Discrete Adjoint Matching
离散共轭匹配
机构 * Massachusetts Institute of Technology（麻省理工学院） ； FAIR at Meta（Meta 的 FAIR）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出离散共轭匹配方法，用于微调离散生成模型，通过离散域上的共轭估计器解决熵正则化奖励优化问题。
Comments ICLR 2026
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. 数学推理 3222 篇
Mathematics and Machine Creativity: A Survey on Bridging Mathematics with AI
数学与人工智能：连接数学与AI的综述
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文综述了AI在数学研究中的应用，探讨了AI通过提供灵活框架和归纳推理能力，如何支持数学研究，并促进数学与AI的跨学科理解。
Comments This article is withdrawn due to internal authorship and supervisory considerations that require clarification before the work can proceed in its current form. After further review, I believe it is appropriate to pause and formally resolve these matters to ensure full compliance with institutional and collaborative research policies
$\mathcal{X}$-KD: General Experiential Knowledge Distillation for Large Language Models
$\mathcal{X}$-KD：用于大型语言模型的通用经验知识蒸馏
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出$\mathcal{X}$-KD，通过模拟教师的原始学习环境，提升大型语言模型的蒸馏效果，优于现有基线方法。
Temperature as a Meta-Policy: Adaptive Temperature in LLM Reinforcement Learning
温度作为元策略：LLM强化学习中的自适应温度
机构 * Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 TAMPO通过将温度控制转化为可学习的元策略，实现了LLM强化学习中的自适应探索，优于固定或启发式温度方法。
Comments Accepted at ICLR 2026. 10 pages (main text) + supplementary material, 6 figures
Beyond Parameter Arithmetic: Sparse Complementary Fusion for Distribution-Aware Model Merging
超越参数运算：用于分布感知模型融合的稀疏互补融合
机构 * Beijing Qiyuan Technology Co., Ltd.（北京启元科技有限公司） ； Peking University（北京大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出SCF-RKL方法，通过稀疏、分布感知的更新控制功能干扰，提升模型融合的稳定性与泛化能力。
Expanding the Capabilities of Reinforcement Learning via Text Feedback
通过文本反馈扩展强化学习的能力
机构 * Department of XXX, University of YYY, Location, Country（YYY大学XXX系） ； School of ZZZ, Institute of WWW, Location, Country（WWW研究所ZZZ学院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 本文提出通过文本反馈改进强化学习的方法，通过自我蒸馏和反馈建模在推理、数学和写作任务中超越基线性能。
Comments 43 pages, 6 figures
Unveiling Super Experts in Mixture-of-Experts Large Language Models
揭示混合专家大语言模型中的超级专家
机构 * Tsinghua University（清华大学） ； Meituan（美团） ； Xiamen University（厦门大学） ； Nanjing University（南京大学） ； The University of Hong Kong（香港大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 研究揭示了混合专家大语言模型中起关键作用的超级专家，通过分析其影响发现其在数学推理中的重要性，并探讨了压缩这些专家对模型性能的显著影响。
Comments Published as a conference paper at ICLR 2026
ReForm: Reflective Autoformalization with Prospective Bounded Sequence Optimization
ReForm：具有前瞻性有界序列优化的反思自动形式化
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Zhejiang University（浙江大学） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大模型与智能治理重点实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 ReForm通过整合语义一致性评估和前瞻性有界序列优化，提升自动形式化任务的准确性和语义保真度，实验表明其在四个基准上的性能提升了22.6个百分点。
Comments Camera Ready version for ICLR 2026. Code: https://github.com/Chen-GX/ReForm
Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading
一分钟内交易！基于理性驱动的量化金融交易代理系统
机构 * Tongji University（同济大学） ； Microsoft Research Asia（微软亚洲研究院） ； University of Bristol（布里斯托大学） ； Fudan University（复旦大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 TiMi是一种基于理性驱动的多代理系统，通过解耦策略开发与分钟级部署，实现量化金融交易的高效稳定盈利。
Comments 17 pages, 6 figures
QUATRO: Query-Adaptive Trust Region Policy Optimization for LLM Fine-tuning
QUATRO：用于LLM微调的查询自适应信任区域策略优化
机构 * Seoul National University（首尔国立大学） ； Ewha Woman University（成均馆大学） ； Geogia Institute of Technology（佐治亚理工学院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 QUATRO通过原则性优化直接施加信任区域约束，实现稳定且可控的LLM微调，提升训练稳定性与熵控制。
Judging What We Cannot Solve: A Consequence-Based Approach for Oracle-Free Evaluation of Research-Level Math
判断我们无法解决的内容：一种基于后果的方法用于无Oracle评估研究级数学
机构 * snu（首尔国立大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出基于后果的无Oracle评估方法，用于评估研究级数学问题的求解质量，通过测试候选方案在相关问题中的表现，有效提升评估准确性。
Comments Preprint
Length-Unbiased Sequence Policy Optimization: Revealing and Controlling Response Length Variation in RLVR
长度无偏序列策略优化：揭示和控制RLVR中的响应长度变化
机构 * Meituan（美团）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出LUSPO算法，通过消除长度偏差解决RLVR中响应长度崩溃问题，并在多个任务中展示出优于现有方法的性能。
Benchmarking Large Language Models for Diagnosing Students' Cognitive Skills from Handwritten Math Work
对大型语言模型诊断学生手写数学作业认知技能的基准测试
机构 * School of Computing, KAIST, Daejeon, Republic of Korea（韩国庆熙大学计算机学院） ； University of Michigan, Ann Arbor, USA（美国密歇根大学） ； Ewha Womans University, Seoul, Republic of Korea（韩国成均馆大学） ； AlgorithmLabs, Seoul, Republic of Korea（韩国AlgorithmLabs公司）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文评估了18种大型语言模型在诊断学生手写数学作业认知技能时的表现，发现模型在模糊证据下表现不佳，揭示了模型在证据处理上的系统性问题。
ConvexBench: Can LLMs Recognize Convex Functions?
