UnMaskFork: Test-Time Scaling for Masked Diffusion via Deterministic Action Branching
UnMaskFork通过确定性动作分支提升Masked Diffusion在测试时的扩展能力，优于现有方法并在复杂任务中表现优异。
2026-07-21 cs.AI cs.LG
The Illusion of Procedural Reasoning: Measuring Long-Horizon FSM Execution in LLMs
本研究提出以有限状态机（FSM）执行作为可控基准，探测大语言模型的长时序程序推理能力，发现模型性能随时序长度、分支复杂度增加系统性下降，大模型仅局部准确率提升，需外化中间步骤才能改善多步推理脆性。
2025-11-05 cs.AI
Evaluating Prompting and Execution-Based Methods for Deterministic Computation in LLMs
Virginia Tech（弗吉尼亚理工学院）
本文评估了多种提示策略在需要精确输出的任务中的表现，发现PoT通过生成可执行代码实现完美准确率，而其他方法存在误差积累或计算开销大等问题。
2026-05-07 cs.AI
TACIT Benchmark: A Programmatic Visual Reasoning Benchmark for Generative and Discriminative Models
Independent Researcher（独立研究者）
TACIT基准提出一个程序化视觉推理测试，包含10个任务和6个领域，通过生成和判别双轨评估模型在空间导航、抽象模式完成等任务中的推理能力。
2026-02-27 cs.AI cs.CV
The Imitation Game: When LLMs Learn to Reason Like Programs via Code-Centric Reasoning Data Synthesis
Peking University（北京大学）；Alibaba Group（阿里巴巴集团）；Zhejiang University（浙江大学）
提出MIMIC框架，利用可执行代码合成推理数据，通过代码插桩奖励提供过程监督，显著提升LLM在通用推理、数学和细粒度任务上的准确率。
2026-09-16 cs.AI cs.CL
VARM-Bench: Benchmarking Verifiable Structured Reasoning in Chinese Abusive Speech Moderation
NUAA（南京航空航天大学）
针对中文辱骂内容审核缺乏可验证决策依据的问题，提出VARM-Bench基准，通过确定性协议评估模型，发现标签级性能可能掩盖记录错误，提供可审计的评估基准。
2026-08-18 cs.AI
Constrained Path Reasoning: Measuring When Committed Stages Earn Their Cost
ShanghaiTech University（上海科技大学）
研究LLM推理管道中已提交阶段何时值得付出成本，提出受限路径推理（CPR）方法，通过源感知路径假设与阶段级核算结合，在多个实验设置下验证，可测量相关指标，为LLM推理提供新的衡量与验证方式。
2026-07-21 cs.AI
Humans and LLMs Diverge on Probabilistic Inferences
McGill University（麦吉尔大学）；Mila – Quebec AI Institute（魁北克人工智能研究所）；University of Vienna（维也纳大学）；FNRS – UCLouvain（佛罗伦萨-鲁汶大学）；Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
本文通过ProbCOPA数据集研究人类与大语言模型在概率推断上的差异，发现模型在非确定性推理上表现不足，揭示了人类与LLM在推理模式上的根本差异。
2026-02-26 cs.AI cs.CL
LLM-Assisted Formalization Enables Deterministic Detection of Statutory Inconsistency in the Internal Revenue Code
Loyola University Chicago（芝加哥洛约拉大学）
针对大语言模型在税务法条冲突检测中结构化推理能力不足的问题，提出结合LLM与Prolog的神经符号混合框架，实现了对美国《国内税收法典》法条冲突的确定性、可复现检测。
2025-11-15 cs.AI
Structural Chain-of-Thought: Reasoning with Executable Computational Graphs
MIPT（莫斯科物理技术学院）；AIRI（人工智能研究所）
本研究提出Structural Chain-of-Thought框架，让大语言模型生成可执行计算图而非自由推理，经图强化学习训练后，在多基准上提升准确率、缩短生成长度，且模型推理更忠实。
2026-10-14 cs.AI
FinAcumen: Financial Multimodal Reasoning via Self-Evolving Experience Memory Harness
Beijing University of Posts and Telecommunications（北京邮电大学）；Queen Mary University of London（伦敦玛丽女王大学）
提出FinAcumen框架，通过选择性经验记忆机制增强工具增强型多模态推理，在四个金融基准上持续提升冻结的8B视觉语言模型性能。
2026-09-15 cs.AI
Critical Thinking: Which Kinds of Complexity Govern Optimal Reasoning Length?
