大模型推理能力

Making Bias Non-Predictive: Training Robust LLM Reasoning via Reinforcement Learning

消除偏见的可预测性：通过强化学习训练鲁棒的大语言模型推理

Qian Wang, Xuandong Zhao, Zirui Zhang, Zhanzhi Lou, Nuo Chen, Dawn Song, Bingsheng He

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

AI总结 本文提出Epistemic Independence Training (EIT)框架，通过使偏见提示非预测性来提升大语言模型的推理鲁棒性，实验表明其在对抗性偏见下表现更优，并能泛化至多种偏见类型。

Mixture-of-Retrieval Experts for Reasoning-Guided Multimodal Knowledge Exploitation

基于推理引导的多模态知识利用的检索专家混合

Chunyi Peng, Zhipeng Xu, Zhenghao Liu, Yishan Li, Yukun Yan, Shuo Wang, Yu Gu, Minghe Yu, Ge Yu, Maosong Sun

机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出MoRE框架，通过动态选择检索专家提升多模态大语言模型的知识利用效率，实验表明在开放领域问答基准上性能提升超过7%。

DRAFT: Task Decoupled Latent Reasoning for Agent Safety

草稿：任务解耦的潜在推理用于代理安全

Lin Wang, Junfeng Fang, Dan Zhang, Fei Shen, Xiang Wang, Tat-Seng Chua

机构 * National University of Singapore, Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出DRAFT框架，通过解耦安全判断为提取器和推理器两个阶段，利用潜在空间证据聚合提升代理安全性，在多个基准测试中表现优异。

Scaling Reasoning Tokens via RL and Parallel Thinking: Evidence From Competitive Programming

通过强化学习和并行思维扩展推理令牌：来自竞赛编程的证据

Qianfan Zhang, Tianyu Guo, Xuandi Ren, Jiale Chen, Ming Ding, Ran Xin, Xia Xiao

机构 * Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文通过强化学习和并行思维方法扩展竞赛编程中的推理令牌预算，展示了多轮并行思维流程在分配令牌预算方面的有效性，实验表明其在复杂编程问题上的优越性。

Mitigating the Reasoning Tax in Vision-Language Fine-Tuning with Input-Adaptive Depth Aggregation

通过输入自适应深度聚合缓解视觉语言微调中的推理税

Yiming Ren, Yujiu Yang, Junjie Wang

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出IADA机制，通过输入自适应的跨深度检索提升视觉语言模型的推理能力，实验表明其在参数效率方面优于LoRA微调。

Probabilistic Concept Graph Reasoning for Multimodal Misinformation Detection

基于概率概念图推理的多模态虚假信息检测

Ruichao Yang, Wei Gao, Xiaobin Zhu, Jing Ma, Hongzhan Lin, Ziyang Luo, Bo-Wen Zhang, Xu-Cheng Yin

机构 * University of Science and Technology Beijing（北京科技大学） ； Singapore Management University（新加坡管理大学） ； Hong Kong Baptist University（香港浸会大学） 纠错

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

AI总结 本文提出PCGR框架，通过构建概念图进行多模态虚假信息检测，实现可解释且可进化的方法，提升检测准确性和抗新兴操纵能力。

Comments Accepted by CVPR 2026

Reasoning or Rhetoric? An Empirical Analysis of Moral Reasoning Explanations in Large Language Models

推理还是修辞？对大型语言模型中道德推理解释的实证分析

Aryan Kasat, Smriti Singh, Aman Chadha, Vinija Jain

机构 * TCS AI Practice（TCS人工智能实践） ； UT Austin（德克萨斯大学奥斯汀分校） ； Amazon GenAI（亚马逊生成人工智能） ； Google GenAI（谷歌生成人工智能） 纠错

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

AI总结 研究通过分析LSTM对道德困境的回应，探讨其是否具备道德发展阶段的真正进展，发现其表现出后常规推理，且存在道德解耦现象，揭示了对成熟道德推理的修辞模仿。

Comments 32 pages, 34 figures, 7 tables

RoboAlign: Learning Test-Time Reasoning for Language-Action Alignment in Vision-Language-Action Models

RoboAlign：学习测试时推理以改进视觉-语言-动作模型中的语言-动作对齐

Dongyoung Kim, Sumin Park, Woomin Song, Seungku Kim, Taeyoung Kim, Huiwon Jang, Jinwoo Shin, Jaehyung Kim, Younggyo Seo

机构 * Yonsei University（延世大学） 纠错

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

AI总结 本文提出RoboAlign框架，通过零样本自然语言推理生成动作标记并结合强化学习提升动作准确性，从而在视觉-语言-动作模型中实现语言与低级动作之间的对齐，提升模型性能。