ConvexBench: LLMs能否识别凸函数？
机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； University of Pennsylvania（宾夕法尼亚大学） ； UC San Diego（加州大学圣地亚哥分校） ； The Ohio State University（俄亥俄州立大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 ConvexBench通过分治框架解决LLM在深度函数组合中识别凸性的挑战，显著提升大深度下的性能。
Extending RLVR to Open-Ended Tasks via Verifiable Multiple-Choice Reformulation
通过可验证的多选改写扩展RLVR以应对开放性任务
机构 * Baidu Ernie Team（百度文心团队）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出VMR-RLVR方法，通过将开放性任务数据转化为可验证的多选格式，提升LLM在无明确真实值情况下开放性任务的推理能力。
Comments 8 pages
ReMiT: RL-Guided Mid-Training for Iterative LLM Evolution
ReMiT: 通过强化学习指导的迭代大语言模型进化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 ReMiT通过强化学习指导中训练过程，实现大语言模型的迭代进化，提升模型在数学、代码和推理任务上的表现。
Comments 25 pages
TMS: Trajectory-Mixed Supervision for Reward-Free, On-Policy SFT
TMS：轨迹混合监督用于无奖励、在线策略微调
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 TMS通过轨迹混合监督在无奖励的情况下提升大语言模型的保留能力，有效弥补了传统SFT与RL之间的差距。
One-Token Rollout: Guiding Supervised Fine-Tuning of LLMs with Policy Gradient
单个标记回滚：通过策略梯度引导大语言模型的监督微调
机构 * The Chinese University of Hong Kong（香港中文大学） ； Noah’s Ark Lab, Huawei（华为诺亚实验室） ； ChatEDA Tech（ChatEDA技术公司）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 通过策略梯度引导监督微调，单个标记回滚（OTR）在多个基准测试中优于标准SFT，展示了on-policy数据对泛化能力的重要性。
Why GRPO Needs Normalization: A Local-Curvature Perspective on Adaptive Gradients
为何GRPO需要规范化：从局部曲率角度探讨自适应梯度
机构 * Department of Aeronautics and Astronautics, MIT（麻省理工学院航空与宇航系） ； Department of Statistics, University of Wisconsin--Madison（威斯康星大学麦迪逊分校统计系） ； Department of Informatics, King's College London（伦敦国王学院信息学系） ； Department of Computer Sciences, University of Wisconsin--Madison（威斯康星大学麦迪逊分校计算机科学系）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 GRPO中标准差规范化通过局部曲率视角解释了其自适应梯度机制，理论和实验表明规范化能提升收敛速度并优化训练阶段表现。
InstructDiff: Domain-Adaptive Data Selection via Differential Entropy for Efficient LLM Fine-Tuning
InstructDiff：通过微分熵实现领域自适应的数据选择以实现高效的LLM微调
机构 * Peking University（北京大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Tsinghua University（清华大学） ； SUFE（上海财经大学） ； SUSTech（南方科技大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 InstructDiff通过微分熵实现领域自适应的数据选择，提升LLM微调效率，实验显示在数学推理和通用指令遵循任务上分别提高17%和52%。
Surrogate Signals from Format and Length: Reinforcement Learning for Solving Mathematical Problems without Ground Truth Answers
从格式和长度获取代理信号：用于无真实答案解决数学问题的强化学习
机构 * Baichuan Inc（百川公司） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本研究提出利用格式和长度作为代理信号，通过强化学习提升数学问题解决性能，无需真实答案，实现高效推理优化。
Self-Improvement of Language Models by Post-Training on Multi-Agent Debate
通过多智能体辩论进行语言模型的自改进
机构 * Meta AI ； Columbia University（哥伦比亚大学） ； Meta Superintelligence Labs（Meta超智能实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 通过多智能体辩论和强化学习提升语言模型的自我改进能力，实现推理准确性、自洽性和泛化能力的提升。
