语言大模型 / LLM

When RLVR Shrinks the Reasoning Boundary: Diagnosing Pass@k Inversion

当可验证奖励的强化学习缩小推理边界时：诊断Pass@k反转

Todd Zhou

机构 * Harvard University（哈佛大学） 纠错

专题命中 推理与问题求解 ：post-training(abstract)；language agent(abstract)；分类 cs.AI、cs.LG

AI总结 研究RLVR中的Pass@k反转问题，提出双模式解释和PBA方法，通过实验表明PBA能提升\PassK{1}和覆盖率，诊断出普通GRPO丢失基础可解决提示，而PBA保留罕见阳性轨迹，强调训练后推理要兼顾优化强度与提示安全性。

Answer-then-Edit: Reasoning Skeleton Editing for Anti-Distillation with Preserved Utility

先回答再编辑：用于保留效用的反蒸馏的推理骨架编辑

Fan Li, Mengting Pan, Sijia Xu, Xiaoyang Wang, Chen Chen, Wenjie Zhang

机构 * School of Computer Science and Engineering, UNSW Sydney（新南威尔士大学计算机科学与工程学院） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） 纠错

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

AI总结 针对专有大语言模型易受知识蒸馏影响的问题，提出骨架引导推理编辑框架SGRE，通过先回答再编辑的方式，借鉴认知负荷理论对推理痕迹进行修改，在降低蒸馏效果的同时保持推理准确性和痕迹自然度。

Comments 21 pages,8 figures

Overview of FinMMEval 2026 Task 1: Multilingual Financial Multiple-Choice Question Answering

FinMMEval 2026任务1概述：多语言金融多项选择题问答

Zhuohan Xie, Yuyang Dai, Rania Elbadry, Vanshikaa Jani, Georgi Georgiev, Dimitar Dimitrov, Fan Zhang, Xueqing Peng, Lingfei Qian, Jimin Huang, Jiahui Geng, Yankai Chen, Ye Yuan, Haolun Wu, Yuxia Wang, Ivan Koychev, Veselin Stoyanov, Mingzi Song, Yu Chen, Xue Liu, Preslav Nakov

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； INSAIT, Sofia University “St. Kliment Ohridski”（索非亚大学“圣克莱门特·奥赫里德斯基”INSAIT学院） ； University of Arizona（亚利桑那大学） ； FMI, Sofia University “St. Kliment Ohridski”（索非亚大学“圣克莱门特·奥赫里德斯基”FMI学院） ； The Fin AI（The Fin AI公司） ； The University of Tokyo（东京大学） ； Linköping University（林雪平大学） ； McGill University（麦吉尔大学） ； Mila, Quebec AI Institute（魁北克Mila人工智能研究所） ； Meiji Gakuin University（明治学院大学） 纠错

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

AI总结 FinMMEval 2026任务1测试多语言金融多项选择题问答，最终测试集含800题，每种语言200题，按准确率排名。最高准确率在92.0%（印地语）到97.5%（英语和阿拉伯语）之间，领先团队相近。系统采用检索增强等多种方法。

Comments 9 pages. Task overview paper for CLEF 2026 Working Notes (CEUR Workshop Proceedings)

Think, Plan, Paint: Layout-Aware Reasoning for Controllable Image Generation in Unified Models

思考、规划、绘制：统一模型中用于可控图像生成的布局感知推理

Junhao Liu, Jian-Wei Zhang, Tao Huang, Miles Yang, Zhao Zhong, Liefeng Bo

机构 * Tencent（腾讯） ； Peking University（北京大学） 纠错

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

AI总结 研究针对统一多模态大语言模型在可控图像生成中难以遵循复杂空间指令的问题，提出ATLAS框架，采用“思考、规划、绘制”范式及布局共享表示，经强化学习提升性能，在图像生成等任务中效果显著，还支持相关编辑与多模态基础，并引入评估基准。