Comments 15 pages, 7 figures, 9 Tables

Reasoning Traces Shape Outputs but Models Won't Say So

推理轨迹影响输出但模型不会坦言

Yijie Hao, Lingjie Chen, Ali Emami, Joyce Ho

机构 * Emory University（埃默里大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 研究探讨大推理模型产生的推理轨迹是否真实反映其输出驱动因素，发现注入合成推理片段能可靠改变输出，但模型在解释改变时普遍拒绝披露影响，激活分析显示系统性欺骗模式。

Learning Dynamic Belief Graphs for Theory-of-mind Reasoning

学习动态信念图以进行心灵理论推理

Ruxiao Chen, Xilei Zhao, Thomas J. Cova, Frank A. Drews, Susu Xu

机构 * Department of Civil ； Systems Engineering, Johns Hopkins University, Baltimore, MD, USA ； School of the Environment, Society \& Sustainability, University of Utah, Salt Lake City, UT, USA ； Department of Psychology, University of Utah, Salt Lake City, UT, USA ； Coastal Engineering, University of Florida, Gainesville, FL, USA 纠错

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

AI总结 本文提出一种动态信念图模型，用于增强大语言模型的心灵理论推理能力，通过联合推断潜在信念、学习时间变化依赖关系，并链接信念演变与信息获取和决策，提升高不确定性环境下的行动预测。

Predictive Scaling Laws for Efficient GRPO Training of Large Reasoning Models

为高效训练大推理模型的预测缩放定律

Datta Nimmaturi, Vaishnavi Bhargava, Rajat Ghosh, Johnu George, Debojyoti Dutta

机构 * Nutanix 纠错

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

AI总结 本文提出预测框架，通过实验推导出基于模型大小、初始性能和训练进度的经验缩放定律，识别三个训练阶段并建议提前停止以减少计算量。

MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution

MemMA：通过多智能体推理和现场自进化协调内存循环

Minhua Lin, Zhiwei Zhang, Hanqing Lu, Hui Liu, Xianfeng Tang, Qi He, Xiang Zhang, Suhang Wang

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Amazon（亚马逊） ； Microsoft（微软） 纠错

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

AI总结 MemMA通过多智能体推理和现场自进化协调内存循环，解决内存循环正向路径的战略盲区和反向路径的稀疏延迟监督问题，提升长周期交互性能。

Comments 23 pages, 5 figures

SpecSteer: Synergizing Local Context and Global Reasoning for Efficient Personalized Generation

SpecSteer：协同局部上下文与全局推理以实现高效个性化生成

Hang Lv, Sheng Liang, Hao Wang, Yongyue Zhang, Hongchao Gu, Wei Guo, Defu Lian, Yong Liu, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

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

AI总结 本文提出SpecSteer框架，通过结合本地上下文与云端推理，解决个性化生成中的隐私与推理能力矛盾，实现高效生成并提升性能。

Can We Trust LLMs on Memristors? Diving into Reasoning Ability under Non-Ideality

我们能相信基于忆阻器的LLMs吗？在非理想条件下探究推理能力

Taiqiang Wu, Yuxin Cheng, Chenchen Ding, Runming Yang, Xincheng Feng, Wenyong Zhou, Zhengwu Liu, Ngai Wong

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

AI总结 研究探讨了基于忆阻器的类脑计算架构对LLM推理能力的影响，发现非理想性导致推理能力下降，提出三种无训练策略并总结提升鲁棒性的指导原则。

Comments 7 figures, 3 tables

BehaviorVLM: Unified Finetuning-Free Behavioral Understanding with Vision-Language Reasoning

BehaviorVLM: 无需微调的统一行为理解与视觉-语言推理

Jingyang Ke, Weihan Li, Amartya Pradhan, Jeffrey Markowitz, Anqi Wu

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 BehaviorVLM通过无需微调的视觉-语言框架，实现了姿态估计和行为理解的统一，利用详细推理步骤减少人工标注，提升多动物行为分析的可扩展性和可解释性。

SiliconMind-V1: Multi-Agent Distillation and Debug-Reasoning Workflows for Verilog Code Generation

SiliconMind-V1：用于Verilog代码生成的多智能体蒸馏与调试推理工作流

Mu-Chi Chen, Yu-Hung Kao, Po-Hsuan Huang, Shao-Chun Ho, Hsiang-Yu Tsou, I-Ting Wu, En-Ming Huang, Yu-Kai Hung, Wei-Po Hsin, Cheng Liang, Chia-Heng Tu, Shih-Hao Hung, H. T. Kung

