大模型推理能力

LongChart VQA: A Comprehensive Benchmark for MLLMs with Complex Multi-Chart Reasoning

LongChart VQA：面向具备复杂多图表推理能力的多模态大语言模型的综合基准

Ziyan Xiao, Yinghao Zhu, Wenting Zhang, Heaju Kim, Lequan Yu

机构 * The University of Hong Kong（香港大学） 纠错

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

AI总结 LongChart VQA是面向具备复杂多图表推理能力的MLLMs的综合基准，该基准含平均6.5张图像与31.2个问题，评估10个SOTA MLLMs发现其准确率随计算复杂性提升下降，为多图表推理研究指明方向。

WaveformQA: Benchmarking LLM Temporal Reasoning on Digital Waveforms

WaveformQA：对数字波形上的大语言模型时间推理进行基准测试

Yichuan Liu, Daniel Cummings, Nick Vadlamudi

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

AI总结 研究大语言模型对数字波形的时间推理能力，提出开源问答基准WaveformQA，含360个不同难度问题，波形由开源设计生成。评估发现模型在简单查询有准确率，但复杂问题上因窗口限制等性能下降，JSON表示可提高准确率，框架支持扩展实验。

Comments 10 pages; abridged version published in IEEE International Conference on LLM-Aided Design (ICLAD), 2026

HyGRL: Adaptive Hybrid Graph Reasoning for Multi-Entity Questions

HyGRL：用于多实体问题的自适应混合图推理

Junyi Wang

机构 * Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 针对多实体组合问题，传统方法有局限。本文提出HyGRL框架，将文本嵌入知识图谱创建异构网络，通过模仿学习和强化学习进行自适应结构归纳推理，实验证明其在答案准确性、推理保真度等方面表现出色，成本低且推理快。

Comments 8 pages

RL Post-Training Builds Compositional Reasoning Strategies

强化学习后训练构建组合推理策略

Azwar Abdulsalam, Nishil Patel, Andrew Saxe

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

AI总结 研究强化学习后训练能否组合原始技能成高级策略，通过在可观察环境实验发现，强化学习能解决预训练模型难题，通过分阶段组合机制重组能力，组合过程可复用巩固，与拒绝微调关键差异在选择性，预训练消融表明其对组合策略出现有影响。

Comments 8 pages, 6 figures. Accepted to the 2nd Workshop on Compositional Learning at ICML 2026, Seoul, South Korea

Reasoning LLM Improves Speaker Recognition in Long-form TV Dramas

推理大模型提升长篇电视剧中的说话人识别

Yuxuan Li, Lingxi Xie, Xinyue Huo, Jihao Qiu, Jiacheng Shao, Pengfei Chen, Jiannan Ge, Kaiwen Duan, Qi Tian

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

AI总结 提出DramaSR-532K大规模基准和基于推理大模型的DramaSR-LRM方法，通过多模态工具使用聚合上下文证据，显著提升长篇电视剧中说话人识别准确率，尤其对短话语效果显著。

Comments Accepted to ICML 2026

Compositional Reasoning Depth Predicts Clinical AI Failure: Empirical Evidence Consistent with Transformer Compositionality Limits in Electronic Health Record Question Answering

组合推理深度预测临床AI失败：与电子健康记录问答中Transformer组合性限制一致的实证证据

Sanjay Basu

机构 * University of California San Francisco（加州大学旧金山分校） ； Waymark 纠错

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

AI总结 本研究引入推理步数（hop count）作为预测大型语言模型在电子健康记录问答中失败的理论驱动指标，发现准确率随步数增加单调下降，且扩展思考未能显著改善，提示组合推理深度是跨架构的失败预测因子。

Comments 20 pages, 5 figures. Code: https://github.com/sanjaybasu/compositional-depth-clinical-ehr

ReSET: Accurate Latency-Critical NVFP4 Reasoning via Step-Aware Temperature Scaling

