Baidu（百度）

Token-Level Policy Optimization: Linking Group-Level Rewards to Token-Level Aggregation via Sequence-Level Likelihood

令牌级策略优化：通过序列级似然将群体级奖励与令牌级聚合联系起来

Xingyu Lin, Yilin Wen, Du Su, Jinchang Hou, En Wang, Wenbin Liu, Chenfu Bao, Zhonghou Lv

机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Key Laboratory of Symbolic Computation and Knowledge Engineering of MOE, Jilin University（教育部符号计算与知识工程重点实验室，吉林大学） ； Baidu Inc.（百度公司） ； Tsinghua University（清华大学） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全重点实验室，计算技术研究所） 纠错

AI总结 本文提出TEPO，通过序列级似然将群体奖励与单个令牌联系，并引入KL散度掩码约束以提升训练稳定性，实验显示其在数学推理任务中表现优异且收敛时间减少50%。

KnowRL: Boosting LLM Reasoning via Reinforcement Learning with Minimal-Sufficient Knowledge Guidance

KnowRL: 通过最小充分知识引导的强化学习提升大语言模型推理

Linhao Yu, Tianmeng Yang, Siyu Ding, Renren Jin, Naibin Gu, Xiangzhao Hao, Shuaiyi Nie, Deyi Xiong, Weichong Yin, Yu Sun, Hua Wu

机构 * TJUNLP Lab, School of Computer Science and Technology, Tianjin University, China（天津大学计算机科学与技术学院TJUNLP实验室） ； Baidu Inc.（百度公司） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） 纠错

AI总结 KnowRL通过最小充分知识引导的强化学习框架提升大语言模型推理能力，通过分解知识点并优化子集选择，在八个基准测试中超越现有基线，达到70.08的准确率。

Graph-Based Chain-of-Thought Pruning for Reducing Redundant Reflections in Reasoning LLMs

基于图的链式推理剪枝：减少推理LLM中冗余反射

Hongyuan Yuan, Xinran He, Run Shao, Bolei He, Xianwei Xue, Mengke Chen, Qiutong Pan, Haiwei Wang, Haifeng Li

机构 * School of Geosciences and Info-Physics, Central South University（地质科学与信息物理学院，中南大学） ； Baidu Inc.（百度公司） 纠错

AI总结 本文提出基于图的链式推理优化框架，通过剪枝策略减少推理过程中冗余反射，提升效率与准确性。

Comments Accepted by ACL2026 Findings

AAPO: Enhancing the Reasoning Capabilities of LLMs with Advantage Margin

AAPO: 通过优势边际增强大语言模型的推理能力

Jian Xiong, Jingbo Zhou, Jingyong Ye, Qiang Huang, Dejing Dou

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Frontier Research Department, Baidu Inc.（百度公司前沿研究部） 纠错

AI总结 AAPO通过引入基于边际的估计方案优化交叉熵损失，有效解决传统分组相对优势估计方法的训练效率问题，在数学推理基准上表现出色。

Comments Accepted to ACL2026 Main Conference