Contextual Drag: How Errors in the Context Affect LLM Reasoning
Princeton University(普林斯顿大学)
研究发现上下文中的错误会偏向下文生成的推理错误,导致性能下降,并指出缓解策略无法完全消除该问题。
2026-03-02 cs.AI cs.CL cs.LG
METER: Evaluating Multi-Level Contextual Causal Reasoning in Large Language Models
College of Computer Science, Sichuan University(四川大学计算机学院);Institute of Data Science, National University of Singapore(新加坡国立大学数据科学研究所);Engineering Research Center of Machine Learning and Industry Intelligence, Ministry of Education, China(中国教育部机器学习与产业智能工程研究中心)
本文提出METER基准,系统评估大型语言模型在因果阶梯的三个层级上的表现,发现随着任务层级升高,模型能力显著下降,揭示了模型在因果推理中的两大失效模式。
2026-04-16 cs.AI cs.CL
Benchmarking Contextual and Paralinguistic Reasoning in Speech-LLMs: A Case Study with In-the-Wild Data
Institute of Infocomm Research (I 2 R)(信息通信研究所)
针对语音大语言模型在副语言推理上的不足,提出CP-Bench基准,通过两个QA数据集评估模型整合言语与非言语线索的能力,揭示现有评估空白,为构建情感智能语音模型提供方向。
2025-09-24 cs.AI cs.CL
FalseReject: A Resource for Improving Contextual Safety and Mitigating Over-Refusals in LLMs via Structured Reasoning
The Ohio State University(俄亥俄州立大学);Amazon(亚马逊)
为缓解LLMs对良性查询的过度拒绝问题,本文提出FalseReject资源及图信息增强的对抗性多智能体框架,生成16k数据集以训练模型进行结构化推理,在保障整体安全性的同时大幅减少了不必要的拒绝。
2025-07-15 cs.AI cs.CL
Lost in the Noise: How Reasoning Models Fail with Contextual Distractors
University of Illinois Chicago(伊利诺伊大学芝加哥分校)
本文提出RARE方法,通过激励识别噪声中的有用信息,提升模型在上下文干扰下的鲁棒性,揭示增加计算量反而导致噪声环境下性能下降的反比例趋势。
2026-01-12 cs.AI cs.CL
MediEval: A Unified Medical Benchmark for Patient-Contextual and Knowledge-Grounded Reasoning in LLMs
TU Dresden and ScaDS.AI(德累斯顿理工大学和ScaDS.AI)
MediEval通过整合MIMIC-IV电子健康记录与统一的知识库,系统评估医疗模型的知识基础和上下文一致性,识别关键失败模式并提出CoRFu方法提升准确性和安全性。
2026-05-07 cs.AI cs.CL
Analysing Neural Language Models: Contextual Decomposition Reveals Default Reasoning in Number and Gender Assignment
University of Amsterdam(阿姆斯特丹大学)
最近的大量研究表明,递归神经语言模型能够处理广泛的语法现象。然而,这些模型如何能够如此出色地完成这些非凡的壮举,仍然是一个悬而未决的问题。为了更深入地了解LSTM基于什么样的信息做出决策,我们提出了一个概括的上下文分解(GCD)。特别是,这种设置使我们能够准确地判断预测的哪一部分源于语义分析,哪一部分真正源于句法线索,哪一部分源于模型偏见本身。我们调查这项技术的任务有关的句法协议和共指决议,并发现该模型强烈依赖于一个默认的推理效果来执行这些任务。
2019-09-19 cs.AI cs.CL stat.ML
Cosmos QA: Machine Reading Comprehension with Contextual Commonsense Reasoning
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Allen Institute for Artificial Intelligence(艾伦人工智能研究所);University of Washington(华盛顿大学)