Comments 22 pages, 12 figures, 9 tables

SAGA: Schema-Aware Grounding for Agentic Text-to-SPARQL Generation

SAGA：用于智能文本到SPARQL生成的模式感知基础

Yiming Zhang, Koji Tsuda

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

AI总结 研究复杂知识库问答中语义解析范式，针对现有智能体类型盲基础问题，提出无训练框架SAGA，通过模式约束基础操作，维护类型状态，过滤候选属性，以紧凑格式呈现图模式，在多基准设置上取得优异成绩。

LLMs Can See the Smoke but not the Fire: Evaluating Abductive Reasoning with Elenchos

大语言模型能看到烟雾却看不到火焰：用Elenchos评估溯因推理

Julius Steiglechner, Lucas Mahler, Gabriele Lohmann

机构 * Max-Planck-Institute for Biological Cybernetics（马克斯·普朗克生物控制论研究所） ； University Hospital Tübingen（图宾根大学医院） 纠错

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

AI总结 研究大语言模型的溯因推理能力，引入Elenchos评估框架，通过给定形式系统及变异对应物，让智能体判断变异并推断规则修改，发现模型存在检测-归因分离问题，相互作用变异下性能降，推理时间收益递减。

Language Identification with Succinct Machine-Independent Traces

基于简洁的与机器无关的迹进行语言识别

Moses Charikar, Jon Kleinberg, Chirag Pabbaraju

机构 * Stanford University（斯坦福大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文受大语言模型启发，针对语言识别的Gold-Angluin模型相关问题，解决能否用小字母表迹及能否直接从语言定义迹的问题，给出肯定答案，展示了如何定义计算迹实现极限识别，所用字母表与语言定义字母表大小成线性关系且与语言其他属性无关。

Estimating Uncertainty from Reasoning: A Large-Scale Study of Multi- and Crosslingual MCQA Performance in LLMs

从推理中估计不确定性：对大语言模型中多语言和跨语言MCQA性能的大规模研究

Andrea Bacciu, Andrea Alfarano, Saab Mansour, Amin Mantrach, Marcello Federico

机构 * INSAIT（萨格勒布信息与智能技术研究所） ； Amazon（亚马逊） 纠错

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

AI总结 研究对22种语言的不确定性估计方法进行大规模评估，使用两个人工整理的问答数据集，比较不同模型和架构下的UE方法。发现促使模型用英语推理可提升UE性能，缩小不同资源语言间的性能差距，且UE方法选择取决于模型规模，还给出了选择性预测阈值选择的分析。

Where do LLMs Fall Short in CBT-Guided Affective Reasoning?

大语言模型在认知行为疗法引导的情感推理中存在哪些不足？

Vaishnavi Sinha, Pooja Guttal, Pranay Deep Reddy Katike, Vishal Sinha, Gerald Ndawula, Lira Yoon, Andrea Kleinsmith, Manas Gaur

机构 * UMBC（美国马里兰大学） ； UC Irvine（美国加州大学 Irvine 分校） 纠错

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

AI总结 研究大语言模型在认知行为疗法引导的情感推理中的不足，采用知识引导框架，将用户叙述分解并基于临床概念验证，用协议杠杆力衡量引导效果，发现单链思维提示无效，多链思维能更好引导策略选择但效果有限。

Comments 12 pages, 7 figures, accepted for publication in Affective Computing and Intelligent Interaction (ACII) 2026

What Predicts Correctness in Text-to-SQL? A Selective-Prediction Study

什么能预测文本到SQL的正确性？一项选择性预测研究

Robert Richardson

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

AI总结 研究哪些信号能预测文本到SQL的正确性，黑盒信号AUROC在0.61到0.68之间，基于验证的评判器分数更高，集成可达0.82 AUROC。还探讨验证器训练，微调后的验证器在分布内表现较好，但跨模式泛化能力不足。

When Does In-Context Search Help? A Sampling-Complexity Theory of Reflection-Driven Reasoning

上下文搜索何时有用？基于反射驱动推理的采样复杂性理论

Yotam Wolf, Noam Wies, Amnon Shashua

机构 * The Hebrew University（希伯来大学） 纠错

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

AI总结 研究上下文搜索何时有用，通过将其建模为对推理轨迹的近似推理分析采样复杂性，表明反思能定位早期错误时可指数级改进，收益稳健可学习，还在强化学习抽象下验证了理论预测。

