大模型推理能力

Self-Consistency from Only Two Samples: CoT-PoT Ensembling for Efficient LLM Reasoning

仅需两个样本的自一致性：CoT-PoT集成实现高效LLM推理

Raman Saparkhan, Majd Hawasly, Md Rizwan Parvez, Mohammad Raza

机构 * Carnegie Mellon University Qatar（卡内基梅隆大学（卡塔尔）） ； Qatar Computing Research Institute（卡塔尔计算研究院） 纠错

专题命中 测试时计算 ：CoT(title,title_cn)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 提出一种混合集成方法，结合思维链与程序化推理两种模式，通过仅需两个样本即可实现自一致性，将采样量减少9.3倍，并在78.6%的任务上达到最优。

Comments 9 pages, 3 figures; accepted to Findings of ACL 2026

CaVe-VLM-CoT: An Interpretable Vision-Language Model Framework

CaVe-VLM-CoT：一种可解释的视觉-语言模型框架

Sneha Rao, Shaina Raza, Dhanesh Ramachandram

机构 * Vector Institute（向量研究所） 纠错

专题命中 测试时计算 ：CoT(title,title_cn)；reasoning(abstract)；chain-of-thought(abstract)；verifier(abstract)

AI总结 提出CaVe-VLM-CoT框架，通过五阶段闭环流水线（提取器、检索器、求解器、引用注入器、验证器）实现证据推理，并引入CaVeScore复合指标评估检索质量、引用忠实度和跨模态基础，在ScienceQA和MMMU上取得性能提升。

Revisiting Chain-of-Thought Reasoning under Limited Supervision: Semi-supervised Chain-of-Thought Learning

重新审视有限监督下的思维链推理：半监督思维链学习

Hongyang He, Jiuming Liu, Victor Sanchez

机构 * University of Warwick（沃里克大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 测试时计算 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(title,abstract)；分类 cs.AI、cs.LG

AI总结 提出半监督思维链学习框架Semi-CoT，利用未标注问题通过熵门控选择低熵伪思维链作为可靠监督信号，实验显示高精度但部分任务效果有限。

Comments Tech Report

Dual-Track CoT: Budget-Aware Stepwise Guidance for Small LMs

双轨CoT：面向小语言模型的预算感知逐步引导

Sagnik Chatterjee, Atharva Patil, Sricharan Ramesh

专题命中 测试时计算 ：CoT(title,title_cn)；reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.AI

AI总结 本文提出双轨CoT方法，旨在通过预算感知的逐步引导提升小语言模型的多步推理能力，解决传统方法在计算和token预算限制下的性能瓶颈。

CoT-RVS: Zero-Shot Chain-of-Thought Reasoning Segmentation for Videos

CoT-RVS：零样本链式推理视频对象分割

Shiu-hong Kao, Yu-Wing Tai, Chi-Keung Tang

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； Dartmouth College（达特茅斯学院） 纠错

专题命中 测试时计算 ：CoT(title,abstract)；reasoning(title,abstract)；chain-of-thought(title,abstract)

AI总结 CoT-RVS通过零样本链式推理能力，实现了对视频对象的高效分割，无需训练即可处理复杂查询和在线视频流。

Comments Accepted to ICLR 2026. Project page: https://danielshkao.github.io/cot-rvs.html. Code: https://github.com/DanielSHKao/CoT-RVS

SeLaR: Selective Latent Reasoning in Large Language Models

SeLaR：大语言模型中的选择性潜在推理

Renyu Fu, Guibo Luo

机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology（广东省超高清沉浸式媒体技术重点实验室） ； Shenzhen Graduate School, Peking University（北京大学深圳研究生院） 纠错

专题命中 测试时计算 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 SeLaR通过引入熵门机制和熵感知对比正则化，解决大语言模型中链式推理的稳定性与探索性问题，优于标准CoT和训练自由方法。

Comments Camera-ready for ACL 2026 (main conference)

Fractured Chain-of-Thought Reasoning

断裂链式思维推理

Baohao Liao, Hanze Dong, Yuhui Xu, Doyen Sahoo, Christof Monz, Junnan Li, Caiming Xiong

机构 * University of Amsterdam（阿姆斯特丹大学） ； eBay ； Microsoft（微软） ； Google Research（谷歌研究） ； Salesforce 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.CL、cs.AI、cs.LG