理解叙述需要阅读字里行间的内容,这反过来又需要解释事件的可能原因和影响,即使它们没有明确提到。在本文中,我们介绍了Cosmos QA,这是一个包含35,600个问题的大规模数据集,这些问题需要基于常识的阅读理解,并以多项选择题的形式表达。与大多数现有的阅读理解数据集形成鲜明对比的是,这些数据集的问题集中在对上下文段落的事实和字面理解上,我们的数据集集中在对人们日常叙述的各种收集的字里行间的阅读,提出诸如“可能的原因是什么...?或者“如果......“这需要推理超出确切的文本跨度在上下文中。为了建立Cosmos QA的基线性能,我们实验了几种用于阅读理解的最先进的神经架构,并提出了一种新的架构,该架构在竞争基线上有所改进。实验结果表明,机器(68.4%)和人类(94%)之间存在显着差距,为未来的常识机器理解研究指明了方向。数据集、代码和排行榜可在https://wilburone.github.io/cosmos上公开获取。
2019-09-06 cs.AI cs.CL
Persona2Web: Benchmarking Personalized Web Agents for Contextual Reasoning with User History
Department of Artificial Intelligence, Yonsei University, Seoul, Republic of Korea(人工智能系,延世大学,首尔,大韩民国)
提出Persona2Web基准,通过澄清-个性化原则评估Web智能体在真实开放网络中利用用户历史解决模糊查询的个性化能力,并引入推理感知评估框架。
2026-05-27 cs.AI cs.CL
"Lost-in-the-Later": Framework for Quantifying Contextual Grounding in Large Language Models
Portland State University(波特兰州立大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本文提出CoPE框架,发现LLM存在“迷失于后段”的位置偏差,即忽视上下文后部信息,并证明基于上下文知识的提示可改善事实锚定、减少幻觉。
2025-07-07 cs.AI cs.CL
Hermes: Learning Contextual Reasoning Unlocks Test-Time Scaling
Carnegie Mellon University(卡内基梅隆大学);AWS AI Labs(AWS AI 实验室);Washington University in St. Louis(圣路易斯华盛顿大学);Georgia Institute of Technology(佐治亚理工学院)
本文提出Hermes框架和Hermes-Learn训练方法,将上下文分配决策转移给模型,使模型能利用额外推理计算进行扩展,并提升跨基准的泛化能力。
2026-10-01 cs.AI cs.CL cs.LG
Can Reasoning Path still be Effective as Input? Bridging Post-Reasoning to Chain-of-Thought Compression
Faculty of Electronic and Information Engineering, Xi’an Jiaotong University(西安交通大学电子与信息工程学院);Queen Mary University of London(伦敦大学玛丽女王学院);City University of Hong Kong(香港城市大学)
提出后推理范式,通过将思维链作为上下文输入来简化推理任务,并设计UCoT框架训练轻量级压缩器生成软令牌形式的上下文思维链,从而在保持推理能力的同时显著压缩输出长度。
2026-06-03 cs.AI cs.CL
Reasoning with Justifiable Exceptions in Contextual Hierarchies (Appendix)
Fondazione Bruno Kessler(布鲁诺·凯斯勒基金会);Technische Universität Wien(维也纳工业大学)
本文是Bozzato,Serafini和Eiter在2018年发表的论文“在上下文层次结构中具有正当性的推理”的附录。它提供了关于语言,复杂性结果和主要论文中介绍的数据库翻译的进一步细节。
2018-08-06 cs.AI cs.LO
MMCOMET: A Large-Scale Multimodal Commonsense Knowledge Graph for Visual Reasoning
University of Sydney(悉尼大学);University of Melbourne(墨尔本大学);University of Edinburgh(爱丁堡大学);The University of Sydney(悉尼大学)
MMCOMET是一种大规模多模态常识知识图谱,通过整合视觉、物理和社会知识,提升了复杂推理任务如图像描述和叙事生成的性能。
2026-11-11 cs.AI
Breaking Contextual Inertia: Reinforcement Learning with Single-Turn Anchors for Stable Multi-Turn Interaction