机构 * SiliconMind-V1 纠错

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

AI总结 SiliconMind-V1通过多智能体框架和测试平台驱动的验证，实现了更高效且功能正确的Verilog代码生成。

Chow-Liu Ordering for Long-Context Reasoning in Chain-of-Agents

Chow-Liu 排序用于链式代理中的长上下文推理

Naman Gupta, Vaibhav Singh, Arun Iyer, Kirankumar Shiragur, Pratham Grover, Ramakrishna B. Bairi, Ritabrata Maiti, Sankarshan Damle, Shachee Mishra Gupta, Rishikesh Maurya, Vageesh D. C

机构 * Microsoft（微软） 纠错

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

AI总结 本文利用Chow-Liu树学习依赖结构，通过广度优先遍历优化块顺序，减少信息损失并提升长上下文推理的准确率。

Comments Published as a workshop paper at ICLR 2026 Workshop MemAgents

Science Literacy: Generative AI as Enabler of Coherence in the Teaching, Learning, and Assessment of Scientific Knowledge and Reasoning

科学素养：生成式AI在科学知识与推理教学、学习和评估中的促进作用

Xiaoming Zhai, James W. Pellegrino, Matias Rojas, Jongchan Park, Matthew Nyaaba, Clayton Cohn, Gautam Biswas

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

AI总结 本文探讨生成式AI在提升科学素养中的作用，分析其在教学、学习和评估中的应用挑战与解决方案。

SarcasmMiner: A Dual-Track Post-Training Framework for Robust Audio-Visual Sarcasm Reasoning

SarcasmMiner：一种双轨后训练框架，用于鲁棒的音频视觉讽刺推理

Zhu Li, Yongjian Chen, Huiyuan Lai, Xiyuan Gao, Shekhar Nayak, Matt Coler

机构 * Speech Technology Lab, University of Groningen, The Netherlands（格罗宁根大学语音技术实验室，荷兰） ； Center for Language and Cognition, University of Groningen, The Netherlands（格罗宁根大学语言与认知中心，荷兰） 纠错

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

AI总结 SarcasmMiner通过双轨蒸馏和组相对策略优化提升多模态讽刺检测性能，实现F1值显著提升。

Think-While-Generating: On-the-Fly Reasoning for Personalized Long-Form Generation

在生成过程中思考：面向个性化长文本生成的即兴推理

Chengbing Wang, Yang Zhang, Wenjie Wang, Xiaoyan Zhao, Fuli Feng, Xiangnan He, Tat-Seng Chua

机构 * University of Science and Technology of China（科学技术大学） ； National University of Singapore（国立新加坡大学） ； The Chinese University of Hong Kong（香港中文大学） ； National Engineering Laboratory for BITA, University of Science and Technology of China（BITA国家工程实验室，科学技术大学） 纠错

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

AI总结 FlyThinker通过在生成过程中进行动态推理，提升个性化长文本生成的效率和效果。

Comments Published as a conference paper at ICLR 2026

Improving Medical Visual Reinforcement Fine-Tuning via Perception and Reasoning Augmentation

通过感知与推理增强改进医疗视觉强化微调

Guangjing Yang, ZhangYuan Yu, Ziyuan Qin, Xinyuan Song, Huahui Yi, Qingbo Kang, Jun Gao, Yiyue Li, Chenlin Du, Qicheng Lao

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Emory University（埃默里大学） ； Sichuan University（四川大学） ； Peking University（北京大学） 纠错

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

AI总结 本研究提出VRFT-Aug框架，通过增强感知与推理能力，改进医疗影像领域的强化微调效果，提升模型在医学应用中的可靠性与推理能力。

Comments CPAL 2026

Journal ref 2026 Conference on Parsimony and Learning (CPAL)

Reducing Belief Deviation in Reinforcement Learning for Active Reasoning

减少强化学习中的信念偏差以实现主动推理

Deyu Zou, Yongqiang Chen, Jianxiang Wang, Haochen Yang, Mufei Li, James Cheng, Pan Li, Yu Gong

机构 * The Chinese University of Hong Kong（香港中文大学） ； ByteDance（字节跳动） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出$\mathbf{T^3}$方法，通过跟踪信念偏差并截断训练轨迹，提升LLM在主动推理中的训练稳定性与性能表现。

Comments Published as a conference paper at ICLR 2026 (Oral)

ChainMPQ: Interleaved Text-Image Reasoning Chains for Mitigating Relation Hallucinations

ChainMPQ: 交错文本图像推理链用于缓解关系幻觉

Yike Wu, Yiwei Wang, Yujun Cai

机构 * University of Queensland（昆士兰大学） ； University of California, Merced（加州大学梅尔德分校） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 ChainMPQ通过交错文本和图像推理链，利用积累的记忆减少大型视觉语言模型的关系幻觉，提升关系推理能力。

