大模型推理能力

Efficient Counterfactual Reasoning in ProbLog via Single World Intervention Programs

通过单世界干预程序在ProbLog中实现高效的反事实推理

Saimun Habib, Vaishak Belle, Fengxiang He

机构 * University of Edinburgh（爱丁堡大学） ； The MITRE Corporation（MITRE公司） 纠错

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

AI总结 本文提出单世界干预程序(SWIPs)用于ProbLog中的反事实推理，通过将ProbLog子句分为观测和固定部分，减少计算复杂度并提升推理可靠性，实验表明在大规模数据上推理时间减少35%。

HyEvo: Self-Evolving Hybrid Agentic Workflows for Efficient Reasoning

HyEvo：自演化混合代理工作流用于高效推理

Beibei Xu, Yutong Ye, Chuyun Shen, Yingbo Zhou, Cheng Chen, Mingsong Chen

机构 * East China Normal University（华东师范大学） ； Beihang University（北京航空航天大学） ； Shanghai University of International Business and Economics（上海对外经贸大学） ； Fudan University（复旦大学） 纠错

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

AI总结 HyEvo通过混合原子合成方法，结合概率LLM节点和确定性代码节点，提升推理效率，减少计算成本和延迟。

VIRO: Robust and Efficient Neuro-Symbolic Reasoning with Verification for Referring Expression Comprehension

VIRO：用于指代表达理解的鲁棒且高效的神经符号推理与验证

Hyejin Park, Junhyuk Kwon, Suha Kwak, Jungseul Ok

机构 * Pohang University of Science and Technology (POSTECH)（釜山科学技术大学（POSTECH）） 纠错

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

AI总结 VIRO通过在推理步骤中嵌入轻量级操作符验证器，提升指代表达理解的鲁棒性和效率，达到61.1%的平衡准确率。

Comments Accepted to CVPR 2026

Cross-Domain Demo-to-Code via Neurosymbolic Counterfactual Reasoning

跨领域演示到代码的神经符号反事实推理

Jooyoung Kim, Wonje Choi, Younguk Song, Honguk Woo

机构 * Department of Computer Science and Engineering, Sungkyunkwan University（Sungkyunkwan 大学计算机科学与工程系） 纠错

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

AI总结 本文提出NeSyCR框架，通过神经符号反事实推理解决跨领域机器人编程中的过程不匹配问题，提升任务成功率31.14%。

Comments Accepted at CVPR 2026

PYTHEN: A Flexible Framework for Legal Reasoning in Python

PYTHEN：一种用于法律推理的灵活框架

Ha-Thanh Nguyen, Ken Satoh

机构 * Center for Juris-Informatics, ROIS-DS, Tokyo, Japan（法律信息中心，ROIS-DS，东京，日本） ； Research and Development Center for Large Language Models, NII, Tokyo, Japan（大语言模型研究开发中心，NII，东京，日本） 纠错

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

AI总结 本文介绍PYTHEN，一种基于Python的新型法律推理框架，通过灵活的语法支持法律规则、条件和例外的表示，结合Python内置函数提升灵活性，并探讨其在自动形式化和下一代法律AI系统中的应用。

Comments Accepted at JURISIN 2026

Advancing Multimodal Agent Reasoning with Long-Term Neuro-Symbolic Memory

通过长期神经符号记忆推进多模态代理推理

Rongjie Jiang, Jianwei Wang, Gengda Zhao, Chengyang Luo, Kai Wang, Wenjie Zhang

机构 * University of New South Wales（新南威尔士大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出NS-Mem框架，结合神经记忆与符号结构，提升多模态代理的推理能力，实验证明其在推理准确率上优于纯神经记忆系统。

Comments 11 pages, 6 figures

The Active Discoverer Framework: Towards Autonomous Physics Reasoning through Neuro-Symbolic LaTeX Synthesis