Department of XXX, University of YYY, Location, Country(XXX系,YYY大学,地点,国家);School of ZZZ, Institute of WWW, Location, Country(ZZZ学院,WWW研究所,地点,国家)
本文提出RLSTA方法,通过单轮锚点提供奖励信号,帮助模型打破情境惯性,提升多轮交互稳定性,实验显示其在不同领域表现优异。
2026-05-11 cs.AI cs.CL
Contextual Paralinguistic Data Creation for Multi-Modal Speech-LLM: Data Condensation and Spoken QA Generation
Agency for Science, Technology and Research (A ⋆ ⋆ \star ⋆ STAR)(科技研究局);Institute for Infocomm Research (I 2 R)(信息通信研究所)
本文提出首个从自然场景语音中生成上下文副语言问答数据集的框架,通过伪副语言标签数据浓缩和LLM生成CPQA,验证了其有效性并揭示了现有语音LLM在共情推理上的不足。
2025-06-03 cs.AI cs.CL eess.AS
MMCR: Advancing Visual Language Model in Multimodal Multi-Turn Contextual Reasoning
School of Cybersecurity, Northwestern Polytechnical University(西北工业大学网络安全学院);AI Business, Alibaba Group(阿里巴巴集团人工智能业务部);College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院)
针对现有视觉语言模型多依赖单轮对话训练评估的问题,提出包含31万条多图像多轮对话的MMCR-310k数据集与8领域40子主题的MMCR-Bench基准,微调后模型在多项基准上准确率显著提升。
2025-03-24 cs.AI
Reasoning with Contextual Knowledge and Influence Diagrams
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);University of Milano-Bicocca(米兰比可卡大学)
影响图(ID)是众所周知的形式主义扩展贝叶斯网络模型的决策情况下的不确定性。虽然他们是方便的决策理论工具,他们的知识表示能力是有限的,在捕捉其他关键的概念,如逻辑一致性。我们补充ID与轻量级的描述逻辑(DL)EL,以克服这些限制。我们考虑一个DL公理在某些上下文中成立的设置,但实际的上下文是不确定的。该框架受益于使用DL作为领域知识表示语言的便利性和ID的建模强度,以处理在上下文存在不确定性的情况下的决策。我们定义了相关的推理问题,并研究了它们的计算复杂性。
2020-07-01 cs.AI cs.LO
Contextual Integrity in LLMs via Reasoning and Reinforcement Learning
Purdue University(普渡大学);Microsoft(微软);National Univ of Singapore(新加坡国立大学)
本文通过推理和强化学习方法,提升大语言模型在执行任务时的信息披露合理性,减少不适当信息泄露,同时保持任务性能。
2025-12-29 cs.AI cs.CL cs.LG
1-2-3 Check: Enhancing Contextual Privacy in LLM via Multi-Agent Reasoning
Language Technologies Institute Carnegie Mellon University(语言技术研究所卡内基梅隆大学)
通过多智能体推理,有效减少LLM中的私有信息泄露,提升上下文隐私保护效果。
2026-02-25 cs.AI
Contextual Safety Reasoning and Grounding for Open-World Robots
University of Pennsylvania(宾夕法尼亚大学);Carnegie Mellon University(卡内基梅隆大学)
CORE框架通过视觉语言模型实现在线上下文推理与空间grounding,提供概率安全保证,在开放世界中有效执行上下文适应的安全行为。
2026-02-24 cs.AI cs.RO
Reasoning on Multi-Relational Contextual Hierarchies via Answer Set Programming with Algebraic Measures
Fondazione Bruno Kessler(布鲁诺·凯斯勒基金会);Technische Universität Wien(维也纳工业大学)
