语言大模型 / LLM

CoT-Core: Accelerating LLM Evaluation via CoT-Aware Coreset Selection

CoT-Core：通过感知思维链的核心集选择加速大语言模型评估

Qihua Pan, Zhenheng Tang, Peijie Dong, Xiang Liu, Huacan Wang, Bo Li, Xiaowen Chu

机构 * Nanjing University（南京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 CoT-Core是无训练的核心问题选择框架，通过感知大语言模型的思维链推理轨迹聚类问题，可大幅降低LLMs评估成本，且在GSM8K等多数据集上维持高保真度分数估计。

Comments 23 pages, 3 figures, 10 tables. Includes appendix

Position, Not Provenance: Separating Reasoning Mediation from Sycophancy in Medical Vision-Language Models

位置，而非来源：在医学视觉-语言模型中分离推理中介与逢迎行为

Supratik Bhowal, Subhrajyoti Basu, Aritra Gir Mahanta, Anik Pal Chowdhury

机构 * IEM Kolkata（印度工程管理学院 Kolkata校区） ； School of UEMK Kolkata（UEMK Kolkata学院） ； Heritage Institute of Technology Kolkata（加尔各答遗产技术学院） ； Indian Institute of Information Technology, Kalyani（卡利亚尼印度信息技术学院） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)；prompting(abstract)；分类 cs.LG

AI总结 本研究提出CoT-Mediate框架，结合双臂协议与来源控制干预，在VQA-RAD数据集上评估LLaVA-Med和MedGemma，发现上下文位置而非声明来源是医学VLMs使用生成推理的主要决定因素。

GuideSkill: Evolving Executable LLM Agent Skills for Guideline-Grounded Clinical Reasoning

GuideSkill：面向基于指南的临床推理的可执行大语言模型智能体技能演化框架

Lang Cao, Yuhao Shen, Tianyang Luo, Simo Du, Hao Peng, Yue Guo

专题命中 推理与问题求解 ：LLM(title,abstract)；分类 cs.AI

AI总结 本文提出与模型无关的GuideSkill框架，通过可执行技能结合指南流程与病例诊断模式，在多基准和骨干模型上显著提升临床推理性能，技能可靠且实用。

Semiotic logical hexagon theory for LLM logical reasoning

用于大语言模型逻辑推理的符号逻辑六边形理论

Yunyao Zhang, Xinglang Zhang, Zeliang Chen, Junqing Yu, Zikai Song

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 研究大语言模型逻辑推理中语义组织的影响，提出HexLogicAgent框架，先组织自然语言含义再结构化验证推理。发现不完整语义表示是推理失败主因，建模语义对立结构可延迟性能下降，实验证明该框架能提高推理可靠性。

Beyond Sycophancy: Structured Resistance and Compliance in LLM Moral Reasoning

超越谄媚：大语言模型道德推理中的结构化抵抗与顺从

Baihui Wang, Bernard Koch

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 研究大语言模型道德推理中超越谄媚的结构化抵抗与顺从，通过三项研究揭示其判断修正沿与人类社会心理学现象平行的三个维度结构化，为区分建设性信念修正与谄媚顺从提供原则基础，助力道德交互更好对齐。

X$^3$-OPD: Distilling Reasoning into Large Audio-Language Models via On-Policy Alignment

X³-OPD：通过策略对齐将推理能力提炼到大型音频-语言模型中

Dongjie Fu, Di Cao, Xize Cheng, Zihan Zhang, Wenxu Jia, Yifu Chen, Shengpeng Ji, Yu Zhang, Tao Jin

机构 * Tencent Hunyuan（腾讯混元） ； Zhejiang University（浙江大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)；large language model(abstract)；分类 cs.LG

AI总结 针对大型音频-语言模型逻辑推理能力不足，提出X³-OPD跨模态策略蒸馏框架，借助教师模型指导与构建的三层对称语料库训练学生模型，实验证明该方法能提升音频推理及思维链质量，还能保留模型域转移下的能力。

MechAInistic: An LLM-guided Multi-Agent System for Reasoning over Genome-Scale Constraint-Based Metabolic Models

MechAInistic：一种由大语言模型引导的多智能体系统，用于基于基因组规模的约束代谢模型进行推理

Josh Loecker, Narayna Puraja, William Bryan, Bhanwar Lal Puniya, Ahmed Abdeen Hamed, Tomáš Helikar

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 研究旨在降低基于约束的代谢建模使用门槛，开发了MechAInistic多智能体系统，借助大语言模型，围绕特定模式将自然语言问题转化为可执行工作流程，通过两个免疫细胞代谢模型用例验证，能生成可追溯的治疗假设。