主动发现框架：通过神经符号LaTeX合成实现自主物理推理

Hyunjun Jeon

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

AI总结 本文提出主动发现框架，通过神经符号LaTeX合成实现自主物理推理，解决神经网络在大规模计算中的精度问题，并验证其在物理常数推导中的有效性。

Comments V4 Coming S00N :)

Multi-hop Reasoning and Retrieval in Embedding Space: Leveraging Large Language Models with Knowledge

嵌入空间中的多跳推理与检索：利用大型语言模型与知识

Lihui Liu

机构 * Wayne State University（韦恩州立大学） 纠错

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

AI总结 本文提出EMBRAG框架，通过生成基于知识图谱的逻辑规则并在嵌入空间中推理，提升知识图谱问答任务的鲁棒性和准确性。

Delta1 with LLM: symbolic and neural integration for credible and explainable reasoning

Delta1与LLM：符号与神经整合用于可信且可解释的推理

Yang Xu, Jun Liu, Shuwei Chen, Chris Nugent, Hailing Guo

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

AI总结 本文提出Delta1与LLM结合的框架，通过符号推理与神经网络整合，实现可信且可解释的推理，适用于医疗、合规和监管领域。

Comments 12 pages, 1 figure, 3 tables, accepted oral presentation at AAAI2026 Bridge Program on Logic & AI

A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms

自动驾驶系统推理的综述：开放挑战与新兴范式

Kejin Yu, Yuhan Sun, Taiqiang Wu, Ruixu Zhang, Zhiqiang Lin, Yuxin Meng, Junjie Wang, Yujiu Yang

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

AI总结 本文综述了自动驾驶系统推理的挑战与新兴范式，提出认知层次分解驾驶任务，并系统化七个核心推理挑战，强调发展可验证的神经符号架构以解决高延迟推理与安全需求的矛盾。

Comments Published in TMLR (March 2026) | OpenReview: https://openreview.net/forum?id=XwQ7dc4bqn

Reforming the Mechanism: Editing Reasoning Patterns in LLMs with Circuit Reshaping

机制改革：通过电路重塑编辑大语言模型的推理模式

Zhenyu Lei, Qiong Wu, Jianxiong Dong, Yinhan He, Emily Dodwell, Yushun Dong, Jundong Li

机构 * University of Virginia（弗吉尼亚大学） ； AT&T Chief Data Office（AT&T首席数据办公室） ； Florida State University（佛罗里达州立大学） 纠错

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

AI总结 REdit通过电路重塑技术改进大语言模型的推理能力，解决通用性与局部性的权衡问题，提升推理的准确性和效率。

LTLGuard: Formalizing LTL Specifications with Compact Language Models and Lightweight Symbolic Reasoning

LTLGuard：利用紧凑语言模型和轻量符号推理形式化LTL规范

Medina Andresel, Cristinel Mateis, Dejan Nickovic, Spyridon Kounoupidis, Panagiotis Katsaros, Stavros Tripakis

机构 * AIT Austrian Institute of Technology（奥地利技术研究所） ； Aristotle University of Thessaloniki（希腊塞萨洛尼基亚里士多德大学） ； Northeatern University（东北大学） 纠错

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

AI总结 LTLGuard通过结合紧凑语言模型与轻量符号推理，有效生成无冲突的LTL规范，提升形式化验证的效率和准确性。

LLM-based Argument Mining meets Argumentation and Description Logics: a Unified Framework for Reasoning about Debates

基于大型语言模型的论证挖掘与论证和描述逻辑的结合：一种用于分析辩论的统一框架

Gianvincenzo Alfano, Sergio Greco, Lucio La Cava, Stefano Francesco Monea, Irina Trubitsyna

机构 * Department of Informatics, Modeling, Electronics and System Engineering University of Calabria, Italy（信息学、建模、电子与系统工程系 卡拉布里亚大学） 纠错

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

AI总结 本文提出一种结合论证挖掘与描述逻辑的统一框架，用于分析辩论的透明、可解释和形式化方法。

MedLA: A Logic-Driven Multi-Agent Framework for Complex Medical Reasoning with Large Language Models