Back to Basics: Improving Molecular Understanding in LLMs via SMILES-Graph Translation

回归基础：通过SMILES-图翻译提升大语言模型中的分子理解

Wenda Wang, Jinjia Feng, Zhewei Wei

机构 * Gaoling School of Artificial Intelligence（中关村人工智能学院） 纠错

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

AI总结 研究针对分子大语言模型缺乏可靠结构基础的问题，提出MolBasic框架，通过SMILES-图翻译加强结构理解，用多级结构感知基准和渐进学习方案，提升了结构理解及下游任务表现。

SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use

SkillCoach: 用于评估和增强智能体技能使用的自演化评分准则

Jiayin Zhu, Kelong Mao, Yudong Guo, Dengbo He, Sulong Xu, Simiu Gu, Yutao Yue

机构 * HKUST(GZ)（香港科技大学（广州）） 纠错

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

AI总结 提出SkillCoach框架，通过自演化过程评分准则从技能选择、遵循、组合和反思四维度评估智能体轨迹，并利用演化准则筛选高质量训练数据，提升技能使用能力。

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 推理与问题求解 ：large language model(abstract)；language model(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

MindEdit-Bench: Benchmarking Object-Level Counterfactual Spatial Reasoning in VLMs from In-the-Wild Photos

MindEdit-Bench：基于野外照片的VLM中对象级反事实空间推理基准

Leyuan Yu, Xiao Tang, Minghao Liu, Xinyuan Li, Xiaokai Bai, Sheng Zhou, Qunshu Lin, Weihao Xuan, Naoto Yokoya

机构 * ZODA ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 提出MindEdit-Bench基准，包含六项空间推理任务，其中两项新任务（L4和L5）测试对象级反事实推理，VLM平均准确率仅8%-31%，远低于人类的81%-97%。

Comments 18 pages, 7 figures. Dataset available at https://huggingface.co/datasets/ZODAOfficial/MindEdit-Bench

Fork-Think with Confidence

基于置信度的分叉思考

Zena Al-Khalili, Rafi Hakim, Dietrich Klakow, Ji-Ung Lee

机构 * Saarland Informatics Campus, Saarland University, Germany（德国萨尔大学萨尔兰信息学园区） 纠错

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

AI总结 提出一种先决策后思考的并行推理方法，通过模型置信度识别分叉点并采样多条路径聚合，在保持或提升推理性能的同时，将token消耗降低30%，运行时间减少57%。

Adaptive Turn-Taking for Real-time Multi-Party Voice Agents

自适应轮流发言：面向实时多方语音代理

Soumyajit Mitra, Prabhat Pandey, Abhinav Jain, Shanmukha Sahith, K V Vijay Girish

机构 * Amazon AGI（亚马逊人工智能研究院） ； IIT Kharagpur, India（印度克里ш格布尔理工学院） 纠错

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

AI总结 提出ModeratorLM，一种基于角色条件的语音大模型，通过分块流式处理和链式推理，在多方对话中实现自适应轮流发言，显著提升轮流精度和召回率。

Comments Accepted for publication at Interspeech 2026

Retrieval-Warmed Energy-Based Reasoning: A Five-Arm Ablation Methodology for Diffusion-as-Inference on Structured Reasoning Tasks

检索预热能量基推理：结构化推理任务上扩散即推断的五臂消融方法

Libo Sun, Po-Wei Harn, Zewei Zhang, Peixiong He, Xiao Qin

机构 * Department of Computer Science and Software Engineering, Auburn University（奥本大学计算机科学与软件工程系） ； Department of Information Management, National Central University（国立中央大学信息管理系） 纠错

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

AI总结 提出五臂消融方法（oracle、best-constant、per-query-random、shuffled、aligned）分离检索预热能量基推理中的三种混淆效应，在连通性-2任务上发现逐图对齐主导性能提升，而在数独任务上关键质量成为瓶颈。

