Towards Efficient Reasoning in LLM-Based Recommender Systems via Model Merging
基于模型合并的大语言模型推荐系统高效推理研究
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本研究针对LLM推荐系统推理冗长导致成本高的问题，提出首个用于推理压缩的注意力头级细粒度模型合并框架，在不降低推荐准确率的前提下最多缩短24.3%的推理长度。
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 测试时计算 266 篇
The Order Is the Guarantee: Verifier-Budgeted Code Deletion with Static-First Learned Proposals
顺序是保障：基于静态优先学习提议的验证者预算代码删除
专题命中 测试时计算 ：verifier(title,abstract)；分类 cs.AI
AI总结 该研究针对验证者预算有限时的AI代码删除问题，提出DELSCOUT调度方法，结合静态与学习候选排序，提升已验证删除覆盖率并控制验证器调用，明确了模型、顺序与执行的分工。
Distilling Reasoning Traces into Advisory Prompts for Software Engineering Tasks
将推理痕迹提炼为软件工程任务的建议提示词
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文受编程学习过程启发，提出将LLM推理痕迹提炼为建议提示词的方法，可减少LLM代码错误，部分提示词还能跨模型迁移，同时明确了方法适用场景。
Hierarchical Latent Reasoning for LLM-based Recommendation
面向基于大语言模型（LLM）的推荐系统的分层潜在推理方法
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文针对基于LLM的推荐系统提出分层潜在推理框架HiLaR，通过层感知强化优化提升推荐性能，在四个Amazon基准数据集上优于多种主流基线。
Evolution-Aware MSA Reasoning for Subsampling via Factor Graphs
基于因子图的进化感知多序列比对抽样推理
机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.LG
AI总结 研究针对MSA抽样在有限预算下难以控制进化信号的问题，提出将其作为优化问题，引入基于亲和传播的因子图方法AP-REASONER，通过特定因子和控制旋钮进行推理，实验表明该方法在下游任务中表现优异，能可控恢复蛋白质构象。
CUSUM-Shaped Inference-Time Monitoring and Targeted Re-Decoding for Quantized Small Language Model Reasoning
用于量化小语言模型推理的CUSUM形状的推理时间监测和目标重解码
机构 * Novelis Research（诺贝丽斯研究中心）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究量化小语言模型推理时轨迹问题，提出MGT - B方法，通过映射窗口到概率、累积因子等操作监测并响应警报，经实验得出该方法对特定设置有一定效果，支持选择性监测与修复机制。
Implicit Reasoning Steering via Concept Chaining
通过概念链进行隐式推理引导
机构 * School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院） ； Department of Computer Science, University of California, Davis（加利福尼亚大学戴维斯分校计算机科学系）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL
AI总结 研究大语言模型推理脆弱性，提出概念链方法，通过生成连接段落继续预训练模型，使自然文本能引导模型预测，揭示推理脆弱性可被利用，为潜在偏差影响模型决策创造渠道。
EVOQUANT: Self-Evolving Verifier-Guided Strategy Optimization for Robust Quantitative Trading
EVOQUANT：用于稳健量化交易的自进化验证器引导策略优化
机构 * HKUST(GZ)（香港科技大学（广州）） ； Paradoox AI Research（悖论人工智能研究）
专题命中 测试时计算 ：verifier(title,abstract)；分类 cs.AI
AI总结 研究针对量化策略优化多依赖人工且易出错的问题，提出EVOQUANT框架，利用大语言模型诊断瓶颈、生成候选编辑，经多阶段验证选最佳策略，能提炼经验持续改进，实验表明该方法有效提升夏普比率，为金融策略研究提供新途径。
Interaction Scaling: Grounding the Third Axis of Test-Time Compute
交互缩放：奠定测试时计算的第三轴基础
机构 * Pine AI（松树人工智能公司） ； University of Washington（华盛顿大学）
专题命中 测试时计算 ：test-time compute(title)；reasoning(abstract)；分类 cs.AI