MedLA：基于大语言模型的复杂医学推理多智能体框架

Siqi Ma, Jiajie Huang, Fan Zhang, Yue Shen, Jinlin Wu, Guohui Fan, Zhu Zhang, Zelin Zang

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

AI总结 MedLA是一种基于大语言模型的逻辑驱动多智能体框架，通过多轮图引导讨论实现透明推理和共识达成，有效提升复杂医学推理性能。

Comments accepted by AAAI-26 (ORAL)

ReasonX: Declarative Reasoning on Explanations

ReasonX: 基于表达式的声明性推理

Laura State, Salvatore Ruggieri, Franco Turini

机构 * University of Pisa（比萨大学） ； Scuola Normale Superiore（正常大学） ； Alexander von Humboldt Institute for Internet and Society（亚历山大·冯·洪堡互联网与社会研究所） 纠错

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

AI总结 ReasonX是一种基于线性约束理论的声明性解释工具，通过混合整数线性规划实现对决策树的多层抽象推理，提供交互式解释并优于现有XAI方法。

ConstraintBench: Benchmarking LLM Constraint Reasoning on Direct Optimization

ConstraintBench: 对直接优化的LLM约束推理进行基准测试

Joseph Tso, Preston Schmittou, Quan Huynh, Jibran Hutchins

机构 * Haladir Research Team（Haladir研究团队） 纠错

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

AI总结 ConstraintBench评估LLM在约束优化任务中的直接推理能力，发现可行性是主要瓶颈，最佳模型仅达65%可行性，但可行解接近最优解。

Comments Preprint. 10 pages, 1 figure, 6 tables. Benchmark and evaluation code will be publicly released

AI Arms and Influence: Frontier Models Exhibit Sophisticated Reasoning in Simulated Nuclear Crises

人工智能武器与影响：前沿模型在模拟核危机中展现出复杂的推理能力

Kenneth Payne

机构 * King’s College London（伦敦国王学院） 纠错

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

AI总结 研究通过模拟核危机检验前沿AI模型的策略推理能力，发现其在复杂决策中展现出与人类相似的推理模式，但存在独特行为特征。

Comments 45 pages, 6 figures, 27 tables

Synthesizing the Kill Chain: A Zero-Shot Framework for Target Verification and Tactical Reasoning on the Edge

构建杀伤链：一种零样本框架，用于边缘节点上的目标验证和战术推理

Jesse Barkley, Abraham George, Amir Barati Farimani

机构 * With the Department of Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系） 纠错

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

AI总结 本文提出了一种零样本框架，通过边缘设备实现目标验证和战术推理，验证了分层架构在动态军事环境中的有效性。

Comments 8 Pages, 3 Figures

BaziQA-Benchmark: Evaluating Symbolic and Temporally Compositional Reasoning in Large Language Models

BaziQA-Benchmark：评估大语言模型中的符号性和时间组合推理

Jiangxi Chen, Qian Liu

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 BaziQA-Benchmark通过结构化推理协议评估大语言模型在符号性和时间组合推理中的表现，揭示其在时间难度和推理顺序上的敏感性及系统性缺陷。

scPilot: Large Language Model Reasoning Toward Automated Single-Cell Analysis and Discovery

scPilot：面向自动化单细胞分析与发现的大型语言模型推理

Yiming Gao, Zhen Wang, Jefferson Chen, Mark Antkowiak, Mengzhou Hu, JungHo Kong, Dexter Pratt, Jieyuan Liu, Enze Ma, Zhiting Hu, Eric P. Xing

机构 * UC San Diego（UC圣地亚哥大学） ； MBZUAI ； CMU（卡内基梅隆大学） ； Texas A&M（德克萨斯A&M大学） 纠错

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

AI总结 scPilot通过组学原生推理提升单细胞分析的准确性与可解释性，实现自动化细胞类型注释和轨迹重建。

Comments Accepted at NeurIPS 2025 Main Conference

Human-Inspired Continuous Learning of Internal Reasoning Processes: Learning How to Think for Adaptive AI Systems