处理上下文相关的知识导致了不同的形式化的概念的背景。其中之一是情境化知识库(CKR)框架,它植根于描述逻辑,但在推理方面与逻辑程序,特别是回答集编程(ASP)有很强的联系。CKR框架迎合了上下文中具有可废止公理和例外的推理,并将其扩展到覆盖(特异性)层次结构中的跨上下文知识继承。然而,该方法只支持这种单一类型的上下文关系和推理程序的工作仅限于层次结构,由于非平凡的问题与模型的偏好下的异常。在本文中,我们克服了这些限制,并提出了一个推广的CKR层次结构的多个上下文关系,以及他们的解释,可废止的公理和偏好。为了支持推理,我们使用ASP与代数措施,这是一个最近的扩展ASP加权公式半环,允许一个关联的数量与解释取决于命题原子的真值。值得注意的是,我们表明,CKR层次结构与多个上下文关系的相关片段,查询回答可以实现与流行的asprin框架。代数措施的方法是更强大的,并使例如推理与认知查询CKR,这打开了有趣的角度使用定量ASP扩展在其他应用程序。
2021-12-21 cs.AI cs.LO
CANDI: Contextual Alignment for Niche Domains Question Answering
研究针对专业领域大语言模型评估问题,提出CANDI-QA数据集,含两类问答对。评估多种语言模型,给出MTSS-Net框架。揭示特定领域上下文对齐挑战及当前模型局限,为上下文感知语言模型研究提供关键基准。
2026-07-15 cs.AI cs.CL
Not All Heads Matter: A Head-Level KV Cache Compression Method with Integrated Retrieval and Reasoning
University of California, Riverside(加州大学河滨分校);University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Microsoft(微软公司)
提出头部级KV缓存压缩方法HeadKV及HeadKV-R2,通过估计注意力头在检索与推理任务中的重要性,仅保留1.5%缓存即可达到完整缓存97%的性能。
2025-10-23 cs.AI cs.CL
Lift-the-flap: what, where and when for context reasoning
Boston Children’s Hospital, Harvard Medical School(波士顿儿童医院,哈佛医学院);Harvard College(哈佛大学学院);Mayo Clinic Graduate School of Biomedical Sciences(梅奥诊所生物医学研究生院);Yale University(耶鲁大学)
上下文推理在各种各样的应用中是至关重要的,在这些应用中,需要根据先前的经验和知识来解释当前的输入。时空背景信息在视觉识别中起着重要的作用。在这里,我们研究空间约束(什么图像特征提供上下文信息,它们位于何处),和时间约束(当不同的上下文线索的问题)的视觉识别。任务是推理场景上下文,并推断隐藏在襟翼后面的目标对象在自然图像中是什么。为了解决这个问题,我们首先描述了一个在线的人类心理物理学实验记录通过鼠标点击在升降机皮瓣游戏的主动采样,并确定点击模式和功能,这是诊断高上下文推理的准确性。作为这些点击模式和视觉特征的有用性的证明,我们扩展了一个国家的最先进的经常性模型能够出席突出的上下文区域,动态地整合有用的信息,进行推断,并预测类标签的目标对象在多次点击。该模型实现了人类水平的上下文推理的准确性,共享类人的采样行为,并学习上下文推理的可解释的功能。
2019-09-25 cs.AI cs.CV
Batched Contextual Reinforcement: A Task-Scaling Law for Efficient Reasoning
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Tsinghua University(清华大学)
本文提出批量上下文强化方法,通过在共享上下文窗口中同时解决多个问题,实现高效推理,减少token消耗并提升准确性。
2026-04-02 cs.AI cs.CL cs.LG
From Abstract to Contextual: What LLMs Still Cannot Do in Mathematics
研究揭示LLM在现实应用中数学推理能力不足,提出ContextMATH基准测试,发现正确问题建模是成功的关键,但建模与推理仍是限制因素。
2026-04-03 cs.AI
Disentangling Logic: The Role of Context in Large Language Model Reasoning Capabilities
Rutgers University(罗格斯大学);Microsoft(微软公司);University of Michigan(密歇根大学);The University of Liverpool(利物浦大学)
本研究通过对比抽象与上下文化逻辑问题,系统解耦纯逻辑推理与文本理解,探究LLMs在保持逻辑结构不变时的真正推理能力及微调泛化潜力,并构建了包含4个难度级别、12个领域的命题推理数据集。
2024-06-04 cs.AI cs.CL cs.LG
Contextual Abductive Reasoning with Side-Effects
International Center for Computational Logic TU Dresden(德累斯顿工业大学国际计算逻辑中心)