Cornell University（康奈尔大学）；Harvard University（哈佛大学）
本研究利用确定性有限自动机形式化任务复杂度，发现最优推理token数量由底层DFA运行长度而非状态空间大小决定，预测并过滤非最优长度答案可显著提升准确率。
2025-04-02 cs.AI
FinSTaR: Towards Financial Reasoning with Time Series Reasoning Models
LG AI Research（LG人工智能研究）
针对时间序列推理模型在金融领域的失效问题，提出基于2x2能力分类法的FinSTaR模型，通过Compute-in-CoT和Scenario-Aware CoT策略在FinTSR-Bench基准上达到78.9%平均准确率。
2026-08-25 cs.AI cs.LG
LifeAgentBench: Benchmarking LLMs for Long-Horizon, Cross-Dimensional Lifestyle Health Reasoning
University of California San Diego（加州大学圣地亚哥分校）；Google Research（谷歌研究）
本文提出LifeAgentBench多维基准和代理，用于评估LLM在长周期、跨维度健康推理中的能力，并通过实验识别关键瓶颈，提出基线代理LifeAgent实现显著改进。
2026-09-02 cs.AI
Pseudocode-Guided Structured Reasoning for Automating Reliable Inference in Vision-Language Models
East China Normal University（东华师范大学）
本文提出了一种基于伪代码的结构化推理框架（PStar），旨在通过自适应选择结构化伪代码推理路径，提高视觉-语言模型在复杂任务中的可靠性和鲁棒性，从而减少幻觉现象并提升推理性能。
2026-05-19 cs.AI
Evidence-Driven Reasoning for Industrial Maintenance Using Heterogeneous Data
IBM Research Europe（IBM欧洲研究院）；IBM Research Yorktown（IBM约克镇研究院）；Imperial College London（伦敦帝国学院）
本文提出Condition Insight Agent，通过整合维护语言、操作数据行为抽象和工程故障语义，实现基于证据驱动的工业维护决策支持。
2026-03-09 cs.AI
Towards Trustworthy Multi-Turn LLM Agents via Behavioral Guidance
Gonca Gürsun（独立研究者）
本文提出一种框架，通过行为指导使大语言模型代理在多轮任务中实现可靠和可验证的行为。
2025-12-12 cs.AI
ZEBRAARENA: A Diagnostic Simulation Environment for Studying Reasoning-Action Coupling in Tool-Augmented LLMs
Stanford University（斯坦福大学）；Microsoft Research（微软研究院）
ZEBRAARENA通过可控难度和知识最小化设计，研究工具增强大语言模型中的推理-动作耦合，强调深度推理与精准工具调用的结合，揭示理论最优与实际工具使用间的差距。
2026-09-15 cs.AI
SafeSceneReason: A Multimodal Reasoning Benchmark Connecting Industrial Hazards with Accident Knowledge
SafeSceneReason是关联工业危害与事故知识的多模态推理基准，含两类问答对，评估发现现有视觉-语言模型在工业安全推理上存显著弱点。
2026-08-11 cs.AI
Cliff Tokens: Analyzing Failure Trigger Tokens in LLM Mathematical Reasoning
Seoul National University（首尔大学）；Boston University（波士顿大学）
提出“悬崖token”概念，通过自适应阈值和单侧双比例z检验识别导致推理失败的单个token，删除并重采样可恢复pass@64至1.0，并基于贪心选择和token熵建立分类法，通过Cliff-DPO优化提升准确率。
2026-09-29 cs.AI cs.CL
Context-Aware Mapping of 2D Drawing Annotations to 3D CAD Features Using LLM-Assisted Reasoning for Manufacturing Automation
Singapore Institute of Manufacturing Technology (SIMTech), A*STAR, Singapore（新加坡制造技术研究所）；Advanced Remanufacturing and Technology Centre (ARTC), A*STAR, Singapore（先进再制造与技术中心）；School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院）