启发式连续学习内部推理过程：学习如何思考以实现自适应AI系统

Hong Su

机构 * School of Computer Science, Chengdu University of information Technology（信息科技大学计算机学院） 纠错

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

AI总结 本文提出一种受人类启发的连续学习框架，通过统一推理、行动、反思和验证，实现AI系统在动态环境中的持续适应与自我进化。

P1-VL: Bridging Visual Perception and Scientific Reasoning in Physics Olympiads

P1-VL: 联结视觉感知与物理竞赛中的科学推理

Yun Luo, Futing Wang, Qianjia Cheng, Fangchen Yu, Haodi Lei, Jianhao Yan, Chenxi Li, Jiacheng Chen, Yufeng Zhao, Haiyuan Wan, Yuchen Zhang, Shenghe Zheng, Junchi Yao, Qingyang Zhang, Haonan He, Wenxuan Zeng, Li Sheng, Chengxing Xie, Yuxin Zuo, Yizhuo Li, Yulun Wu, Rui Huang, Dongzhan Zhou, Kai Chen, Yu Qiao, Lei Bai, Yu Cheng, Ning Ding, Bowen Zhou, Peng Ye, Ganqu Cui

机构 * Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 P1-VL通过融合课程强化学习和代理增强技术，成为首个在物理竞赛中获得12枚金牌的开源视觉-语言模型，展示了卓越的科学推理能力和泛化能力。

Fundamental Reasoning Paradigms Induce Out-of-Domain Generalization in Language Models

基本推理范式诱导语言模型的领域外泛化

Mingzi Cao, Xingwei Tan, Mahmud Elahi Akhter, Marco Valentino, Maria Liakata, Xi Wang, Nikolaos Aletras

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

AI总结 本研究通过诱导基本推理范式提升语言模型的领域外泛化能力，实验表明方法在现实任务中性能提升显著。

Information-Theoretic Graph Fusion with Vision-Language-Action Model for Policy Reasoning and Dual Robotic Control

信息论图融合：基于视觉-语言-动作模型的政策推理与双臂机器人控制

Shunlei Li, Longsen Gao, Jin Wang, Chang Che, Xi Xiao, Jiuwen Cao, Yingbai Hu, Hamid Reza Karimi

机构 * Electrical and Computer Engineering Department, University of New Mexico, Albuquerque, United States, 87106（电气与计算机工程系，新墨西哥大学，阿尔伯克基，美国，87106） ； Dynamic Robot Systems Group, Oxford Robotics Institute, University of Oxford, United Kingdom, OX26NN（动态机器人系统组，牛津机器人研究所，牛津大学，英国，OX26NN） ； Mechanical and Aerospace Engineering Department, The George Washington University, DC, United States, 22202（机械与航空航天工程系，乔治华盛顿大学，华盛顿特区，美国，22202） ； Department of Computer Science, University of Alabama at Birmingham, Alabama, United States, 35294（计算机科学系，阿拉巴马大学伯明翰分校，阿拉巴马，美国，35294） ； The School of Computation, Information and Technology, Technical University of Munich, Germany, 85748（计算、信息与技术学院，慕尼黑技术大学，德国，85748） ； Department of Mechanical Engineering, Politecnico di Milano, Milan, Italy, 20156（机械工程系，米兰理工学院，米兰，意大利，20156） 纠错

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

AI总结 GF-VLA通过信息论图融合视觉-语言-动作模型，实现双臂机器人任务推理与执行，提升空间泛化与任务成功率。

Comments Journal accepted by Information Fusion

LongR: Unleashing Long-Context Reasoning via Reinforcement Learning with Dense Utility Rewards

LongR: 通过密集效用奖励的强化学习解锁长上下文推理

Bowen Ping, Zijun Chen, Yiyao Yu, Tingfeng Hui, Junchi Yan, Baobao Chang

机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 LongR通过整合动态'思考与阅读'机制和上下文密度奖励，提升长上下文推理性能，在多个基准测试中取得显著成效。