Comments 8 Pages, 6 Figures

SFL-MTSC: Leveraging Semantic Frame-Level Multi-Task Self-Consistency for Robust Multi-Intent Spoken Language Understanding

SFL-MTSC：利用语义框架级多任务自一致性实现鲁棒的多意图口语理解

Po-Yen Chen, Berlin Chen

机构 * National Taiwan Normal University（国立台湾师范大学） 纠错

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

AI总结 提出语义框架级多任务自一致性（SFL-MTSC）框架，通过将预测分解为意图特定框架、进行域-意图分组和槽级聚类，并利用路径支持评分评估聚类可靠性，有效缓解多意图场景下基于提示的口语理解中的意图-槽结构不一致问题，在MAC-SLU基准上提升了槽F1和整体准确率。

Comments Interspeech 2026

Look Light, Think Heavy: What Multimodal Chain-of-Thought Reasoning Can and Cannot Do

轻看，重思：多模态思维链推理能做什么和不能做什么

Zhuoran Jin, Kejian Zhu, Hongbang Yuan, Yupu Hao, Pengfei Cao, Yubo Chen, Kang Liu, Jun Zhao

机构 * The Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统认知与决策智能实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 本文系统探究多模态思维链推理在12个感知与推理任务上的表现，发现CoT对感知任务有副作用，但对数学、科学等多图像推理有效，且现有开源多模态推理模型提升有限，视觉推理仍是瓶颈。

Comments ACL 2026

Curriculum Reinforcement Learning Can Incentivize Reasoning Capacity in LLMs Beyond the Base Model

课程强化学习可以激励LLMs超越基础模型的推理能力

Pengxiang Cai, Tianchen Fang, Xiaohan Li, Qingyuan Zeng, Guocong Li, Jintai Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 提出边界感知课程强化学习方法，通过定位推理能力边界、针对性教师引导和强化学习巩固，在Qwen、Llama和DeepSeek上同时提升pass@1和pass@256，平均pass@256比基础模型提升9.8个百分点。

CalVerT: Augmenting Agents with Calibrated Verifier Telemetry Improves Action and Learning in Knowledge-Intensive Tasks

CalVerT: 通过校准验证器遥测增强智能体在知识密集型任务中的行动与学习

Ashwin Vinod, Ying Ding, Elias Stengel-Eskin

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 提出CalVerT方法，通过向智能体状态添加校准的自信心分数和基础验证器分数，减少过度依赖参数知识或冗余检索，提升知识密集型问答的准确性和效率。

Comments Code: https://github.com/ashwinn-v/CalVerT

EmoInstruct-TTS: Dual-Path Instruction-Guided Emotional Speech Synthesis

EmoInstruct-TTS：双路径指令引导的情感语音合成

Minghui Wu, Ganjun Liu, Zikun Fang, Ting Meng, Hongchuan Wu, Bingao Xu, Yonglong Cai, Jiasheng Chen, Jun Du

机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK Research（科大讯飞研究院） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

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

AI总结 提出EmoInstruct-TTS双路径框架，通过情感嵌入和指令条件情感流模型实现细粒度情感控制，提升语音情感可控性和自然度。

Comments 5 pages, 3 figures, 4 tables. Submitted to Interspeech 2026. Audio demos: https://huanyu-lab.github.io/EMOINSTRUCT-TTS

Beyond Fixed Budgets: Characterizing the Inelasticity and Limitations of Tree-of-Thought Reasoning Strategies

超越固定预算：刻画思维树推理策略的非弹性与局限性

Atkia Mahila, Avinash Maurya, M. Mustafa Rafique, Bogdan Nicolae

机构 * Rochester Institute of Technology（罗彻斯特理工学院） ； Argonne National Laboratory（阿贡国家实验室） 纠错

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

AI总结 通过评估两种代表性ToT方法在不同计算预算、模型规模和问题难度下的表现，揭示DPTS存在冷启动瓶颈而SSDP存在前沿耗尽问题，表明固定探索或剪枝策略无法适应计算连续体。

