AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
具有自适应退出状态选择的循环状态空间语言模型
机构 * Rikkyo University（立教大学） ； The University of Tokyo（东京大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究循环状态空间语言模型在推理任务及预训练中的表现，采用循环曼巴等架构，在推理任务中优于非循环基线，预训练时在下游基准测试有竞争力，适配退出门后在中间深度提升下游性能。
探索用于生成高质量数学视觉辅助工具的智能工作流程
机构 * Stanford Graduate School of Education（斯坦福大学教育研究生院） ； Department of Computer Science（计算机科学系）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对中学数学图表可靠生成难的问题，引入智能工作流程，让 LLM 智能体评估并迭代改进生成的视觉效果，通过探索性评估确定改进关键领域，初步证明可提高 AI 生成数学图表的可靠性和教育价值。
Comments 13 pages, 9 figures. Exploratory course project on agentic workflows for generating and evaluating K 12 mathematical diagrams
在大语言模型生成中解耦任务解决与输出格式
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究针对大语言模型任务指令与格式要求交织致性能下降的问题，提出解耦框架Deco-G，将格式遵循委托给单独模块，引入指令感知蒸馏等三项创新，实验证明其优于基线方法，能保证格式符合。
Comments Update to the latest ACL published version and add a link to the released code
Journal ref Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), Association for Computational Linguistics, 2026, pp. 16764-16781
具体化命题提示解决大语言模型中的组合-知识二分法
机构 * Columbia University（哥伦比亚大学） ； UNIST（全南科学技术大学） ； POSCO Holdings（POSCO控股）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究针对大语言模型组合-知识二分法难题，提出具体化命题提示（CPP）框架。通过明确相关命题具体化，提升推理性能，尤其在医学基准测试中表现突出，且可扩展到多种模型和参数规模，弥合两类方法差距，解决了二分法问题。
Comments 9
SPL：使用声明式确定性-概率性组合编排工作流
机构 * Independent Researcher（独立研究者）
专题命中 数学推理 ：verifier(abstract)；分类 cs.CL
AI总结 研究提出SPL语言统一确定性与概率性计算模式，通过共享语法等实现跨平台运行。经实验验证，求解器分支有较高机器验证正确性，对比仅用大语言模型的分支，呈现后端难度梯度，主要失败模式为求解器错误。
Comments 24 pages, 2 figures, under review at TMLR
IMProofBench：在研究级数学证明生成上对人工智能进行基准测试
机构 * ETH Zurich（苏黎世联邦理工学院） ； Aarhus University（奥胡斯大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 针对大语言模型数学能力评估，引入IMProofBench基准测试，由专家开发77个经同行评审问题，涵盖详细证明及子问题，模拟现实研究环境，结果显示当前LLMs能解决不少研究级问题，该基准测试将持续发展。
Comments v2: benchmark expanded from 39 to 77 problems; evaluation extended to 14 models including GPT-5.4, Gemini 3.1 Pro, and Claude Opus 4.6; new analyses (IRT-based score aggregation, inter-rater reliability, tool/token usage, non-agentic ablation); contributor author list updated
评估用于计算和实验数学的SageMath增强型大语言模型智能体
机构 * The Sage Developers（Sage开发者团队）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究聚焦AI在数学领域进展，提出结合大语言模型推理与SageMath反馈的智能体设置，改进RealMath基准。实验表明该设置能提升模型性能，缩小模型差距，CAS增强型智能体在计算探索上有潜力，朝自动猜想发现迈进。
Comments 37 pages, 16 figures, accepted to 3rd AI for Math Workshop at ICML 2026
拟阵的切线类与美妙紧化
机构 * Stanford University（斯坦福大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文针对无环拟阵 \(M\) 及特定构建集 \(\mathcal{G}\) 构造整切线类 \(T_{M,\mathcal{G}}^{\mathbb{Z}}\)，可恢复周环希尔伯特级数等。主体由人工智能达努斯自主生成，在相关论文公开前解决问题，展现了AI在数学研究中的潜力。
Comments v2: added reference to Danus report [Liu et al., arXiv:2607.06447] and minor edits
思维种子：在语言模型中利用历史多样性进行位置感知强化学习
机构 * TJUNLP Lab, College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院 TJUNLP 实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究语言模型在线强化学习问题，提出思维种子这一令牌级混合策略框架，利用模型历史检查点作离线前缀，通过令牌级重要性比率有效利用历史多样性，实验表明其性能优于标准在线训练和现有离线扩展。