AI总结 研究测试时增加计算量的新方法，提出交互缩放概念，通过模型与外部仪器交互突破传统方法局限，在硬编码任务和视觉工件处理上展现优势，表明交互缩放真实且区别于推理和采样，需反馈和度量基于实际。
Calibrated e-CUSUM Decoding for Quantized Reasoning Models: Why Token Log-Probability Is the Wrong Observable for Decoding Monitors
用于量化推理模型的校准e-CUSUM解码：为何令牌对数概率不适用于解码监测
机构 * Novelis Research（诺贝丽斯研究公司）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究针对低比特量化推理模型思维链退化问题，指出用居中令牌对数概率监测解码不可行。提出结合退化感知警报分数与校准e过程检测器的解码控制器，经GSM8K实验验证其有效性及不足，给出方法层面的解释与替代方案。
Selective Left-Shift: Turning Test-Time Compute and Difficulty-based Curation into Training Data for Low-Resource Code Generation
选择性左移：将测试时计算和基于难度的筛选转化为低资源代码生成的训练数据
机构 * WSO2
专题命中 测试时计算 ：test-time compute(title)；reasoning(abstract)；分类 cs.LG
AI总结 针对低资源代码生成难题，提出三阶段管道，先将推理计算左移合成训练数据，再微调嵌入句法先验，最后用可验证奖励强化学习，相比现有方法提升性能，减少数据使用和成本，且能推广到新语言。
Comments 11 Pages, 5 Figures
AutoCedar: An Agentic Framework for Verifier-Guided Access Control Policy Synthesis
AutoCedar：用于验证器引导的访问控制策略合成的智能体框架
专题命中 测试时计算 ：verifier(title,abstract)；分类 cs.AI
AI总结 研究针对大语言模型将自然语言需求转化为访问控制代码存在的问题，构建验证器引导系统AutoCedar，先转化需求为可检查目标，再合成Cedar策略，通过分解意图原子等实现端到端策略编写，在多任务和案例中表现良好。
Comments 11 pages, 2 figures
Breaking Failure Cascades: Step-Aware Reinforcement Learning for Medical Multimodal Reasoning
打破失败级联：面向医学多模态推理的步骤感知强化学习
机构 * Korea University（高丽大学） ； Upstage AI ； Kyung Hee University（庆熙大学） ； KAIST（韩国科学技术院） ； Hanyang University College of Medicine（汉阳大学医学院） ； AIGEN Sciences
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出步骤感知强化学习算法MRPO，通过为早期错误推理步骤分配指数级惩罚，打破失败级联，显著提升医学视觉问答准确率。
Inference-Time Conformal Reasoning with Valid Factuality Control for Large Language Models
面向大语言模型的推理时保形推理与有效事实性控制
机构 * Machine Learning, ICML（机器学习，国际机器学习大会）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI
AI总结 提出推理时保形推理框架，将保形预测集成到推理图生成中，通过图级不确定性校准生成停止阈值，实现有效事实性控制。
Comments Accepted at ICML 2026
Formalizing and Mitigating Structural Distortion in LLM Attention for Graph Reasoning
形式化并缓解大语言模型注意力中的结构失真以实现零样本图推理
机构 * University of Michigan（密歇根大学） ； Amazon（亚马逊）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.LG
AI总结 本文形式化了大语言模型处理文本属性图时因图线性化导致的结构失真机制，并提出轻量级推理时修改方法GaLA，通过校正注意力偏差提升零样本图推理性能。
Comments Accepted to KDD 2026
Multi-Agent Reasoning with Adaptive Worker Allocation for Stance Detection
基于自适应工人分配的多智能体推理用于立场检测
机构 * Kansas State University（堪萨斯州立大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL
AI总结 提出一种Manager-Worker多智能体框架，通过自适应分配工人智能体进行推理级合成，而非标签级投票，在隐式和上下文依赖的立场检测上显著提升性能。