Comments Accepted by ICLR2026

RPM: Reasoning-Level Personalization for Black-Box Large Language Models

RPM：面向黑盒大语言模型的推理层面个性化

Jieyong Kim, Tongyoung Kim, Soojin Yoon, Jaehyung Kim, Dongha Lee

机构 * Department of Artificial Intelligence, Yonsei University（人工智能系，延世大学） 纠错

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

AI总结 RPM通过构建用户行为结构模型，实现黑盒大语言模型的推理层面个性化，提升个性化性能与可解释性。

FAPO: Flawed-Aware Policy Optimization for Efficient and Reliable Reasoning

FAPO：面向高效可靠推理的缺陷感知策略优化

Yuyang Ding, Chi Zhang, Juntao Li, Haibin Lin, Min Zhang

机构 * Soochow University（苏州大学） ； ByteDance Seed（字节跳动种子） 纠错

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

AI总结 FAPO通过引入缺陷感知机制，优化策略以提升大语言模型在高效可靠推理中的性能，提高结果正确性与训练稳定性。

Comments ICLR 2026. Project page: https://fapo-rl.github.io/; Infra Doc: https://verl.readthedocs.io/en/latest/advance/reward_loop.html

Scale Can't Overcome Pragmatics: The Impact of Reporting Bias on Vision-Language Reasoning

规模无法克服语用学：报告偏差对视觉-语言推理的影响

Amita Kamath, Jack Hessel, Khyathi Chandu, Jena D. Hwang, Kai-Wei Chang, Ranjay Krishna

机构 * University of Washington（华盛顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Samaya AI（Samaya人工智能） ； Mistral AI（Mistral人工智能） ； Allen Institute for AI（人工智能研究所） 纠错

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

AI总结 本文指出视觉-语言模型在推理能力上的不足源于训练数据中的报告偏差，通过实验表明单纯扩大数据规模无法提升推理技能，但专门收集隐含信息的注释能有效改善模型表现。

Comments TACL 2026

Requesting Expert Reasoning: Augmenting LLM Agents with Learned Collaborative Intervention

请求专家推理：通过学习的协作干预增强LLM代理

Zhiming Wang, Jinwei He, Feng Lu

机构 * State Key Laboratory of VR Technology and Systems, School of CSE, Beihang University（虚拟现实技术与系统国家重点实验室，计算机科学与工程学院，北京航空航天大学） 纠错

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

AI总结 通过学习协作干预框架，提升LLM代理在需要专家推理任务中的表现，显著提高任务成功率。

RADAR: Reasoning as Discrimination with Aligned Representations for LLM-based Knowledge Graph Reasoning

RADAR: 以对齐表示进行基于大语言模型的知识图谱推理的推理

Bo Xue, Yuan Jin, Luoyi Fu, Jiaxin Ding, Xinbing Wang

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

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

AI总结 RADAR通过判别性关系推理提升知识图谱推理的鲁棒性和泛化能力，实现比LLM基线更高的链接预测和三元组分类精度。

ExpLang: Improved Exploration and Exploitation in LLM Reasoning with On-Policy Thinking Language Selection

ExpLang: 通过在线策略思考语言选择改进大语言模型推理中的探索与利用

Changjiang Gao, Zixian Huang, Kaichen Yang, Jiajun Chen, Jixing Li, Shujian Huang

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, Jiangsu, China（新型软件技术国家重点实验室，南京大学，江苏，中国） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） ； Department of Linguistics and Translation, City University of Hong Kong, Hong Kong, China（语言学与翻译系，香港城市大学，香港，中国） ； School of Mathematical Sciences, Dalian University of Technology, Liaoning, China（数学科学学院，大连理工大学，辽宁，中国） 纠错

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

AI总结 ExpLang通过在线策略思考语言选择改进大语言模型推理中的探索与利用，实现多语言优势提升

Federated Reasoning Distillation Framework with Model Learnability-Aware Data Allocation

联邦推理蒸馏框架与模型可学习性感知的数据分配

Wei Guo, Siyuan Lu, Xiangdong Ran, Yiqi Tong, Yikun Ban, Zelong Xu, Jing Fan, Zixuan Huang, Xiao Zhang, Zhaojun Hu, Fuzhen Zhuang

机构 * Beihang University（北航） ； Heilongjiang University（黑龙江大学） ； Beijing University of Civil Engineering and Architecture（北京建筑大学） ； Yanshan University（燕山大学） ； Shandong University（山东大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 LaDa是一种联邦推理蒸馏框架，通过模型可学习性感知的数据分配和领域自适应推理蒸馏方法，解决双向模型可学习性差距和领域无关推理迁移问题。