ReSET: 通过步骤感知温度缩放实现精确的延迟关键型NVFP4推理

Sihwa Lee, Janghwan Lee, Donghoon Yoo, Jae Gon Kim, Hanyul Ryu, Soojung Ryu, Jungwook Choi

机构 * Hanyang University（汉阳大学） ； Xenoscube Korean Inc.（Xenoscube韩国公司） 纠错

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

AI总结 针对大型推理模型在NVFP4低精度推理中精度下降和延迟问题，提出基于推理步骤熵的温度缩放方法ReSET，并设计CUDA小M核，在多个基准上提升精度约2点，解码速度提升2倍。

Knowledge Graphs and Reasoning LLMs for Finding Simple Yet Effective Transcriptomic Perturbation Predictors

知识图谱与推理大语言模型用于寻找简单而有效的转录组扰动预测因子

Jake Fawkes, Liam Hodgson, Jason Hartford

机构 * University College London（伦敦大学学院） ； University of Manchester（曼彻斯特大学） ； Valence Labs（Valence实验室） ； Recursion（Recursion公司） 纠错

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

AI总结 利用知识图谱的K近邻方法在基因敲除扰动预测中表现优异，结合强化学习优化的LLM可达到最先进性能。

Pruning via Causal Attribution Preserves Reasoning Performance in Large Language Models

基于因果归因的剪枝保留大型语言模型的推理性能

Amogh Sheth, Biruk Assefa, Yi Wen Huang, Andrew Lin, Yuhao Ge

机构 * Edison Academy Magnet School（爱迪生学院磁石学校） ； Massachusetts Institute of Technology（麻省理工学院） ； State University of New York College at Plattsburgh（纽约州立大学普拉茨堡学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Independent Researcher（独立研究员） 纠错

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

AI总结 提出无需训练的因果归因剪枝（CAP）方法，通过测量注意力头对推理任务的因果影响进行细粒度剪枝，在20%稀疏度下相比Wanda在ARC-Challenge上准确率提升高达61%。

Comments Accepted at the ICLR 2026 Workshop on LLM Reasoning. 13 pages, 2 figures

Reading Between the Dots: Decoding Hidden Computation across Filler Tokens

解读点之间的信息：解码跨填充令牌的隐藏计算

Kaley Brauer, Claudio Mayrink Verdun, Samuel Marks

机构 * Harvard University（哈佛大学） ； Cambridge Boston Alignment Initiative（剑桥波士顿对齐计划） ； Massachusetts Institute of Technology（麻省理工学院） ； Anthropic 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 研究前沿语言模型对无内容填充令牌的隐藏计算，通过分析两个前沿模型在四个任务家族中的表现，介绍无监督解码管道，能从隐藏状态恢复中间值，证明隐藏计算可从残差流读取。

Comments Accepted to ICML 2026 Mech Interp Workshop, 10 main paper pages, 20 appendix pages

TDD-Agent: Test-Driven Reasoning for Code Generation

TDD-Agent：用于代码生成的测试驱动推理

Hongyue Yu, Kefan Li, Jiakun Li, Hongzheng Chai, Yuan Yuan, Rui He, Junyi Wei

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

AI总结 TDD-Agent将测试驱动开发范式应用于代码生成，通过测试优先推理和迭代双轨优化，在LiveCodeBench和RepoEval上均优于相关基线，提升了代码及测试的有效性。

Generated Context versus Governed State: Functional Conditions for Accountable Longitudinal Clinical Reasoning

生成式上下文与受控状态：可问责纵向临床推理的功能条件

Augusto Bernardo Pissarra, Victor Lorena de Farias Souza

机构 * MyndwareMed（迈恩德韦尔医疗） 纠错

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

AI总结 本文区分生成式上下文与受控状态，定义可问责临床AI的审计标准与信息要求，提出六级成熟度框架，将当前LLM临床实践定位于高能力低成熟度，为可问责临床AI提供概念与审计工具。