Comments Flexscience'26: ACM HPDC workshop

Disentangling Linguistic Relatedness from Task Alignment in Cross-Lingual Transfer

跨语言迁移中语言相关性与任务对齐的解耦

Ahmed Haj Ahmed, Ruochen Zhang, Alvin Grissom

机构 * Haverford College（哈弗福德学院） ； Brown University（布朗大学） 纠错

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

AI总结 通过微调大语言模型并在闪语族与非闪语族语言上评估零样本阅读理解，发现跨语言迁移主要提升任务格式对齐而非语言特定知识。

How Transparent is DiffusionGemma?

DiffusionGemma 的透明度如何？

Joshua Engels, Callum McDougall, Bilal Chughtai, Janos Kramar, Senthoran Rajamanoharan, Cindy Wu, Arthur Conmy, Asic Q Chen, Jean Tarbouriech, Min Ma, Brendan O'Donoghue, João Gabriel Lopes de Oliveira, Rohin Shah, Neel Nanda

机构 * Google（谷歌） 纠错

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

AI总结 研究DiffusionGemma在连续潜空间中的推理透明度，通过变量透明度和算法透明度分解，发现可解释的令牌瓶颈将不透明串行深度降至Gemma 4的1.1倍，并揭示扩散特有现象。

Comments 20 main text pages and 6 pages of references and appendices

VERITAS: Verifier-Guided Proof Search for Zero-Shot Formal Theorem Proving

VERITAS：验证器引导的零样本形式定理证明搜索

Manish Acharya, Zhenyu Liao, Yueke Zhang, Kevin Leach, Yu Huang, Yifan Zhang

机构 * Department of Computer Science, Vanderbilt University（范德堡大学计算机科学系） ； Amazon（亚马逊） 纠错

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

AI总结 提出VERITAS框架，通过两阶段协议（Best-of-N采样+批评引导MCTS）利用验证器反馈进行零样本定理证明，在miniF2F上达40.6%准确率，并发布组合学基准VERITAS-CombiBench。

Granularity-Regulated Adaptive Computational Efficiency for Optimal Verification in Test-Time Scaling

粒度调控的自适应计算效率：测试时扩展中的最优验证

Ardit Krasniqi, Luan Vejsiu, Elira Dervishi

机构 * European University of Tirana（欧洲地拉那大学） 纠错

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

AI总结 提出GRACE理论框架，将验证粒度建模为问题难度、验证器准确率和计算预算的函数，证明存在相变：细粒度验证在计算预算大或问题难时占优，粗粒度验证在低预算简单问题时更优，自适应策略可达到计算-性能帕累托前沿。

Where to Place the Query? Unveiling and Mitigating Positional Bias in In-Context Learning for Diffusion LLMs via Decoding Dynamics

查询应置于何处？通过解码动力学揭示并缓解扩散大语言模型中上下文学习的位置偏差

Zhengheng Li, Panrui Li, Xuyang Liu, Puzhi Xia

机构 * Southeast University（东南大学） 纠错

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

AI总结 本文系统分析了扩散大语言模型中查询位置对生成质量的影响，发现其与示例语义质量同等重要，并提出基于平均置信度的无训练自适应路由策略Auto-ICL以优化查询放置。

Comments 9 figures, 4 tables

Mechanism-Guided Selective Unlearning for RLVR-Induced Reasoning

机制引导的选择性遗忘：针对RLVR诱导的推理

Chenyu Zhou, Qiliang Jiang, Shuning Wu, Xu Zhou

机构 * School of Engineering, Institute of Science Tokyo, Japan（东京科学研究院工程学院） ； College of Control Science and Engineering, Zhejiang University, China（浙江大学控制科学与工程学院） ； Department of Electrical and Computer Engineering, National University of Singapore, Singapore（新加坡国立大学电子与计算机工程系） 纠错

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

AI总结 提出MAST方法，通过机制引导选择性更新参数，在遗忘RLVR诱导的推理行为时，显著降低对保留性能的附带损害。

Comments 15 pages, 4 figures, 7 tables