信念偏差效应是一种现象,当我们认为我们根据我们的推理来判断一个论点时,但实际上受到我们的信念和先验知识的影响。Evans、Barston和Pollard进行了一个心理学的三段论推理任务来证明这种效应。参与者被问到他们是否会接受或拒绝一个给定的三段论。我们讨论一个具体的情况下,这是通常被认为是可信的,但实际上是不符合逻辑的。通过引入异常、溯因和背景知识,我们在弱完备语义下充分地建模了这种情况。我们的形式化揭示了新的问题可能的扩展溯因推理。例如,观察及其解释可能包括一些相关的先前溯因上下文信息,这些信息涉及一些副作用或导致可解释或可反驳的副作用。一个较弱的概念表明支持一些相关的后果由一个先前的溯因上下文。另一个定义描述了联合支持的相关后果,它抓住了两个观察结果包含相互支持的副作用的想法。本文以跑步心理学应用为例,引入了各种新的一般溯因语境定义,并首次给出了陈述性语义,具有更广泛的应用范围。Pereira和Pinto提出的检查点概念,允许我们在语法上表达这些定义,并将它们插入操作语义。
2014-05-16 cs.AI
Contextual Information Policy Optimization for Search Agents
针对现有搜索智能体方法存在的先验驱动推理问题,提出CIPO框架,通过回合级信用分配对齐策略与证据使用,无需额外标注或奖励模型,在7个基准上性能优异。
2026-08-12 cs.AI
Learning to See the Elephant in the Room: Self-Supervised Context Reasoning in Humans and AI
College of Computing and Data Science, Nanyang Technological University(计算与数据科学学院,南洋理工大学);CFAR and I2R, Agency for Science, Technology and Research(CFAR和I2R,科技研究局);Boston Children’s Hospital, Harvard Medical School(哈佛医学院儿童医院)
本文提出SeCo模型,通过自监督学习实现上下文推理,展示了上下文关联在场景理解中的关键作用。
2026-02-23 cs.AI cs.CV
Semantic Contextual Reasoning to Provide Human Behavior
National Institute of Technology Kurukshetra(国立库鲁克谢特拉理工学院);Eastern International University(东方国际大学)
近年来,世界目睹了各种与人类行为复杂性有关的原始人。在不充分、不完整或临时前提下识别事件,以及对时间、数据和内存等资源的限制,是智能系统的一个重要方面。数据爆炸提出了智能系统最具挑战性的研究问题之一,最佳地表示和存储这些异构和海量数据的语义,以提供人类的行为。存在智能但个性化的人类行为的需求,其受到对资源和用户优先级的约束。知识,当以本体的形式表示时,获得对用户提出的查询的智能响应;但它不根据用户上下文提供内容。为此,我们提出了一个模型来量化用户上下文,并提供语义上下文推理。一个诊断信念算法(DBA)也提出了一个给定的事件,识别和计算的信心的决定作为一个功能的可用资源,前提,例外,和所需的特异性。我们进行了一项实证研究,在域的日常日常查询和实验结果表明,查询的答案,它的信心与用户上下文的变化。
2021-03-19 cs.AI
The Sword, Shield, and Achilles' Heel: Characterizing the Linguistic Inductive Bias of Large Language Models for Spatial Reasoning in Navigation Planning
East China Normal University(东华大学);Information Engineering University(信息工程大学);Zhengzhou University(郑州大学)
提出双干预框架,通过表示干预和上下文干预分离语言结构与上下文线索,揭示LLM在导航规划中语言归纳偏置的规律:拓扑信息是稳健规划的支柱,语言格式是双刃剑,语义信息是致命弱点。
2026-05-29 cs.AI cs.CL
KG^2: Learning to Reason Science Exam Questions with Contextual Knowledge Graph Embeddings
Georgia Institute of Technology(佐治亚理工学院);Korea Advanced Institute of Science and Technology(韩国科学技术院)
AI2 Reasoning Challenge(ARC)是一个新的问答(QA)基准数据集。ARC只包含为人类考试编写的自然科学问题,这些问题很难回答,需要高级逻辑推理。在ARC挑战集上,现有最先进的QA系统未能显著优于随机基线,反映了该任务的困难性质。本文提出了一种新的科学考试答题框架,该框架模拟了人类在开卷考试中的解题过程,并针对问题本身和支持句子分别构建了上下文知识图谱,以解决推理问题。我们的模型学习使用两个知识图谱的神经嵌入进行推理。ARC挑战集上的实验表明,我们的模型优于以前的国家的最先进的问答系统。