AI总结 提出断裂采样策略，通过截断推理链、调整轨迹数和解数，在推理时实现精度与成本的帕累托最优。

Measuring Faithfulness in Chain-of-Thought Reasoning

Tamera Lanham, Anna Chen, Ansh Radhakrishnan, Benoit Steiner, Carson Denison, Danny Hernandez, Dustin Li, Esin Durmus, Evan Hubinger, Jackson Kernion, Kamilė Lukošiūtė, Karina Nguyen, Newton Cheng, Nicholas Joseph, Nicholas Schiefer, Oliver Rausch, Robin Larson, Sam McCandlish, Sandipan Kundu, Saurav Kadavath, Shannon Yang, Thomas Henighan, Timothy Maxwell, Timothy Telleen-Lawton, Tristan Hume, Zac Hatfield-Dodds, Jared Kaplan, Jan Brauner, Samuel R. Bowman, Ethan Perez

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；test-time compute(abstract)

LLM-as-a-Verifier: A General-Purpose Verification Framework

LLM-as-a-Verifier：一种通用验证框架

Jacky Kwok, Shulu Li, Pranav Atreya, Yuejiang Liu, Yixing Jiang, Chelsea Finn, Marco Pavone, Ion Stoica, Azalia Mirhoseini

机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； NVIDIA Research（英伟达研究院） 纠错

专题命中 测试时计算 ：verifier(title,title_cn)；reasoning(abstract)；test-time compute(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 该工作将验证确定方案正确性的能力作为大模型新扩展轴，提出无需额外训练的通用LLM验证框架，生成连续评分，在多基准上取得SOTA性能，还可用于强化学习等场景。

Comments Code: https://github.com/llm-as-a-verifier/llm-as-a-verifier Website: https://llm-as-a-verifier.com

Refining Over Resampling: Test-Time Self-Correction for LLM Reasoning

过重采样优化：大语言模型推理的测试时自校正

Ahsan Bilal, Muhammad Ahmed Mohsin, Muhammad Umer, Lena Trigg, Ali Subhan, Muhammad Ali, Dean F. Hougen

机构 * University of Oklahoma（俄克拉荷马大学） ； Stanford University（斯坦福大学） ； Universitat Pompeu Fabra（庞培法布拉大学） ； Air University（空军大学） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；self-correction(title,abstract)；test-time compute(abstract)；verifier(abstract)

AI总结 本文提出无验证器的广度-深度优化框架，通过迭代自我批判与校正优化采样的 LLM 推理轨迹，在多个数学推理数据集及多款开放权重模型上，较基线方法实现了推理准确率的显著提升。

Comments Submitted to EMNLP 2026

Reasoning about Reasoning: BAPO Bounds on Chain-of-Thought Token Complexity in LLMs

关于推理的推理：LLM中思维链令牌复杂度的BAPO界限

Kiran Tomlinson, Tobias Schnabel, Adith Swaminathan, Jennifer Neville

机构 * Microsoft Research, Redmond, WA（微软研究院，西雅图，华盛顿） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.AI、cs.LG

AI总结 通过扩展BAPO模型，证明二元多数、三元组匹配和图可达性三个任务需要Ω(n)个思维链令牌，实验验证了线性缩放与理论下界一致。

Comments 31 pages; accepted to ICML '26

Forest-of-Thought: Scaling Test-Time Compute for Enhancing LLM Reasoning

Zhenni Bi, Kai Han, Chuanjian Liu, Yehui Tang, Yunhe Wang

专题命中 测试时计算 ：reasoning(title,abstract)；test-time compute(title)；chain-of-thought(abstract)；CoT(abstract)

Comments Preprint

MM-Verify: Enhancing Multimodal Reasoning with Chain-of-Thought Verification

Linzhuang Sun, Hao Liang, Jingxuan Wei, Bihui Yu, Tianpeng Li, Fan Yang, Zenan Zhou, Wentao Zhang

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；verifier(abstract)

Can Language Models Perform Robust Reasoning in Chain-of-thought Prompting with Noisy Rationales?

Zhanke Zhou, Rong Tao, Jianing Zhu, Yiwen Luo, Zengmao Wang, Bo Han

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；self-correction(abstract)

Comments Accepted by NeurIPS 2024

Learning When to Sample: Confidence-Aware Selective Sampling for Efficient Chain-of-Thought Reasoning

学习何时采样：面向高效链式思维推理的置信度感知选择性采样

Juming Xiong, Kevin Guo, Congning Ni, Weixin Liu, Chao Yan, Katherine Brown, Avinash Baidya, Xiang Gao, Bradley Malin, Zhijun Yin

机构 * Vanderbilt University（范德比尔特大学） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） ； Intuit AI Research（Intuit AI研究院） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract,abstract_cn)；分类 cs.CL

AI总结 提出置信度感知选择性采样框架，通过分析单条推理轨迹自适应决定是否触发多路径采样，在保持性能的同时显著降低推理成本。

What Characterizes Effective Reasoning? Revisiting Length, Review, and Structure of CoT