Comments 23 pages, 6 figures,

Partition, Prompt, Aggregate: Statistical Self-Consistency in Language Models

划分、提示、聚合：语言模型中的统计自一致性

Patrik Wolf, Thomas Kleine Buening, Andreas Krause, Celestine Mendler-Dünner

专题命中 推理与问题求解 ：language model(title)；LLM(abstract)；prompting(abstract)；分类 cs.CL

AI总结 研究语言模型估计是否遵循自一致性原则，用二叉树划分总体，以子总体描述提示模型并聚合结果，发现广泛违反一致性，揭示宏观谬误模式，表明模型虽有子总体知识但未有效用于总体估计，建立了评估语言模型的新准则。

Large Audio Language Models for Spoofing-Aware Speaker Verification

用于防欺骗语音识别的大型音频语言模型

Sofya Savelyeva, Mariia Perunova, Evgeny Kushnir, Artem Dvirniak, Dmitrii Korzh, Oleg Y. Rogov

机构 * Applied AI Institute（应用人工智能研究所） ； MIRAI（未来人工智能研究机构） ； HSE（高等经济学院） ； MTUCI（莫斯科国立通信与信息技术大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)；prompting(abstract)；分类 cs.AI

AI总结 研究用于防欺骗语音识别的大型音频语言模型，通过零样本提示等多种方式进行系统评估，发现预训练模型零样本时不佳，特定任务适应可改善，还找到多种实现竞争力性能的途径，为统一防欺骗语音识别提供基础。

LLM-powered reasoning in agent-based modeling

基于代理建模中的大语言模型驱动推理

Sifat Afroj Moon, Dakotah Maguire, Adam Spannaus, Joe Tuccillo, Maksudul Alam, Sudip K. Seal, John Gounley, Heidi Hanson

机构 * ORNL（橡树岭国家实验室） 纠错

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 研究针对传统基于代理建模（ABM）依赖静态先验无法适应实时变化的问题，提出利用大语言模型（LLMs）的可扩展混合代理和语言驱动的流行病（HALE）建模框架，并通过模拟COVID-19验证其可行性。

MechMath Agent Team: LLM Driven Agents for Mathematical Research

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

Yichuan Cao, Ruichen Qiu, Junqi Liu, Jiaqi Wang, Dakai Guo, Ruyong Feng, Lihong Zhi, Xiao-Shan Gao

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） 纠错

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(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。

Determinants and Limits of LLM Security-Tool Orchestration: A Study with HexStrike-AI

大语言模型安全工具编排的决定因素与限制：基于HexStrike-AI的研究

Romain Gerard, Assmaa Zeghaider, Yan Guo

机构 * University of Science and Technology of China（中国科学技术大学） ； Suzhou Institute for Advanced Research（苏州研究院） 纠错

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 以HexStrikeAI为测试平台，通过评估系统、诊断故障并改进，运行多类挑战，发现驱动客户端是固定模型的首要因素，整体解决率提升，剩余故障受推理或环境限制，还讨论了编排器评估及局限性。

Where Do CoT Training Gains Land in LLM based Agents?

CoT训练在基于LLM的智能体中的增益何在？

Jingyu Liu, Zhiwen Wang, Yuxin Jing, Huanyu Zhou, Yong Liu

机构 * ByteDance（字节跳动） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京市大模型与智能治理重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（教育部新一代智能搜索与推荐工程研究中心） 纠错

专题命中 推理与问题求解 ：LLM(title,title_cn)；分类 cs.AI

AI总结 通过比较有无思维链的动作预测，发现CoT训练主要提升直接动作预测质量，而非CoT推理优势，后期检查点更依赖提示，选择性掩码动作监督可改善泛化。

ParkingTransformer: LLM-Enhanced End-to-End Trajectory Planning for Autonomous Parking

ParkingTransformer: 基于大语言模型增强的端到端自主泊车轨迹规划

Hauteng Wu, Xu Li, Dong Kong, Zihang Wang, Xieyuanli Chen, Benwu Wang, Wenkai Zhu

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； School of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院） ； College of Transportation, Shandong University of Science and Technology（山东科技大学交通学院） ； National University of Defense Technology（国防科技大学） 纠错

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 提出ParkingTransformer框架，利用多视角感知和大语言模型场景理解能力，结合轨迹查询与隐状态特征，直接输出规划轨迹，无需密集BEV表示，通过3D位置编码、固定窗口流机制和粗到细解码策略提升性能，在CARLA和实车实验中验证有效性。