加速回报与科学的定性引擎
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文解释加速回报理论，指出其适用于执行能力，但科学发现依赖定性推理；引入定性引擎（QES）弥补这一缺失，强调保存人类智慧。
打破似然陷阱：面向大语言模型解码的方差校准调制
机构 * School of Computer and Information Engineering, Henan University（河南大学计算机与信息工程学院） ； Department of Statistics, LMU Munich（慕尼黑大学统计系） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出方差校准调制（VCM），通过上下文PMI搜索和自适应自去偏置两种动态机制，在截断前重塑概率分布，以缓解LLM的似然陷阱问题，提升生成多样性、连贯性和推理准确性。
Comments Under Review
策略改进强化学习
机构 * Beihang University（北航） ； Peking University（北京大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出策略改进强化学习（PIRL）框架，通过最大化跨迭代的累积策略改进来替代替代奖励最大化，并基于此设计策略改进策略优化（PIPO）算法，实现闭环优化，在数学推理基准上提升稳定性和性能。
机械数学智能体团队：用于数学研究的大语言模型驱动智能体
机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, CAS（中国科学院数学与系统科学研究院数学科学国家重点实验室） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学高等研究院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 针对数学研究给现有推理系统带来的挑战，提出机械数学智能体团队，设计三方架构，实例化三个专业智能体，闭环协作生成形式化认证的数学证明，经评估可在研究全周期辅助，有通用架构、系统实例及实证验证三大贡献。
RolloutPipe: 分离式在线策略LLM强化学习中的流水线化Rollout与训练重叠
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Southern University of Science and Technology（南方科技大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 针对分离式RLVR系统中rollout与训练阶段空闲问题，提出RolloutPipe框架，通过完整组流水线（CGP）和前沿组调度（FGD）实现训练与rollout重叠，保持在线策略正确性，减少训练等待时间30.7%-42.3%。
Comments 15 pages
Journal ref Proceedings of the 2026 International Conference on Cognitive Computing (ICCC 2026)
OpenSIR: 开放式自我改进推理器
机构 * University of Edinburgh（爱丁堡大学） ； Imperial College London（伦敦帝国理工学院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出OpenSIR框架，通过多样性奖励和难度校准实现开放式自我对弈，无需外部验证器或标注数据，在七个数学基准上平均提升指令模型3.6分、推理模型3.1分，且唯一能泛化到通用推理。
AutoMathKG：基于LLM和向量数据库的自动化数学知识图谱
机构 * Academy of Mathematics and Systems Science（数学与系统科学研究院） ； Chinese Academy of Sciences（中国科学院） ； School of Mathematical Sciences（数学科学学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； AMSS Center for Forecasting Science（数学与系统科学研究院预测科学中心） ； State Key Laboratory of Mathematical Science（数学科学国家重点实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出AutoMathKG，一种高质、广覆盖、多维度的数学知识图谱，通过LLM和向量数据库实现自动更新与知识融合，实验显示其在可达性查询和数学推理方面表现优异。
Journal ref Computational Intelligence, vol. 41, no. 4 (2025): e70096
Set Diffusion: 在自回归与扩散之间插值令牌顺序以实现快速灵活的解码
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出Set Diffusion模型，通过将似然参数化为灵活位置和长度的令牌集，并设计集因果扩散架构，支持任意顺序解码和KV缓存更新，在数学推理、摘要和无条件生成上优于先前的扩散语言模型。
Comments ICML 2026. We provide the code at https://github.com/kuleshov-group/setdlms
可预测的GRPO：训练动力学的闭式模型
机构 * Nutanix ； Unsloth
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 提出GRPO训练动力学的第一性原理降阶模型，揭示其指数饱和律的物理含义，预测群大小不变性、稳定性阈值和过阻尼-振荡转变，并在多个模型和基准上验证。
少而精的潜在信息带来更好的中继：面向潜在多智能体大语言模型协作的信息保持压缩
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of California, Merced（加州大学默塞德分校）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出一种信息保持压缩方法，通过引入正交回填机制，在减少通信开销的同时保持信息完整性，提升了多智能体大语言模型协作性能。