Pay for Hints, Not Answers: LLM Shepherding for Cost-Efficient Inference
为提示付费，而非答案：用于高效推断的LLM牧师
机构 * Department of Computer Science, University of Victoria, Victoria, Canada（维多利亚大学计算机科学系） ； Department Of Information Technology, Manipal University, Manipal, India（马那尔大学信息科技系）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 LLM牧师通过请求LLM的短提示来提高SLM的准确性，显著降低推断成本，同时保持准确性。
AI Annotation Orchestration: Evaluating LLM verifiers to Improve the Quality of LLM Annotations in Learning Analytics
AI标注协调：评估LLM验证器以提高学习分析中LLM标注的质量
专题命中 数学推理 ：verifier(abstract)；分类 cs.AI
AI总结 本文通过评估LLM验证器提升学习分析中标注质量，提出灵活的协调框架和实证比较方法，展示验证在提高标注可靠性中的作用。
From Verifiable Dot to Reward Chain: Harnessing Verifiable Reference-based Rewards for Reinforcement Learning of Open-ended Generation
从可验证点到奖励链：利用基于可验证参考的奖励进行开放生成的强化学习
机构 * Huawei Technologies Co.,Ltd（华为技术有限公司） ； City University of Hong Kong（香港城市大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本文提出基于可验证参考的强化学习方法，通过提取奖励链提升开放生成任务的效率和可靠性。
Comments 19 pages, 8 figures, 12 tables. Accepted at ICLR 2026
The Art of Saying "Maybe": A Conformal Lens for Uncertainty Benchmarking in VLMs
也许的艺术：一种用于VLMs不确定性基准测试的共形透镜
机构 * Bangladesh University of Engineering and Technology（孟加拉工程与技术大学） ； Qatar Computing Research Institute（卡塔尔计算研究所）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文提出了一种用于VLMs不确定性基准测试的共形透镜，评估了18种最先进的VLMs在6个多元数据集上的表现，发现更大模型在不确定性量化方面表现更佳，而数学和推理任务则表现出较差的不确定性性能。
SimWorld: An Open-ended Realistic Simulator for Autonomous Agents in Physical and Social Worlds
SimWorld：一种用于物理和社会世界中自主代理的开放式真实模拟器
机构 * UCSD（加州大学圣地亚哥分校） ； UVA（弗吉尼亚大学） ； UIUC（伊利诺伊大学香槟分校） ； JHU（约翰·霍普金斯大学） ； Purdue（Purdue 大学） ； PolyU ； USC（美国南加州大学） ； UMich（密歇根大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 SimWorld是一个基于Unreal Engine 5构建的开放式真实模拟器，旨在开发和评估LLM/VLM代理在复杂物理和社会环境中的能力，通过多代理配送任务验证其推理模式与局限性。
PRISM: A Unified Framework for Post-Training LLMs Without Verifiable Rewards
PRISM: 一种无需可验证奖励的统一后训练LLM框架
机构 * Arizona State University（亚利桑那州立大学） ； Amazon Web Services（亚马逊网络服务）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 PRISM通过结合过程奖励模型与自我确定性，实现无需真实标签的稳定训练和提升LLM测试性能。
Comments Added open-sourced github url
Mistake Notebook Learning: Batch-Clustered Failures for Training-Free Agent Adaptation
错误笔记本学习：用于无训练代理适应的批量聚类失败
机构 * Bairong Inc.（柏龙公司） ； School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院） ； School of Software, Jilin University（吉林大学软件学院）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 MNL通过批量聚类失败提炼结构化错误笔记，提升代理适应性和鲁棒性，无需参数更新。
Apriori Knowledge in an Era of Computational Opacity: The Role of AI in Mathematical Discovery
在计算不透明时代中的先验知识：人工智能在数学发现中的作用
机构 * Purdue University（普渡大学） ； Argonne National Laboratory（阿贡国家实验室） ； University of Chicago（芝加哥大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 本文探讨了在计算不透明时代，通过AI获取数学先验知识的挑战与可能方法，强调证明检查器在其中的关键作用。