Forced Deferral: Manipulating Routing Decisions in Multimodal LLM Cascades

强制延迟：在多模态大语言模型级联中操纵路由决策

Zhongye Liu, Yaopei Zeng, Yurui Chang, Lu Lin

机构 * Pennsylvania State University（宾夕法尼亚州立大学） 纠错

专题命中 推理与问题求解 ：LLM(title)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 提出强制延迟攻击（FDA），通过对抗性图像攻击降低弱模型置信度，迫使级联系统将查询路由到强模型，揭示了MLLM级联在计算分配上的安全漏洞。

Listen, Reason, and Segment: Aligning LALMs with Editorial Judgment for Media Chapterization

听、推理与分段：使大型音频语言模型（LALMs）与编辑判断对齐以实现媒体章节化

Tony Alex, Wish Suharitdamrong, Sara Atito, Armin Mustafa, Muhammad Awais, Philip J. B. Jackson, Jiankang Deng, Ismail Elezi

机构 * University of Surrey（萨里大学） 纠错

专题命中 推理与问题求解 ：SFT(abstract,abstract_cn)；language model(abstract)；post-training(abstract)；分类 cs.CL、cs.AI

AI总结 该研究针对LALMs在实际媒体章节化部署的不足，提出基于GRPO与CoT的AudioChaps框架，构建三类数据集，使AudioChaps-R1的平均F1较SOTA提升49个百分点，实现非结构化听觉流到结构化媒体的可靠转换。

Comments 19 pages, 9 figures, 8 tables

StorySpark: Module-wise Evolutionary Search for Story Premise Generation

StorySpark：面向故事前提生成的模块级进化搜索

Yang Yang, Zining Zhong, Qian Cao, Jindong Li, Boyun Xu, Kaishen Yuan, Menglin Yang, Yutao Yue

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Renmin University of China（中国人民大学） ； Shandong University（山东大学） ； Institute of Deep Perception Technology, JITRI（JITRI深度感知技术研究院） 纠错

专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；分类 cs.CL、cs.AI

AI总结 针对LLM故事生成中前提构思不足的问题，提出StorySpark模块级进化搜索框架，通过优化叙事模块生成更优质的故事前提，提升下游故事质量与创意性。

Comments 26 pages, 7 figures

Do LLMs Take Care of Their Own? Similarity Signals Can Induce Cooperation

大语言模型会照顾同类吗？相似性信号可诱导合作

Akash Kundu, Emanuel Tewolde, Ratip Emin Berker, Samuel F. Brown, Vincent Conitzer

专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；分类 cs.CL、cs.AI

AI总结 该研究提出首个带分级相似性信号的LLM决策评估框架，发现不同LLM应对相似性信号差异大、数据集对诱导合作影响小等，构建的LLM-行为博弈论模型可在高相似性下支持合作均衡。

Comments 41 pages, 18 Figures, 4 Tables, 16 Listings

GENESIS: Towards Explainable Causal Discovery

GENESIS：迈向可解释的因果发现

Abhinav Thorat, Ravi Kumar Kolla, Vishak K Bhat, Harsh Vardhan Singh Chauhan, Niranjan Pedanekar

专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；分类 cs.AI、cs.LG

AI总结 该研究提出可解释混合因果发现框架GENESIS，实现100%决策可追溯性，在多数基准数据集上性能优于纯统计方法，可与先进LLM辅助方法媲美。

Comments 13 pages, 2 figures, 13 tables, 1 algorithm

ReasonCast: Towards Explainable Time Series Forecasting with Reasoning

ReasonCast：面向可解释时间序列预测的推理方法

Seunghan Lee, Jun Seo, Jaehoon Lee, Junhyeok Kang, Sangjun Han, Sungdong Yoo, Minjae Kim, Tae Yoon Lim, Dongwan Kang, Hwanil Choi, Soonyoung Lee, Wonbin Ahn

专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出任务融合模型ReasonCast，通过微调LLM实现时间序列预测与可解释文本推理的联合生成，在预测准确性上优于LLM和TS模型，还构建了联合评估基准ReasonTS-Bench。

Dimensionality and Measurement Precision in HLE's Multiple-Choice Subset

HLE多项选择子集的维度与测量精度

Mayank Sharma, Savira Nadela, Tyler Matteson

机构 * Stanford University（斯坦福大学） 纠错

专题命中 推理与问题求解 ：LLM(summary_cn,abstract_cn)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 本研究评估29个LLM在HLE多项选择子集上的表现，发现HLE仅测量单一一般推理因素，其领域子分数不具区分能力，且对前沿模型的区分能力有限。