BLUEX v2: 对巴西大学入学考试开放性问题的大语言模型基准测试
机构 * UNICAMP（坎皮纳斯州立大学） ； Tropic AI ； Maritaca AI
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 针对葡萄牙语开放性问题评估的不足，提出BLUEX v2基准，包含巴西两所顶尖大学第二阶段入学考试的395道题，采用LLM-as-a-judge评估21个模型，发现数学推理和图像理解是最难的能力维度。
Comments 15 pages, 4 figures, 7 tables
切割超立方体的改进上界
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Worcester Polytechnic Institute（伍斯特理工学院） ； Constructive Codes
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 研究用最少超平面切割n维超立方体所有边的问题，通过构造8个超平面切割Q_{10}，将上界从⌈5n/6⌉改进为⌈4n/5⌉（n为5的奇数倍时加1）。
过程优势信号塑形：用于LLM推理器过程监督强化学习的范式无关中间件
机构 * Tsinghua University（清华大学） ； WeChat, Tencent（微信、腾讯）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出PASS中间件，通过优势融合、按值分块和长度分割解决GRPO在过程监督强化学习中的通道污染、分辨率不匹配和累积陷阱问题，在数学推理和多跳问答任务上持续提升pass@1。
Comments 19 pages, 3 figures
为小型无人机系统合作战术解冲突进行大型语言模型微调
机构 * George Washington University（乔治华盛顿大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文研究了利用微调策略使大型语言模型在合作多智能体战术解冲突中做出决策，通过模拟生成数据提升决策准确性与一致性。
Comments 15 pages, 6 figures, to be published in CVPR 2026 Workshop Proceedings
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 1067-1076
压缩感知在大语言模型能力定位中的应用
机构 * Carnegie Mellon University（卡内基梅隆大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究通过压缩感知方法识别大语言模型中特定能力依赖的稀疏注意力头，发现关闭少量头可显著降低特定能力表现，揭示了模型模块化组织原则。
脚本和格式对LLM数理能力的影响
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究探讨了不同数字脚本和格式对LLM数理能力的影响，发现当输入使用不常见脚本或格式时，LLM准确性显著下降，但通过提示策略可缩小差距。
NebulaExp-8B：基于全尺度消融研究的经验性后训练流程
机构 * ZTE NebulaL0 Post-Training Team（中兴通讯NebulaL0后训练团队）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出NebulaExp透明后训练流程，基于Qwen3-8B-base，通过数据清洗、三阶段SFT和GRPO RL优化指令与推理分支，并探索OPD/MOPD替代RL，在8B模型上实现性能提升。
Comments 29 pages, 8 figures
AfriqueLLM: 数据混合与模型架构如何影响非洲语言的持续预训练
机构 * McGill University（麦吉尔大学） ； Mila-Quebec AI Institute（魁北克AI研究所） ； LMU Munich & Munich Center for Machine Learning（慕尼黑大学及慕尼黑机器学习中心） ； Microsoft AI for Good Research Lab（微软AI for Good研究实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文通过持续预训练26B tokens，在20种非洲语言上构建了AfriqueLLM模型套件，系统研究了数据组成和模型架构对下游性能的影响，发现数据组成是主要驱动因素，且架构选择比模型规模更重要。
Comments Accepted to ACL 2026 (Main Conference)
更深并非总是更好：通过置信层解码缓解对齐税
机构 * Qwen Team, Alibaba Inc.（阿里巴巴集团 Qwen 团队） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 提出Confident Decoding，一种无需训练的解码策略，通过熵引导的保守反向搜索动态选择最可靠的近最终层，以缓解对齐微调导致的最终层扰动，提升推理性能。
FairTutor: 预算受限AI辅导中的公平感知教学LLM路由
机构 * Independent researcher, Shanghai, China（独立研究者，上海，中国）
专题命中 数学推理 ：planning(abstract)；分类 cs.AI
AI总结 提出FairTutor框架，通过教学驱动的多智能体编排实现成本效益AI辅导，在降低71.6%服务成本的同时达到97.1%的优质教学质量，并引入AIED优势差距指标衡量公平性。
Comments AI for Education Day at SIGKDD 2026, 14 pages, 2 figures
SPARC：用于电路问答的多智能体系统
机构 * University of Michigan（密歇根大学） ； Bangladesh University of Engineering and Technology（孟加拉工程与技术大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 提出SPARC多智能体系统，通过可执行的物理仿真程序进行推理，在电路问答任务上实现83%准确率，较基线提升高达58%。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