Right for the Right Reasons: Avoiding Reasoning Shortcuts via Prototypical Neurosymbolic AI

为正确的理由而正确：通过原型神经符号AI避免推理捷径

Luca Andolfi, Eleonora Giunchiglia

机构 * Imperial College London（帝国理工学院伦敦分校） ； Sapienza University of Rome（罗马萨皮恩扎大学） 纠错

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

AI总结 本文提出原型神经符号架构，通过学习正确基本概念避免推理捷径，提升神经符号学习的安全性和可靠性。

Modeling Endogenous Logic: Causal Neuro-Symbolic Reasoning Model for Explainable Multi-Behavior Recommendation

内生逻辑建模：可解释的多行为推荐因果神经符号推理模型

Yuzhe Chen, Jie Cao, Youquan Wang, Haicheng Tao, Darko B. Vukovic, Jia Wu

机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； Nanjing University of Science and Technology（南京理工大学） ； School of Management（管理学院） ； Hefei University of Technology（合肥工业大学） ； School of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Nanjing University of Finance and Economics（南京财经大学） ； Department of Finance and Accounting（金融与会计系） ； Saint Petersburg State University（圣彼得堡国立大学） ； School of Computing（计算机学院） ； Macquarie University（麦考瑞大学） 纠错

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

AI总结 本文提出一种因果神经符号推理模型，用于可解释的多行为推荐，通过内生逻辑建模和因果推断提升推荐系统的可解释性和泛化能力。

Comments Accepted to The Web Conference (WWW) 2026

MiST: Understanding the Role of Mid-Stage Scientific Training in Developing Chemical Reasoning Models

MiST：理解中期科学训练在开发化学推理模型中的作用

Andres M Bran, Tong Xie, Shai Pranesh, Jeffrey Meng, Xuan Vu Nguyen, Jeremy Goumaz, David Ming Segura, Ruizhi Xu, Dongzhan Zhou, Wenjie Zhang, Bram Hoex, Philippe Schwaller

机构 * Laboratory of Artificial Chemical Intelligence (LIAC), Institute of Chemical Sciences and Engineering (ISIC)（人工化学智能实验室（LIAC）、化学科学与工程研究所） ； National Centre of Competence in Research (NCCR) Catalysis（催化研究国家级竞争力中心） ； School of Photovoltaic and Renewable Energy engineering（光伏与可再生能源工程学院） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Green Dynamics 纠错

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

AI总结 MiST通过中期科学训练提升化学推理模型的潜在可解性，显著提高有机反应命名和无机材料生成任务的准确率，同时产生可解释的推理轨迹。

Induce, Align, Predict: Zero-Shot Stance Detection via Cognitive Inductive Reasoning

诱导、对齐、预测：通过认知归纳推理实现零样本立场检测

Bowen Zhang, Jun Ma, Fuqiang Niu, Li Dong, Jinzhou Cao, Genan Dai

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

AI总结 本文提出CIRF框架，通过认知归纳推理实现零样本立场检测，实现高效且可解释的推理，在低资源环境下取得新突破。

Comments Accepted at AAAI 2026

A Syllogistic Probe: Tracing the Evolution of Logic Reasoning in Large Language Models

直言探针：追踪大型语言模型中逻辑推理的演变

Zhengqing Zang, Yuqi Ding, Yanmei Gu, Changkai Song, Zhengkai Yang, Guoping Du, Junbo Zhao, Haobo Wang

机构 * Zhejiang University（浙江大学） ； University of Chinese Academy of Social Sciences（中国社会科学院大学） ； Ant Group（蚂蚁集团） ； Chinese Academy of Social Sciences（中国社会科学院） 纠错

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

AI总结 本研究通过三段论测试揭示大型语言模型在逻辑推理演变中的特性，发现模型规模、思考机制和基础模型对逻辑发展有重要影响。