SheetCompass: Hierarchical Relation Graphs for Agentic Spreadsheet Reasoning

SheetCompass：面向智能体电子表格推理的分层关系图

Panjing He, Mingyue Cheng, Yucong Luo, Li Li, Xiaohan Zhang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 针对LLM处理电子表格时丢失多维结构语义的问题，提出SheetCompass框架，通过显式建模表内外结构关系并结合内存机制，提升智能体对复杂工作簿的推理能力。

Intern-S2-Mobius: Foundation Model with Decoupled Knowledge and Reasoning

Intern-S2-Mobius：知识与推理解耦的基础模型

Kai Chen, Jifeng Ding, Ning Ding, Jiaye Ge, Lixin Gu, Yicheng Gu, Qipeng Guo, Ermo Hua, Haian Huang, Haozheng Hou, Jie Hou, Xiangyu Hong, Che Jiang, Minxi Jin, Cheng Liang, Dahua Lin, Dawei Liu, Kuikun Liu, Chengqi Lv, Haijun Lv, Han Lv, Ningsheng Ma, Biqing Qi, Jianmin Qian, Shiya Su, Youbang Sun, Huanze Tang, Zhongbo Tian, Hanjing Wang, Rui Wang, Ting Wang, Yi Wang, Baiting Wu, Jun Xu, Bowen Yang, Hui Wang, Weida Wang, Haochen Ye, Jiashuo Yu, Shan Yu, Xiaoyi Yu, Qirui Zeng, Qi Zhang, Ming Zhang, Wenwei Zhang, Bowen Zhou, Xinyu Zhou

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

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

AI总结 该研究提出知识与推理解耦的Mobius-v0架构，基于此构建的7B模型和Intern-S2-Mobius模型，分别在减少训练数据和提升推理速度的同时保持了相近的下游任务性能。

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

REIN: Bridging the Gap between Reasoning and Reliability via Reflection and Abstention Alignment

REIN：通过反思与弃权对齐缩小推理与可靠性之间的差距

Zhengze Huang, Luyang Yu, Di Hong, Xinzhe Huang, Wanyu Lin, Zhixuan Chu, Zhan Qin, Tianhang Zheng

机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； 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)；分类 cs.AI

AI总结 REIN是一个对齐框架，通过训练大型推理模型生成结构化推理序列，引入奖励机制鼓励模型在无正确推理链时弃权，在单次前向传播中减少幻觉、提升选择性准确率并保持高覆盖率。

Comments 26 pages and 22 figures

ReflectRL: Learning from Golden Negative Trajectories via Reflective-to-Direct Reasoning

ReflectRL：通过反思到直接推理从优质负轨迹中学习

Jinhe Bi, Chennan Zhou, Zengjie Jin, Aniri, Shuo Lu, Wenke Huang, Hu Cao, Xun Xiao, Zhihong Zhu, Volker Tresp, Fei Shen, Yunpu Ma, Tat-Seng Chua

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

AI总结 ReflectRL是一种轻量即插即用框架，将专家失败的优质负轨迹作为反思对象而非丢弃，经反思推理与策略转换，在多基准、多模型及多训练方法上以极小开销提升大语言模型推理性能。

Comments Project page: https://github.com/bibisbar/ReflectRL

Shared Prefixes, Better Credit: Adaptive Routing for Multi-Agent Reasoning

共享前缀，更优信用：面向多智能体推理的自适应路由

Yiqing Liu, Zihao Wang, Hantao Yao, Wu Liu, Yongdong Zhang

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

AI总结 本研究针对现有多智能体推理自适应路由方法的粗粒度监督缺陷，提出TreeCredit共享前缀信用分配框架，通过状态匹配下游比较估计算子效用，在六个推理基准上实现了准确率与推理成本的更优权衡。