本文提出一种基于LLM辅助推理的上下文感知框架，实现2D绘图注释到3D CAD特征的映射，提升制造自动化精度和可靠性。
2026-02-24 cs.AI cs.CE
FinRCA-Bench: Benchmarking Evidence Retrieval and Reasoning for Financial AI Systems
该研究推出FinRCA-Bench基准，评估金融AI系统的证据检索与推理，发现检索架构影响性能，正确根本原因标签是可审计诊断的弱代理。
2026-08-20 cs.AI cs.IR
Reinforcement Inference: Leveraging Uncertainty for Self-Correcting Language Model Reasoning
Programme of Management Engineering, Politecnico di Milano（米兰理工学院管理工程项目）
本研究提出强化推断方法，通过利用模型不确定性进行自我修正推理，提升语言模型在零样本设置下的准确性，同时减少计算成本。
2026-02-12 cs.AI cs.LG
The Impact of LLM Self-Consistency and Reasoning Effort on Automated Scoring Accuracy and Cost
Khan Academy（可汗学院）
研究探讨了LLM自我一致性和推理努力对自动化评分准确性和成本的影响，发现策略性模型选择和推理设置比集成更有效，且推理努力与评分准确性呈正相关。
2026-04-03 cs.AI cs.CY
Protecting Context and Prompts: Deterministic Security for Non-Deterministic AI
MACAW Security, Inc.（MACAW安全公司）
本研究提出认证提示和上下文技术，通过加密验证和策略代数实现LLM的预防性安全，有效防止提示注入和上下文操纵攻击。
2026-02-11 cs.AI cs.CR cs.MA
CIFQA: A Deterministic Tool-Grounded Multi-Agent LLM Framework for Financial Query Answering
School of Artificial Intelligence and Data Science, Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校人工智能与数据科学学院）
本研究针对LLM多步骤金融计算易出错的问题，提出CIFQA多智能体框架，在定期存款查询基准上准确率达95.54%，且17B开源模型在该框架内表现优于更大前沿模型，证明架构设计对数值可靠性更关键。
2026-08-28 cs.AI cs.CL q-fin.CP
Reasoning over Logically Interacted Conditions for Question Answering
Carnegie Mellon University（卡内基梅隆大学）；Google Research（谷歌研究院）
有些问题有多个答案，但这些答案并不相同，即在不同的条件下答案是不同的。条件用于区分答案以及提供额外的信息来支持它们。在本文中，我们研究了一个更具挑战性的任务，其中答案受到一系列逻辑交互条件的约束，这需要对条件进行逻辑推理以确定答案的正确性。更具有挑战性的是，我们只为一个子集的条件提供证据，所以有些问题可能没有确定性的答案。在这种情况下，模型被要求找到可能的答案，并确定需要满足的条件，以使答案正确。我们针对这个具有挑战性的推理任务提出了一个新模型TReasoner。TRasoner由一个蕴涵模块、一个推理模块和一个生成模块（如果答案是自由格式的文本跨度）组成。TReasoner在两个基准条件QA数据集上实现了最先进的性能，比之前的最先进性能高出3-10个点。
2022-05-25 cs.AI cs.CL
LEPO: Latent Reasoning Policy Optimization for Large Language Models
Tencent（腾讯）；Zhejiang University（浙江大学）；Shanghai Jiao Tong University（上海交通大学）
LEPO通过引入Gumbel-Softmax在大语言模型中实现可控的随机性，提升其探索能力与强化学习兼容性，通过直接在连续潜在表示上应用强化学习，显著优于现有方法。
2026-06-15 cs.AI cs.LG
Deterministic or probabilistic? The psychology of LLMs as random number generators
本研究系统测试多种LLM生成随机数的表现，发现尽管架构随机，模型常输出确定性结果，且受模型与提示语言影响，根源在于训练数据偏差，揭示LLM复现人类认知偏差。