2018-05-31 cs.AI cs.CL cs.LG
MAVUL: Multi-Agent Vulnerability Detection via Contextual Reasoning and Interactive Refinement
针对现有漏洞检测方法上下文理解不足、交互受限、评估粗粒度等问题,提出融合上下文推理与交互优化的多智能体系统MAVUL,通过跨角色智能体迭代交互及多维细粒度评估,在成对漏洞数据集上实现性能大幅提升。
2025-09-30 cs.AI cs.CR cs.SE
Evidential Reasoning in Image Understanding
University of North Carolina(北卡罗来纳大学)
在本文中,我们提出的证据推理在理解遥感系统的多光谱图像的一些结果。采用证据组合的Dempster-Shafer方法得到上下文分类结果,并与贝叶斯上下文无关分类、动态规划上下文分类和随机松弛方法的结果进行了比较。
2013-03-27 cs.AI cs.CV
Dissecting Physics Reasoning in Small Language Models: A Multi-Dimensional Analysis from an Educational Perspective
Computational and Data Sciences, Indian Institute of Science, India(计算机与数据科学,印度科学研究院)
本文从教育视角出发,通过Physbench评估了小型语言模型在物理推理中的可靠性,发现其在多步骤推理中存在显著的可靠性缺口,且失败模式随模型能力变化,强调评估需更注重推理过程而非最终答案。
2026-01-07 cs.AI cs.CL physics.ed-ph
Contextual RNN-GANs for Abstract Reasoning Diagram Generation
IIT Kanpur(印度理工学院坎普尔分校);UNC Chapel Hill(北卡罗来纳大学教堂山分校)
理解、预测和生成物体的运动和变换是人工智能的核心问题。对演进图像的序列进行建模可以提供更好的运动表示和模型,并且最终可以用于预测、模拟或视频生成。图解抽象推理是一种途径,其中图表以复杂的模式演变,并且需要推断潜在的模式序列并生成序列中的下一个图像。为此,我们开发了一种新的基于递归神经网络的上下文生成对抗网络(Context-RNN-GANs),其中生成器和生成器模块都基于上下文历史(建模为RNN),并且对抗器引导生成器为图像序列中的特定时间步生成逼真的图像。我们在一个新的图表抽象推理数据集上评估了Context-RNN-GAN模型(及其变体),在那里它与10年级的人类表现具有竞争力,但与大学水平的人类表现相比,仍然有有趣的改进空间。我们还评估了我们的模型在一个标准的视频下一帧预测任务,实现了可比的最先进的性能提高。
2016-12-06 cs.AI cs.CV cs.LG
Harnessing Generalist Agents for Contextualized Time Series
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
提出TimeClaw框架,通过集成可执行时间工具、经验驱动能力进化和情景多模态记忆,使通用大语言模型智能体具备情境化时间推理能力,在能源、金融等多领域基准上取得性能提升。
2026-06-03 cs.AI cs.CL cs.LG
Evaluation of Causal Reasoning for Large Language Models in Contextualized Clinical Scenarios of Laboratory Test Interpretation
Florida State University(佛罗里达州立大学);University of Florida(佛罗里达大学);University of South Florida(南佛罗里达大学)
本研究通过99个临床实验室检验场景评估GPT-o1和Llama-3.2-8b-instruct的因果推理能力,发现GPT-o1在关联、干预和反事实推理上均优于后者,但两者在高风险临床应用中仍需改进。
2025-09-19 cs.AI
When Pigs Fly: Contextual Reasoning in Synthetic and Natural Scenes
ETH Zürich(苏黎世联邦理工学院);Children’s Hospital, Harvard Medical School(哈佛医学院儿童医院);Center for Brains, Minds and Machines(脑、心智与机器中心);Harvard College, Harvard University(哈佛大学哈佛学院);School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院)