Learning Latent Reasoning Traces for Scalar Reward Models End-to-End

学习标量奖励模型的端到端潜在推理轨迹

Sanwoo Lee, Clive Bai, Hsiu-Yuan Huang, Kun Liang, Weijie Liu, Yunfang Wu

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

AI总结 针对奖励模型范式不匹配问题，提出LatentRM框架，将推理轨迹作为潜在变量端到端优化，在多任务上优于各类基准奖励模型。

SEGRA: Structured Experience-Guided Graph Reasoning Agent for Gremlin Based Question Answering

SEGRA：用于基于Gremlin的问答的结构化经验引导图推理代理

Saiyue Lyu, Mariam Dundua, Vishaal Kapoor, Sarthak Ahuja, Neda Kordjazi, Evren Yortucboylu, Harsh Amin, Rebecca Steinert

机构 * University of British Columbia（英属哥伦比亚大学） ； Amazon（亚马逊） 纠错

专题命中 复杂问题求解 ：reasoning(title)；chain-of-thought(abstract)；分类 cs.AI

AI总结 针对企业文本到Gremlin问答难题，SEGRA引入经验引导代理，集成多种技术，包括意图路由、查询生成等。在企业IT支持基准测试中成绩出色，平均评判分数大幅提高，技能库还降低了成本，提升了企业图问答的准确性与效率。

RECON: Benchmarking Agent Memory for Compositional Reasoning over Long Contexts

RECON：用于长上下文组合推理的智能体内存基准测试

Mihir Shriniwas Arya

机构 * RV College of Engineering（RV工程学院） ； Department of Computer Science and Engineering（计算机科学与工程系） 纠错

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

AI总结 该研究引入RECON基准测试，用于评估长上下文组合推理，跨越三个领域24个案例文件，测试智能体六个内存密集型任务，揭示当前架构在内存相关任务上存在重大局限，非预言机系统准确率低，检索和推理有挑战。

Comments 25 pages

Closed-Loop Control with Rule-Aligned Small Language Models and Multi-Agent Self-Correction

基于规则对齐的小语言模型和多智能体自我校正的闭环控制

Yuchen Wang, Javal Vyas, Tong Liu, Mehmet Mercangoz

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

AI总结 研究能否对紧凑型小语言模型再训练用于控制推理并嵌入验证器引导的校正循环，通过组相对策略优化对齐模型，结合多种智能体，在随机热控模拟中取得高准确率和低延迟，支持该架构用于边缘可重构自主控制。

Comments Accepted by IEEE CCTA 2026

Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation

思想有基因组：科学谱系推理与基于谱系的思想生成基准测试

Yifan Zhou, Qihao Yang, Yan Li, Donggang Li, Xiru Hu, Hokin Deng, Ziyang Gong, Xuanyi Zhou, Huacan Wang, Xiangchao Yan, Wanghan Xu, Wenlong Zhang, Shaofeng Zhang, Yue Zhou, Yifan Yang, Zhihang Zhong, Xue Yang

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

AI总结 该研究提出IG-Bench基准测试，用于科学谱系推理与基于谱系的思想生成。围绕IdeaGene框架构建，支持两种评估。通过对14个基于大语言模型的科学家实验，发现存在组合瓶颈，最强系统谱系推理精确准确率低，结构化谱系上下文改变系统排名。

Reaction-network reasoning with frontier models for experimentally confirmed catalyst-selectivity hypotheses

使用前沿模型进行反应网络推理以获得实验证实的催化剂选择性假设

Sutanay Choudhury, Anwesha Banerjee, Udishnu Sanyal, Jorin Dawidowicz, Chiezugolum Ijeoma Odilinye, Jesun Firoz, Liney Arnadottir, Simone Raugei, Johannes Lercher, Arnab Dutta

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

AI总结 研究复杂反应中催化剂选择性问题，利用前沿语言模型开发人机协同思考框架，通过识别控制途径竞争的物理杠杆发现新型催化剂，指导合成的催化剂使乙酸盐选择性提高三倍，转变计算范式，提供材料发现蓝图。

You Frame It: How Conceptual Representations Shape LLM Detection and Reasoning about Antisemitism