2025-02-27 cs.AI cs.CL
The Geometry of Persona: Disentangling Personality from Reasoning in Large Language Models
Precision and Intelligence Medical Imaging Lab, Beijing Friendship Hospital, Capital Medical University（首都医科大学北京友谊医院精准与智能医学影像实验室）
本文提出Soul Engine框架，通过解耦人格特质于LLM推理，实现安全可控的人格个性化。
2025-12-08 cs.AI cs.LG
Latent Thought Flow: Efficient Latent Reasoning in Large Language Models
Singapore Management University（新加坡管理大学）；Ant Group（蚂蚁集团）
提出Latent Thought Flow (LTF)方法，将推理建模为可变长度连续轨迹，通过连续GFlowNet训练采样器匹配奖励后验，在提升准确率9.5%的同时平均减少推理长度27.2%。
2026-06-16 cs.AI cs.LG
Context Is Not Comprehension
UNSW Business School（新南威尔士大学商学院）；UNSW AI Institute（新南威尔士大学人工智能研究院）
本研究提出Verbose ListOps（VLO）基准，将确定性计算嵌入叙事伪装以支持步骤级推理评估，发现高召回率LLM在长文本多步推理中性能骤降，为以推理为核心的模型设计提供可复用测试平台。
2025-06-12 cs.AI cs.CL cs.IR
Repository Intelligence Graph: Deterministic Architectural Map for LLM Code Assistants
Blavatnik School of Computer Science Tel Aviv University（布拉瓦特尼克计算机科学学院特拉维夫大学）
本研究提出仓库智能图（RIG）以提升LLM代码助手的构建和测试结构理解能力，通过确定性架构图和SPADE提取器实现结构化问题解答的准确性与效率提升。
2026-01-15 cs.AI cs.SE
Delta1 with LLM: symbolic and neural integration for credible and explainable reasoning
本文提出Delta1与LLM结合的框架，通过符号推理与神经网络整合，实现可信且可解释的推理，适用于医疗、合规和监管领域。
2026-03-13 cs.AI cs.LO
Unmasking Reasoning Processes: A Process-aware Benchmark for Evaluating Structural Mathematical Reasoning in LLMs
Alibaba Group（阿里巴巴集团）；Shanghai Jiao Tong University（上海交通大学）
本文提出ReasoningMath-Plus基准，通过过程感知评估方法揭示大语言模型在结构性数学推理中的不足，引入HCRS评分函数和过程奖励模型，发现仅答案指标可能高估推理能力。
2026-02-26 cs.AI cs.CL
DrGait: Biomechanically Grounded Visual Reasoning for Interpretable Clinical Gait Analysis
University of Pittsburgh（匹兹堡大学）
针对临床步态分析中黑盒模型不可解释及VLM直接应用易产生幻觉的问题，提出无需训练的DrGait主体框架，通过分诊-验证-综合工作流解耦语义推理与几何感知，借助确定性生物力学工具验证假设，减少幻觉并生成透明可审计的临床报告。
2026-09-25 cs.AI cs.CV
Latent Chain-of-Thought for Visual Reasoning
Rochester Institute of Technology（罗切斯特技术研究所）；Snap Inc.（Snap公司）；University of Rochester（罗切斯特大学）；DEVCOM Army Research Laboratory（陆军研究实验室）
针对大视觉语言模型现有推理训练算法泛化差、依赖偏差奖励模型的问题，提出基于变分推断的潜思维链训练方法，结合稀疏奖励与贝叶斯推断缩放策略，在7个基准上提升了模型推理的有效性、泛化性与可解释性。
2025-10-29 cs.AI cs.CL
Map2Thought: Explicit 3D Spatial Reasoning via Metric Cognitive Maps
The Hong Kong University of Science and Technology（香港科技大学）；Huawei Noah’s Ark Lab（华为诺亚实验室）
Map2Thought通过度量认知地图和认知推理链实现3D空间推理，以可解释的方式提升3D理解的准确率。