Yunzhen Feng, Julia Kempe, Cheng Zhang, Parag Jain, Anthony Hartshorn

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； New York University（纽约大学） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；CoT(title,abstract)；chain-of-thought(abstract)；test-time compute(abstract)

GenPRM: Scaling Test-Time Compute of Process Reward Models via Generative Reasoning

Jian Zhao, Runze Liu, Kaiyan Zhang, Zhimu Zhou, Junqi Gao, Dong Li, Jiafei Lyu, Zhouyi Qian, Biqing Qi, Xiu Li, Bowen Zhou

专题命中 测试时计算 ：reasoning(title,abstract)；test-time compute(title,abstract)；chain-of-thought(abstract)；CoT(abstract)

Quantization Inflates Reasoning: Token Inflation as a Hidden Cost of Low-Bit Reasoning Models

量化膨胀推理：低比特推理模型的隐藏成本——令牌膨胀

Xinyu Lian, Walid Krichene, Beichen Huang, Masahiro Tanaka, Olatunji Ruwase, Li Zhang, Minjia Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Microsoft（微软） ； Anyscale ； Snowflake 纠错

专题命中 测试时计算 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；test-time compute(abstract)；分类 cs.AI、cs.LG

AI总结 研究发现低比特后训练量化虽保持推理准确性，但会显著增加推理令牌使用量，导致端到端服务性能下降，并提出了CoT令牌膨胀比来量化该效应。

Latent Reasoning with Normalizing Flows

基于归一化流的潜在推理

Guancheng Tu, Xiangjun Fu, Suhao Yu, Yao Tang, Haoqiang Kang, Lianhui Qin, Yizhe Zhang, Jiatao Gu

机构 * University of Pennsylvania（宾夕法尼亚大学） ； UC San Diego（圣地亚哥大学） ； Meta 纠错

专题命中 测试时计算 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.LG

AI总结 提出NF-CoT框架，通过归一化流在LLM内部建模连续潜在思维，保留自回归生成、概率采样、KV缓存解码和似然估计等优势，在代码生成任务中提升通过率并降低推理成本。

Beyond the Commitment Boundary: Probing Epiphenomenal Chain-of-Thought in Large Reasoning Models

超越承诺边界：探究大型推理模型中的附带思维链

Daniel Scalena, Sara Candussio, Luca Bortolussi, Elisabetta Fersini, Malvina Nissim, Gabriele Sarti

机构 * CLCG, University of Groningen（格罗宁根大学CLCG） ； University of Milano-Bicocca（米兰-布雷拉大学） ； University of Trieste（特里耶大学） ； Khoury College of Computer Sciences, Northeastern University（东北大学Khoury计算机科学学院） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 通过早期退出估计思维链步骤的因果重要性，发现推理中存在从瞬态猜测到稳定答案的“承诺边界”，后续步骤为附带现象，可提前退出以缩短推理长度达55%而不影响性能。

PAG: Multi-Turn Reinforced LLM Self-Correction with Policy as Generative Verifier

Yuhua Jiang, Yuwen Xiong, Yufeng Yuan, Chao Xin, Wenyuan Xu, Yu Yue, Qianchuan Zhao, Lin Yan

机构 * Tsinghua University（清华大学） 纠错

专题命中 测试时计算 ：verifier(title,abstract)；self-correction(title,abstract)；reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

CASE: Causal Alignment and Structural Enforcement for Improving Chain-of-Thought Faithfulness

CASE：用于提高思维链忠实度的因果对齐和结构强化

Ziming Wang, Yinghua Yao, Changwu Huang, Ke Tang, Xin Yao

专题命中 测试时计算 ：CoT(summary_cn,abstract)；chain-of-thought(title,abstract)；reasoning(abstract)；分类 cs.CL

AI总结 研究思维链推理中生成的推理无法忠实支持最终答案的问题，提出CASE框架，通过训练时因果对齐和推理时结构强化，结合构建多种数据集及选择性损失微调、屏蔽注意力等方法，提升CoT忠实度、跨数据集转移能力及平均准确率。

Opt-Verifier: Unleashing the Power of LLMs for Optimization Modeling via Dual-Side Verification

Opt-Verifier：通过双面验证释放大语言模型在优化建模中的潜力

Haoyang Liu, Jie Wang, Boxuan Niu, Xiongwei Han, Yian Xu, Mingxuan Ye, Zijie Geng, Fangzhou Zhu, Tao Zhong, Mingxuan Yuan, Jianye Hao