上下文对人类和机器视觉都具有根本的重要性;例如,空中的物体更可能是飞机而不是猪。上下文的丰富概念包括几个方面,包括物理规则,统计同现,相对对象大小等。虽然以前的工作集中在从网络上的群众外包的上下文照片研究场景的背景下,控制上下文的性质和程度的侵犯一直是一项艰巨的任务。在这里,我们介绍了一个多样化的,合成的上下文外数据集(OCD)与细粒度控制场景上下文。通过利用3D模拟引擎,我们系统地控制虚拟家庭环境中36个对象类别的重力,对象同现和相对大小。我们进行了一系列实验,以深入了解使用OCD的上下文线索对人类和机器视觉的影响。我们进行了心理物理学实验,以建立一个人类的断章取义识别基准,然后将其与最先进的计算机视觉模型进行比较,以量化两者之间的差距。本文提出了一种上下文感知的识别Transformer模型,通过多头注意力融合目标和上下文信息。我们的模型捕获了用于上下文推理的有用信息,与OCD和其他上下文外数据集的基线模型相比,在上下文外条件下实现了人类水平的性能和更好的鲁棒性。所有源代码和数据都可以在https://github.com/kreimanlab/WhenPigsFlyContext上公开获取
2021-08-11 cs.AI cs.CV
Scaling Trends for Multi-Hop Contextual Reasoning in Mid-Scale Language Models
Georgia Institute of Technology(佐治亚理工学院);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
研究通过对比不同模型的多跳推理能力,发现多代理系统在推理任务中表现优于规则方法,且模型基础能力影响放大效果。
2026-01-06 cs.AI cs.LG
Automated Extraction and Creation of FBS Design Reasoning Knowledge Graphs from Structured Data in Product Catalogues Lacking Contextual Information
Indian Institute of Science(印度科学学院);Harting India Private Limited(浩亭印度私人有限公司)
针对缺乏上下文的企业结构化产品数据无法直接构建标准本体知识图谱的问题,提出基于规则的方法与工作流,结合KG与NLP从遗留数据自动提取构建FBS本体知识图谱,经工业试点验证有效并总结了相关挑战与机遇。
2024-12-08 cs.AI cs.CL cs.IR
Can LLMs Keep a Secret? Testing Privacy Implications of Language Models via Contextual Integrity Theory
University of Washington(华盛顿大学);Allen Institute for Artificial Intelligence(艾伦人工智能研究所);Carnegie Mellon University(卡内基梅隆大学);National University of Singapore(新加坡国立大学)
本文提出ConfAIde基准,依据情境完整性理论测试指令微调LLM的隐私推理能力,发现GPT-4和ChatGPT仍会分别在39%和57%的情境中泄露隐私。
2024-06-28 cs.AI cs.CL cs.CR
Evaluating Interactive Reasoning in Large Language Models: A Hierarchical Benchmark with Executable Games
East China Normal University(东华师范大学);Ant Group(蚂蚁集团)
提出一个多轮交互式推理评估框架,将推理视为主动证据获取和信念更新,通过474个可执行游戏基准测试大语言模型在成功率、交互效率、上下文鲁棒性和元认知适应方面的表现。
2026-05-26 cs.AI
RECKONING: Reasoning through Dynamic Knowledge Encoding
EPFL(洛桑联邦理工学院);Stanford University(斯坦福大学);Meta AI Research(Meta AI研究院)
针对语言模型上下文内推理易受干扰事实影响的问题,提出双层学习算法RECKONING,通过反向传播将上下文知识编码进模型参数实现推理,在多跳推理任务上性能、泛化性、鲁棒性和多问效率均优于基线。
2023-11-05 cs.AI cs.CL cs.LG
NRR-Core: Non-Resolution Reasoning as a Computational Framework for Contextual Identity and Ambiguity Preservation
Independent Researcher, Japan(日本独立研究员)
本文提出NRR框架,通过多向量嵌入、非坍缩注意力和情境身份追踪,解决人工智能系统过早解析歧义的问题,保持歧义保留以提升推理灵活性。
2026-07-15 cs.AI cs.CL cs.LG
CoReVAD: A Contextual Reasoning Framework for Training-Free Video Anomaly Detection
Department of Industrial Engineering, Inha University, Incheon, Republic of Korea(韩国釜山大学工业工程系)