Ishigaki-IDS: An Open-Weight Verifier-Aware Model for Information Delivery Specification Drafting in Building Information Modeling
Ishigaki-IDS：一种面向建筑信息模型中信息交付规范起草的开放权重验证器感知模型
机构 * ONESTRUCTION Inc.（ONESTRUCTION公司） ； AWS GenAI Innovation Center（AWS生成式AI创新中心）
专题命中 测试时计算 ：verifier(title,abstract)；分类 cs.CL
AI总结 针对BIM项目中IDS编写瓶颈，提出开放权重LLM Ishigaki-IDS，结合持续预训练、监督微调和基于验证器奖励的强化学习，生成可通过外部验证器检查的IDS草案，在基准上显著优于基线，并减少54.7%工作时间。
Comments 8 pages, 2 figures, 5 tables. Preprint
Back on Track: Aligning Rewards and States for Reasoning in Diffusion Large Language Models
重回正轨：在扩散大语言模型中对齐奖励与状态以进行推理
机构 * University of Science and Technology of China（中国科学技术大学） ； Tongyi Lab（通义实验室） ； Northeastern University（东北大学）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.CL
AI总结 针对扩散大语言模型强化学习中过程奖励与状态轨迹的双重错位问题，提出PAPO框架，通过步骤感知过程奖励和熵引导历史重演实现对齐，在四个基准上取得显著提升。
The Easy, the Hard, and the Learnable: Confidence and Difficulty-Adaptive Policy Optimization for LLM Reasoning
简单、困难与可学习：面向LLM推理的置信度与难度自适应策略优化
机构 * TMLR Group, Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系 TMLR 组） ； Stanford University（斯坦福大学） ； Sydney AI Centre, The University of Sydney（悉尼大学人工智能中心）
专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.LG
AI总结 针对GRPO训练中均匀采样导致计算效率低的问题，提出CoDaPO方法，通过置信度和难度自适应重加权与重采样，在固定预算下提升可学习问题的发现，在12个基准上优于现有RL方法。
Comments Published in ICML 2026
Teacher-Free Self-Training Amplifies but Does Not Compound: A Pass@$K$ Crossover on a Free-Verifier Domain
无教师自训练放大但不复合：自由验证器域上的 Pass@$K$ 交叉
机构 * Federal University of Rio de Janeiro（里约热内卢联邦大学）
专题命中 测试时计算 ：verifier(title,abstract)；分类 cs.LG
AI总结 在自由验证器域上，使用无教师自训练（STaR）和批评者指导的选择，发现自训练放大模型能力但不复合，通过 Pass@$K$ 交叉诊断证实。
Inference-Time Mitigation of Adversarial Political Bias in Large Language Models
大语言模型推理时的对抗性政治偏见缓解
专题命中 测试时计算 ：CoT(abstract,abstract_cn)；self-correction(abstract)；分类 cs.CL、cs.AI
AI总结 针对大语言模型的对抗性政治偏见漏洞，提出思维链提示与直接偏好优化等策略，其中递归自校正方法可显著提升模型的政治中立性表现。
When Self-Evolution Backfires: Pre-Commit Gating against Skill Contamination in LLM Agents
当自进化适得其反：针对LLM智能体中技能污染的预提交门控机制
专题命中 测试时计算 ：verifier(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 该研究发现LLM智能体自进化会出现技能污染导致性能下降的不可逆问题，提出VaG预提交门控机制，可提升性能并实现技能池跨模型迁移。
Capability-Routed Guard: Defending Large Reasoning Models Against Reasoning-Centric Jailbreaks
能力路由守卫：防御大型推理模型免受以推理为中心的越狱攻击
专题命中 测试时计算 ：reasoning(title,abstract)
AI总结 本研究提出能力路由守卫（CRG），一种针对闭源大型推理模型的模型无关推理时护栏，可有效缓解多种以推理为中心的越狱攻击，同时保留良性效用并避免过度拒绝问题。
Think2Go: Generative Next POI Recommendation with LLM Reasoning