机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition（脑启发式感知与认知MoE实验室） ； University of Science and Technology of China（中国科学技术大学） ； Noah's Ark Lab, Huawei Technologies（华为技术诺亚实验室） ； Tianjin University（天津大学） 纠错

专题命中 测试时计算 ：verifier(title,title_cn)；分类 cs.AI

AI总结 提出Opt-Verifier框架，通过结构侧和解决方案侧的双面验证，利用大语言模型自动构建数学优化模型，显著提升建模准确性。

Journal ref International Conference on Machine Learning (ICML), 2026

GameGen-Verifier: Parallel Keypoint-Based Verification for LLM-Generated Games via Runtime State Injection

GameGen-Verifier：通过运行时状态注入实现LLM生成游戏的并行关键点验证

Chaobo Jia, Ruipeng Wan, Ting Sun, Weihao Tan, Borui Wan, Yuxuan Tong, Guangming Sheng, Hong Xu

机构 * CUHK（香港中文大学） ； HUST（华中科技大学） ； Lionrock AI Lab（Lionrock人工智能实验室） ； NTU（国立新加坡大学） ； HKU（香港大学） 纠错

专题命中 测试时计算 ：verifier(title,title_cn)；分类 cs.LG

AI总结 本文提出GameGen-Verifier，通过分解规范为可验证的关键点，实现LLM生成游戏的自动化验证，提升验证准确率并减少运行时间。

Thinking Hard, Not Smart: Reasoning Models Fail to Ration Test-Time Compute Across Questions

努力而非明智：推理模型无法在不同问题间合理分配测试时计算资源

Chenrui Fan, Yize Cheng, Ming Li, Yongyuan Liang, Tianyi Zhou, Soheil Feizi

专题命中 测试时计算 ：reasoning(title,abstract)；test-time compute(title,abstract)；planning(abstract)；分类 cs.CL、cs.AI

AI总结 该研究提出考试式评估框架发现推理模型无法在不同难度分值的问题间合理分配共享测试时计算预算，明确规划提示可使分配更均匀但仍不敏感于分值难度，全局预算分配是现有模型未掌握的独特能力。

Drop the Act: Probe-Filtered RL for Faithful Chain-of-Thought Reasoning

摒弃表演：用于忠实推理链的探针过滤强化学习

Swapnil Parekh

机构 * Intuit 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；verifier(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出ProFIL方法，通过探针过滤强化学习减少推理链中的表演现象，提升推理链的忠实度并缩短链长，同时在多个领域和模型架构中验证了其有效性。

Nudging Hidden States: Training-Free Model Steering for Chain-of-Thought Reasoning in Large Audio-Language Models

引导隐藏状态：用于大音频-语言模型链式推理的无训练模型引导

Lok-Lam Ieong, Chia-Chien Chen, Chih-Kai Yang, Yu-Han Huang, An-Yu Cheng, Hung-yi Lee

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；分类 cs.CL、cs.AI

AI总结 研究通过无训练的模型引导方法提升大音频-语言模型的推理能力，采用多种信息源策略在四个模型和四个基准上进行评估，结果显示推理准确率提升达4.4%，并发现跨模态迁移效应。

Comments 6 pages, 4 figures, 2 tables

Reinforcing Chain-of-Thought Reasoning with Self-Evolving Rubrics

通过自演化评分标准强化链式推理

Leheng Sheng, Wenchang Ma, Ruixin Hong, Xiang Wang, An Zhang, Tat-Seng Chua

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；分类 cs.AI、cs.LG

AI总结 RLCER通过自演化评分标准提升链式推理的奖励机制，无需人工标注即可实现更高效的推理性能。

Comments 21 pages

ConMax: Confidence-Maximizing Compression for Efficient Chain-of-Thought Reasoning

ConMax：用于高效思维链推理的置信度最大化压缩

Minda Hu, Zexuan Qiu, Zenan Xu, Kun Li, Bo Zhou, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； LLM Department, Tencent（腾讯机器学习部门） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；CoT(abstract)；分类 cs.CL、cs.AI

AI总结 ConMax通过强化学习框架在保持推理模式的同时，高效压缩推理轨迹，提升大规模推理模型的效率与性能

GRACE: Discriminator-Guided Chain-of-Thought Reasoning

GRACE: 基于判别器的链式推理

Muhammad Khalifa, Lajanugen Logeswaran, Moontae Lee, Honglak Lee, Lu Wang

机构 * University of Michigan（密歇根大学） ； LG AI Research（LG人工智能研究） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(title,abstract)；verifier(abstract)；分类 cs.CL、cs.AI

AI总结 GRACE通过引入判别器引导链式推理，有效提升多步推理任务中答案的准确性和中间推理的正确性。

Comments Fixed typos