AoA: Theorem Proving Agent over Abstract Syntax Tree of Redesigned Language

AoA：基于重新设计语言抽象语法树的定理证明智能体

Qiyuan Xu, Joshua Ong Jun Leang, Renxi Wang, Wenda Li, Haonan Li, Luke Ong, Conrad Watt

机构 * Nanyang Technological University Singapore（南洋理工大学新加坡分校） ； Imperial College London London, UK（伦敦帝国理工学院伦敦分校） ； University of Edinburgh Edinburgh, UK（爱丁堡大学爱丁堡分校） 纠错

专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；分类 cs.AI、cs.LG

AI总结 研究针对交互式定理证明中人工操作限制可扩展性及基于LLM的证明智能体成本高的问题，提出将智能体从源文本提升到抽象语法树的方法，实现了AoA，在多个方面有显著提升且解决更多难题。

Comments 13 pages

Automatically Evolving Prompt Guidelines for Task-Specific Optimization

自动演化特定任务优化的提示指南

Cedric Richter, Salah Ghamizi, Mike Papadakis

专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 研究大语言模型提示指南优化问题，提出AGOPS方法，利用现有任务示例隐含信息，通过优化方案自动演化特定任务指南，提升下游任务性能，弥补提示不明确导致的性能损失。

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 推理与问题求解 ：large language model(abstract)；language model(abstract)；post-training(abstract)；prompting(abstract)

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。

Triadic Werewolf: A Jester Role for Multi-Hop Theory of Mind in LLMs

三狼人杀：大型语言模型中多跳心智理论的丑角角色

Avni Mittal

专题命中 推理与问题求解 ：LLM(summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 通过引入第三阵营“丑角”（Jester），将狼人杀游戏扩展为三方博弈，测试LLM的多跳心智理论能力。实验表明，模型常做出自毁行为，而自我学习能帮助部分模型学会微妙策略。

Einstein World Models

爱因斯坦世界模型

Munachiso Samuel Nwadike, Zangir Iklassov, Ali Mekky, Zayd M. Kawakibi Zuhri, Kentaro Inui

机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； RIKEN AIP, Japan（日本理化学研究所革新智能综合研究中心） ； Tohoku University（东北大学） 纠错

专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；分类 cs.CL、cs.AI

AI总结 提出爱因斯坦世界模型（EWM），通过将视觉时间展开嵌入推理轨迹，使LLM能利用视觉化反事实事件增强复杂推理能力。

Comments 12 pages (9 without references), 2 figures, 1 algorithm

Critique of Agent Model

智能体模型批判

Eric Xing, Mingkai Deng, Jinyu Hou

机构 * Institute of Foundation Models, Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学基础模型研究所） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 纠错

专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文区分了自动化与智能体，提出真正智能体需内化目标、身份、决策、自我调节和学习等结构，并设计了GIC通用智能体架构。

Quantifying Prior Dominance in RAG Systems

量化RAG系统中的先验主导性

Barak Or

机构 * ArtificialGate Ltd.（ArtificialGate有限公司） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；small language model(abstract)；SLM(abstract_cn)

AI总结 提出归一化上下文利用（NCU）指标，通过连续token对数概率严格量化RAG系统的上下文信息增益，发现小语言模型在严格事实提取中匹配或超越大模型，且先验主导性与模型规模及专有对齐相关。

Comments 15 pages, Preprint

Agentic Retrieval and Reinforcement Learned Equation Chains: A Controlled Generation Framework for Complex and Novel Physics Word Problems

智能检索与强化学习方程链：面向复杂新颖物理文字题的可控生成框架

Tirthankar Mittra

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 提出ARVRE两阶段框架，通过离线时序差分学习构建有效物理方程链，结合智能检索增强生成控制问题结构与难度，再由大语言模型生成自然语言问题，实现复杂、新颖且可解的物理文字题生成。

Operadic consistency: a label-free signal for compositional reasoning failures in LLMs

Operadic一致性：LLM中组合推理失败的无标签信号

Nathaniel Bottman, Yinhong Liu, Kyle Richardson

机构 * Incubilate ； University of Cambridge（剑桥大学） ； Allen Institute for Artificial Intelligence（艾伦人工智能研究所） 纠错

专题命中 推理与问题求解 ：LLM(title_cn,abstract)；分类 cs.CL、cs.LG

AI总结 提出Operadic一致性（OC）作为检测大语言模型组合推理失败的无标签信号，在四个多跳QA数据集上与准确率强相关（Pearson r≥0.86），优于自一致性等方法。