提出CoReVAD框架,利用单一冻结视觉语言模型直接生成异常分数和时间描述,通过局部响应清洗和全局时序上下文精炼实现无需训练的视频异常检测,在UCF-Crime和XD-Violence数据集上取得竞争性能并提供可解释解释。
2026-05-22 cs.AI cs.CV
CIDER: Commonsense Inference for Dialogue Explanation and Reasoning
University of Michigan(密歇根大学);Singapore University of Technology and Design(新加坡科技设计大学)
理解和解释人类语言的常识推理是自然语言处理的一个基本研究问题。解释人类对话是一个巨大的挑战,因为它需要上下文理解,规划,推理和推理的几个方面,包括因果,时间和常识推理。在这项工作中,我们介绍了CIDER -一个手动策划的数据集,包含二元对话解释的形式,使用上下文常识推断推断的隐式和显式知识三元组。从对话中提取如此丰富的解释有助于改进几个下游应用程序。注释的三元组通过存在的常识知识的类型(例如,因果的、条件的、时间的)。我们设置了三个不同的任务条件的注释数据集:对话级自然语言推理,跨度提取,多选择跨度选择。基于变压器的模型获得的基线结果表明,任务是困难的,为有前途的未来研究铺平了道路。数据集和基线实现可在https://cider-task.github.io/cider/上公开获得。
2021-06-30 cs.AI cs.CL cs.LG
Social Story Frames: Contextual Reasoning about Narrative Intent and Reception
Carnegie Mellon University(卡内基梅隆大学);University of Colorado Boulder(科罗拉多大学博尔德分校);University of Michigan-Flint(密歇根大学弗林特分校);University of Connecticut(康涅狄格大学);McGill University(麦吉尔大学)
本文提出SocialStoryFrames框架,通过对话上下文和叙事理论等理论,构建了读者反应的正式化模型,用于分析社交媒体中的叙事意图和接受情况。
2026-04-15 cs.AI cs.CL cs.LG
Query-Conditioned Graph Retrieval for Contextualized LLM Reasoning in Personalized Wearable Data
Carnegie Mellon University(卡内基梅隆大学);University of California, Irvine(加州大学 Irvine 分校)
本文提出WAG框架,通过图检索实现LLM在可穿戴数据中的上下文化推理,通过构建个性化知识图谱并检索查询条件子图,提高推理效率和生成质量。
2026-04-10 cs.AI cs.IR
TemporalBench: A Benchmark for Evaluating LLM-Based Agents on Contextual and Event-Informed Time Series Tasks
University of Southern California(美国南加州大学)
TemporalBench是一个多领域基准,用于评估基于LLM的智能体在上下文和事件驱动的时间序列任务中的时序推理能力。
2026-02-05 cs.AI cs.LG
Contextual and Possibilistic Reasoning for Coalition Formation
UCL(伦敦大学学院);University of Luxembourg(卢森堡大学)
在多智能体系统中,智能体通常需要依赖其他智能体来实现其目标,例如当它们缺乏所需的资源或没有能力执行所需的动作时。因此,代理商需要合作。然后,提出的一些问题是:与哪些代理合作?代理人可以实现其目标的潜在联盟是什么?由于可能性的数量可能相当大,如何使该过程自动化?然后,如何选择最合适的联盟,考虑到代理人的能力,以执行某些任务的不确定性?在这篇文章中,我们解决的问题,如何发现和评估联盟之间的代理在多智能体系统使用MCS工具,同时考虑到周围的代理的行动的不确定性。我们的方法如下:我们首先计算的解决方案空间的形成联盟使用上下文推理的方法。其次,我们的模型代理作为上下文的多上下文系统(MCS),和代理之间的依赖关系,寻求实现自己的目标,作为桥梁规则。第三,我们系统地计算所有潜在的联盟使用算法的MCS均衡,并给出了一组功能和非功能的要求,我们提出了选择最佳解决方案的方法。最后,为了处理代理的行动中的不确定性,我们扩展了我们的方法与可能性推理的功能。我们用一个机器人的例子来说明我们的方法。
2020-10-06 cs.AI cs.LO cs.MA
Nexus : An Agentic Framework for Context-Aware Time Series Forecasting
Google(谷歌);Pennsylvania State University(宾夕法尼亚州立大学)
Nexus框架通过分解预测任务,整合上下文信息,提升时间序列预测的准确性与可解释性,超越传统模型和LLM的局限。
2026-10-20 cs.AI cs.CL cs.LG