2026-01-16 cs.AI cs.CV
Hardware-Enforced Semantic Coordination for Safety-Critical Real-Time Autonomous Systems
Department of Computer Science University of the Bundeswehr Munich Neubiberg, Germany；Department of Computer Science Sapienza University of Rome Rome, Italy；STAKE Lab University of Molise Campobasso, Italy
针对异构组件并发运行下的协调问题，提出基于FPGA的硬件强制语义协调架构，将TB-CSPN协调机制映射到硬件原语，实现确定性协调和安全保障。
2026-07-03 cs.AI cs.MA
TempoBench: Reasoning Execution Without Causal Attribution Is Just Simulation
Columbia University（哥伦比亚大学）；Columbia University, Barnard College（哥伦比亚大学、巴纳德学院）
提出TempoBench基准，通过合成Mealy机生成可验证的因果标签，评估LLM在时间因果推理中的表现，发现模型在最小因果归因任务上准确率低于25%，主要错误是过度指定。
2026-08-11 cs.AI cs.FL
Exploiting Functional Dependencies in Qualitative Probabilistic Reasoning
AI Technology Office, Wright R&D Center（莱特研发中心人工智能技术办公室）
函数依赖性限制了概率网络中连接的变量之间的潜在相互作用。在定性概率推理中，可以通过引入确定性变量和修改推理规则来利用这种限制，从而在存在函数关系的情况下产生更强的结论。我描述了如何通过展示涉及概率和确定性变量及其组合的图形转换的更新程序来完成定性概率网络中的这些修改。一个简单的例子表明，增广方案可以减少定性的歧义，将出现没有特殊处理的功能依赖。定性协同分析表明，新的高阶关系需要有效地推理确定性变量之间的协同作用。
2013-03-27 cs.AI
Logic-LM: Empowering Large Language Models with Symbolic Solvers for Faithful Logical Reasoning
University of California, Santa Barbara（加州大学圣巴巴拉分校）
本文提出Logic-LM框架，通过将大型语言模型与符号求解器结合，把自然语言转化为符号公式进行推理，并引入自我修正模块，在五个逻辑数据集上显著提升了LLM的逻辑推理性能。
2023-10-19 cs.AI cs.CL
Allocentric Perceiver: Disentangling Allocentric Reasoning from Egocentric Visual Priors via Frame Instantiation
Anhui Province Key Laboratory of Digital Security, University of Science（安徽数字安全重点实验室，科学大学）；National University of Singapore（新加坡国立大学）
非自体参照感知器通过帧实例化解耦非自体参照推理与自体参照视觉先验，提升空间推理任务性能。
2026-02-05 cs.AI cs.CV
Latent Chain-of-Thought as Planning: Decoupling Reasoning from Verbalization
Beihang University（北航大学）；Didi Chuxing（滴滴出行）
PLaT通过解耦推理与言说，实现了更灵活的推理过程和更高的可扩展性。
2026-09-29 cs.AI cs.CL
AgentWeave: Routing Before Reasoning for Efficient Function Calling in Tool-Rich Language Models
本研究提出AgentWeave，一种推理前确定性路由层，可缩小工具丰富语言模型的函数调用候选集，在BFCL V4多函数任务上实现12.5%的原生BFCL成功，同时减少工具数量、输入token和延迟。
2026-08-25 cs.AI cs.CL
Beyond Outcome Verification: Verifiable Process Reward Models for Structured Reasoning
IBM Research Europe - Ireland（IBM欧洲研究院-爱尔兰）；Dublin City University（都柏林城市大学）；IT:U Interdisciplinary Transformation University Austria（IT:U跨学科转型大学奥地利）
