学实验室，国家老龄化研究所，国立卫生研究院） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 BiomedSQL通过评估文本到SQL生成中的科学推理能力，针对生物医学知识库设计了首个基准测试，展示了不同模型在复杂查询任务中的性能差异。

Comments Published as a conference paper at COLM 2026

Conformity Mitigations in Large Language Models Lie on a Single Resistance-Receptivity Frontier

大语言模型中的从众效应缓解措施存在于单一的抵抗-接受边界上

Zafar Hussain, Kristoffer Nielbo

机构 * Aarhus University（奥胡斯大学） 纠错

专题命中 复杂问题求解 ：reasoning(summary_cn,abstract)；分类 cs.AI

AI总结 该研究针对大语言模型的从众效应，提出抵抗-接受双维度评估，发现多数缓解措施存在此消彼长的边界，仅Reasoning可同时提升抵抗性与接受性。

From Reasoning Depth to Reasoning Breadth: Evaluating Multi-Point Associative Reasoning in Large Language Models

从推理深度到推理广度：评估大型语言模型中的多点关联推理

Si'an Xie, Jiaxun Liu, Biao Yang, Wei Yuan, Fan Yang, Tingting Gao, Ming Wu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； Kuaishou Technology（快手科技） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 该研究构建了中英双语多点关联推理基准MPAR-Bench，发现大型语言模型的推理深度未自动带来稳健的推理广度，当前基准未充分覆盖推理广度。

Local verification cannot detect non-transportability: a cohomological theory of context preservation in agentic reasoning

局部验证无法检测不可迁移性：智能体推理中上下文保持的上同调理论

Suyash Mishra

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

AI总结 本文提出智能体推理上下文保持的上同调理论，证明局部验证无法检测不可迁移性，提出Ksetra方法并通过外汇市场验证了所提检验的有效性。

Comments 17 pages, 10 figures. Includes an exact F-test for non-transportability with verified size and power, its precision-whitened generalisation, and a foreign-exchange case where the null hypothesis is known analytically rather than estimated

Self-Evolving Code-with-Image Reasoning

自演进的代码-图像推理

Tianze Yang, Liang Wu, Ruitong Sun, Yucheng Shi, Yanqiao Wang, Mayank Darbari, Ninghao Liu, Jin Sun, Liangjie Hong

机构 * Nokia（诺基亚） ； University of Georgia（佐治亚大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)

AI总结 该研究提出代码-图像推理范式，通过无训练反思循环让模型自我演进技能，在CwI-Bench上显著提升多模态模型视觉任务准确率，技能可跨规模与任务家族迁移。

Comments 37 pages

LoongReflect: Boosting Long-Horizon Reflection in Search Agents via Global Perspective Distillation

LoongReflect：通过全局视角蒸馏提升搜索智能体的长程反思能力

Zhixin Zhang, Xinke Jiang, Zhibang Yang, Weixuan Xu, Guohong Qiu, Xu Chu, Junfeng Zhao, Yasha Wang

专题命中 复杂问题求解 ：reasoning(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 LoongReflect是将反思表述为记忆控制策略的训练框架，通过双信号通道结合全局视角蒸馏与结果导向GRPO优化，在多跳检索增强生成和数学推理任务上提升了搜索智能体的长程反思能力。

Comments 15 pages, 8 figures

LookBack: Where and How to Score LVLM Responses via Visual Reference Usage

LookBack：通过视觉参考使用情况对LVLM响应进行评分的位置与方法

Beomsik Cho, Jinhyeong Kim, Dongseok Lee, Jaehyung Kim

机构 * Yonsei University（延世大学） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 针对LVLM响应存在的图像相关幻觉问题，提出无需训练的LookBack评分方法，结合视觉回溯评分增强token似然，在四个基准和三个模型上提升了Best-of-$N$选择性能且开销极小。

Comments 19 pages, 10 figures. Code: https://github.com/bscho333/LookBack

When the API Speaks the Wrong Language: Revisiting Post-Training for Multilingual Tool Use

当API“说错”语言：重新审视多语言工具使用的后训练

Siddharth Chauhan, Thomas Butler, Abhishek Singhania, Pankaj Porwal, Honey Gupta

机构 * Amazon（亚马逊） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 针对多语言API调用中存在的参数语言不匹配问题，研究发现监督微调可实现接近或优于复杂强化学习方法的性能，强化学习仅能提供渐进式改进。

WavePhaseNet: A DFT-Based Method for Constructing Semantic Conceptual Hierarchy Structures (SCHS)

WavePhaseNet：一种基于离散傅里叶变换（DFT）的构建语义概念层次结构（SCHS）方法

Kiyotaka Kasubuchi, Kazuo Fukiya

机构 * Pionira Solutions LLC（皮奥尼拉解决方案有限公司） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 WavePhaseNet通过DFT构建语义概念层次结构，利用频谱分析和上同调正则化实现语义一致性控制，减少维度以提升推理能力并抑制幻觉。

LDI: Localized Data Imputation for Text-Rich Tables

LDI：面向文本丰富表的局部数据填补

Soroush Omidvartehrani, Davood Rafiei

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 本文提出LDI框架，通过局部推理利用LLM填补文本丰富表中的缺失值，提升准确性和可解释性，实验证明其优于现有方法。