你构建框架：概念表征如何塑造大语言模型对反犹主义的检测与推理

Katharina Soemer, Helena Mihaljević

机构 * Goethe University, Frankfurt（法兰克福歌德大学） ； HTW Berlin（柏林工业大学） 纠错

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

AI总结 研究不同形式概念基础对四个先进大语言模型检测反犹主义及解释行为的影响，用两个专家注释数据集比较不同表征，发现细粒度分类表征能提高召回率但降低精度，还揭示了模型解释存在的局限。

Folding, Reasoning, and Scaling with Open-source Drug Discovery Engine

使用开源药物发现引擎进行折叠、推理和扩展

Aureka AI OpenDDE project

机构 * Aureka AI（奥雷卡人工智能） 纠错

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

AI总结 介绍开源全原子生物分子基础模型OpenDDE，以共折叠为切入点构建可扩展AI驱动药物发现引擎，整合多方面进展实现一定精度，还指出共折叠模型扩展方向，推动药物发现发展。

From Reasoning Traces to Reusable Modules: Understanding Compositional Generalization in Language Model Reasoning

从推理轨迹到可复用模块：理解语言模型推理中的组合泛化

Lingjing Kong, Xin Liu, Guangyi Chen, Martin Q. Ma, Xiangchen Song, Yuekai Sun, Mikhail Yurochkin, Taylor W. Killian, Ruslan Salakhutdinov, Kun Zhang, Eric P. Xing, Zhengzhong Liu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Institute of Foundation Models（基础模型研究院） ； University of Michigan（密歇根大学） 纠错

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

AI总结 本文通过层次化潜在选择模型形式化组合泛化，理论证明SFT提供原子模块，RL分解轨迹实现组合泛化，实验验证RL能从复合轨迹中提取原子模块并重组解决新配置。

Comments ICML2026

CheckRLM: Effective Knowledge-Thought Coherence Checking in Retrieval-Augmented Reasoning

CheckRLM: 检索增强推理中的有效知识-思维连贯性检查

Dingling Xu, Ruobing Wang, Qingfei Zhao, Yukun Yan, Zhichun Wang, Daren Zha, Shi Yu, Zhenghao Liu, Shuo Wang, Xu Han, Maosong Sun

机构 * School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） ； Beijing Key Laboratory of Artificial Intelligence for Education（北京人工智能教育重点实验室） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Department of Computer Science and Technology, Institute for AI, Tsinghua University（清华大学人工智能研究院计算机科学与技术系） ； Northeastern University（东北大学） 纠错

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

AI总结 提出CheckRLM框架，通过检索增强生成及时检查和纠正推理链中的事实错误，确保推理与知识一致，降低长程推理错误累积成本。

Comments 24 pages, 7 figures

Hybrid-IR: Dual-Path Hybrid Retrieval with Iterative Reasoning for Complex Medical Question Answering

Hybrid-IR: 面向复杂医学问答的双路径混合检索与迭代推理

Sheng Wan, Jiahui Zhang, Zicheng Zhao, Shougang Ren

机构 * College of Artificial Intelligence, Nanjing Agricultural University（南京农业大学人工智能学院） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） 纠错

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

AI总结 提出Hybrid-IR框架，结合图检索与稠密检索的双路径检索机制，并通过迭代检索-推理循环逐步优化推理轨迹，有效解决复杂医学问答中知识碎片化和静态检索不足的问题。

EHR-Complex: Benchmarking Medical Agents for Complex Clinical Reasoning

EHR-Complex：面向复杂临床推理的医疗智能体基准测试

Yitong Qiao, Lei Liu, Yue Shen, Jian Wang, Jinjie Gu, Zhixuan Chu, Kui Ren

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 提出EHR-Complex基准，基于MIMIC-IV构建约5.2万项交互式临床数据库推理任务，评估智能体在复杂SQL和代码执行中的表现，揭示主要失败模式。