本文提出可验证过程奖励模型，用于提升结构化推理的连贯性和准确性，实验显示其在医学证据评估中优于现有方法。
2026-01-23 cs.AI cs.CL
Reference-Free Evaluation of Reasoning in Open-Ended Question Answering
Queen Mary University of London（伦敦大学玛丽皇后学院）；Temple University（天普大学）
针对高风险领域人工智能生成答案难验证问题，提出基于推理的无参考框架审核大语言模型输出，通过分解推理轨迹、标记关系并组织成超图等方法评估，在数学和医学推理设置下比直接以大语言模型为基线更可靠，强调问答评估应考虑推理关系组合。
2026-07-23 cs.AI cs.CL cs.LG
Robust Reasoning Benchmark
University of Toronto（多伦多大学）；Vector Institute（向量研究所）
本研究提出鲁棒推理基准（RRB），通过13种确定性文本扰动评估8种前沿模型，发现Claude在面对变换提示时表现出异常拒绝行为，而开放权重模型在结构噪声下出现多种失败模式，如认知冲刷、分词崩溃和推理崩溃，导致平均准确率下降高达54%。研究进一步发现由模型自身推理链引起的注意力稀释问题，并提出Intra-Query Attention Dilution概念，表明中间推理步骤会污染标准密集注意力机制，未来架构需整合显式上下文重置以实现可靠推理。
2026-07-22 cs.AI cs.CL cs.LG
Exploration vs Exploitation: Rethinking RLVR through Clipping, Entropy, and Spurious Reward
Columbia（哥伦比亚大学）；CUHK SZ（香港大学）；DAMO, Alibaba US（阿里云实验室）；NYU Stern（纽约大学 Stern 学院）
本文通过截断、熵和虚假奖励机制，重新审视RLVR框架，揭示了探索与利用权衡对大语言模型推理能力提升的影响。
2026-01-26 cs.AI cs.CL cs.LG
ORCH: many analyses, one merge-a deterministic multi-agent orchestrator for discrete-choice reasoning with EMA-guided routing
Universiti Sains Malaysia（马来西亚理科大学）
ORCH是一种确定性多智能体协调器，通过EMA引导路由实现离散选择推理的可控、可解释和部署就绪的智能体系统。
2026-02-02 cs.AI
GraFT: A Training-Free Framework for Spatial Reasoning in Multimodal Large Language Models via 3D Scene Graphs
Riemann Lab, Huawei Technologies（华为技术有限公司黎曼实验室）
GraFT是一种无训练框架，通过3D场景图为多模态大语言模型提供三类空间推理能力，在ScanQA、VSI-Bench数据集上显著提升了模型空间推理性能。
2026-10-20 cs.AI cs.CV cs.RO
Toward Guarantees for Clinical Reasoning in Vision Language Models via Formal Verification
Case Western Reserve University（凯斯西储大学）
通过形式验证框架，为视觉语言模型的临床推理提供保证，验证诊断主张的数学推导性，提升生成临床助手的正确性和精度。
2026-10-14 cs.AI cs.CL cs.CV
Prompt Decorators: A Declarative and Composable Syntax for Reasoning, Formatting, and Control in LLMs
School of Engineering and Built Environment（工程与建筑环境学院）；College of Business（商学院）；Sheffield Hallam University（谢菲尔德哈姆大学）
本文提出提示装饰器，一种声明式可组合语法，通过紧凑控制标记管理LLM推理、格式化和控制，形式化20个核心装饰器，实现可预测、可审计的行为组合，提升推理透明度并降低提示复杂性。
2025-10-21 cs.AI cs.CL cs.HC
Unifying Ontology Construction and Semantic Alignment for Deterministic Enterprise Reasoning at Scale
Yonyou AI Lab（用友AI实验室）；Yonyou Network Technology Co., Ltd.（用友网络科技股份有限公司）
本文提出统一本体构建与语义对齐的框架，通过构造-对齐-推理流程提升企业级确定性推理能力，实验表明其在本体完成和复杂图推理任务中表现优异。
2026-03-11 cs.AI cs.CL