Think2Go：基于大语言模型推理的生成式下一个兴趣点（POI）推荐
专题命中 测试时计算 ：reasoning(title,abstract)
AI总结 Think2Go框架统一SFT与RL推理，通过优势加权机制校准策略优化，解决现有POI推荐模型的意图捕捉不足问题，提升推荐性能与稳健性。
Comments Accepted by KDD 2026 Research Track Cycle 1 (Oral presentation)
TimeThink: Reasoning with Time for Video LLMs
TimeThink：用于视频语言模型的时间推理
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； OPPO AI Center, OPPO Inc.（OPPO公司OPPO人工智能中心）
专题命中 测试时计算 ：reasoning(title,abstract)
AI总结 研究视频推理中模型发现时间证据的问题，提出TimeThink框架，将时间线索步骤作为优化原语，引入奖励和优化目标，构建数据集，实验表明该框架提升了时间定位和推理性能。
Comments 14 pages
Multimodal Continuous Reasoning via Asymmetric Mutual Variational Learning
非对称互变分学习实现多模态连续推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团）
专题命中 测试时计算 ：reasoning(title,abstract)
AI总结 针对多模态大语言模型离散推理丢失感知细节及训练-推理不匹配问题，提出非对称互变分学习框架，通过双向KL散度校准先验与后验，缓解答案泄露，提升连续潜在推理性能。
Synergistic Perception-Reasoning Governance: Grounding Medical MLLMs with Verifiable Anatomical Evidence
协同感知-推理治理：用可验证解剖证据为医学多模态大语言模型提供基础
机构 * Huazhong University of Science and Technology（华中科技大学） ； Imperial Global Singapore, Imperial College London（帝国理工学院新加坡全球中心） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Anhui University（安徽大学）
专题命中 测试时计算 ：reasoning(title,abstract)
AI总结 提出一种无需训练的证据注入框架，通过ROI引导的视觉激活调制和解剖坐标语义标记，协同校准视觉感知与文本推理，动态路由任务特定干预，有效减少医学MLLM的幻觉。
Comments Accepted by MICCAI 2026 (Early Accept, Top 9%)
Glite ARF: Verifier-Driven Research with Parallel LLM Coding Agents
Glite ARF：基于验证器的并行LLM编码代理研究
专题命中 测试时计算 ：verifier(title,abstract)
AI总结 提出Glite ARF框架，通过确定性验证器脚本强制执行任务隔离和不可变性，实现并行LLM编码代理的可重复研究，在BEA 2026词汇难度共享任务中取得领先结果。
Comments 13 pages, 6 figures, 7 tables. Open-source framework (Apache-2.0) and a public demo project at https://github.com/GliteTech/glite-arf and https://github.com/GliteTech/research-ace-cefr
Learnable Token Sparsification for Efficient Gigapixel Whole Slide Image Reasoning
可学习的令牌稀疏化用于高效十亿像素全切片图像推理
机构 * Shenzhen University of Advanced Technology（深圳先进技术大学）
专题命中 测试时计算 ：reasoning(title,abstract)
AI总结 针对视觉语言模型中全切片图像令牌过多的问题，提出可学习的稀疏化方法，通过SparseLearn组件和可微分的Soft Top-K算子实现训练，推理时仅保留32个令牌，在SlideBench上达到73.32%准确率。
Defake-o3: From Speculative Rationales to Verifiable Evidence for Explainable AIGI Detection
Defake-o3：从推测性理由到可验证证据的可解释AIGI检测
机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团）
专题命中 测试时计算 ：verifier(abstract,abstract_cn)；reasoning(abstract)；分类 cs.AI
AI总结 Defake-o3是结合交互式视觉搜索与证据验证器的可解释AIGI检测器，构建了GroundFake数据集和FakeFrontier基准，在多基准上同时提升了AIGI检测准确率与解释质量。
Comments Accepted by ACMMM 2026
