CutPaste&Find: Efficient Multimodal Hallucination Detector with Visual-aid Knowledge Base
机构 * Nanyang Technological University, Singapore（南洋理工大学） ； National University of Singapore, Singapore（国立新加坡大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 复杂问题求解 8 篇
AudioGenie: A Training-Free Multi-Agent Framework for Diverse Multimodality-to-Multiaudio Generation
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Tencent AI Lab（腾讯人工智能实验室）
专题命中 复杂问题求解 ：self-correction(abstract)
2. 推理评测 17 篇
CompassVerifier: A Unified and Robust Verifier for LLMs Evaluation and Outcome Reward
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； NLP 2 CT Lab, University of Macau（澳门大学自然语言处理与计算机视觉实验室） ； University of Macau（澳门大学）
专题命中 推理评测 ：verifier(title,abstract)；reasoning(abstract)；分类 cs.CL、cs.AI
Comments Technical Report; 31 Pages
REALM-Bench: A Benchmark for Evaluating Multi-Agent Systems on Real-world, Dynamic Planning and Scheduling Tasks
机构 * Stanford University（斯坦福大学）
专题命中 推理评测 ：planning(title,abstract)；分类 cs.AI
Comments 24 pages, 8 figures, 28 tables, 7 listings
Coherent Multimodal Reasoning with Iterative Self-Evaluation for Vision-Language Models
机构 * Fujian University of Technology（福建工程大学） ； Delta University for Science and Technology（科技大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL
The Multi-Round Diagnostic RAG Framework for Emulating Clinical Reasoning
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL
VideoForest: Person-Anchored Hierarchical Reasoning for Cross-Video Question Answering
机构 * Sun Yat-Sen University（中山大学） ； Cardiff University（卡地夫大学） ； Shenzhen University（深圳大学）
专题命中 推理评测 ：reasoning(title,abstract)
LaTCoder: Converting Webpage Design to Code with Layout-as-Thought
专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)
Comments KDD 2025 v2
Hide and Seek with LLMs: An Adversarial Game for Sneaky Error Generation and Self-Improving Diagnosis
专题命中 推理评测 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.AI
Clinically Grounded Agent-based Report Evaluation: An Interpretable Metric for Radiology Report Generation
机构 * New York University（纽约大学） ； NYU Langone Health（纽约大学兰格医学中心） ； Genentech（基因泰克） ； NYU Grossman School of Medicine（纽约大学格罗斯曼医学院） ； Wenzhou Medical University（温州医科大学） ； Macau University of Science and Technology（澳门科学大学）
专题命中 推理评测 ：planning(abstract)；分类 cs.CL、cs.AI、cs.LG
Refining Critical Thinking in LLM Code Generation: A Faulty Premise-based Evaluation Framework
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
Leveraging Vision-Language Models for Visual Grounding and Analysis of Automotive UI
机构 * SPARKS Solutions GmbH（SPARKS解决方案有限公司）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
AgentSME for Simulating Diverse Communication Modes in Smart Education
机构 * Guangdong Institute of Smart Education Jinan University Guangzhou, China ； School of Journalism \& Communication Jinan University Guangzhou, China
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
ContractEval: Benchmarking LLMs for Clause-Level Legal Risk Identification in Commercial Contracts
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Rutgers University（罗格斯大学） ； Stanford University（斯坦福大学） ； New Jersey Institute of Technology（新泽西理工学院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
When AIs Judge AIs: The Rise of Agent-as-a-Judge Evaluation for LLMs
机构 * Fangyi Yu
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
MedBLINK: Probing Basic Perception in Multimodal Language Models for Medicine
机构 * University of Washington（华盛顿大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Seoul National University（首尔国立大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
The Architecture of Trust: A Framework for AI-Augmented Real Estate Valuation in the Era of Structured Data
机构 * Mill Hill Garage ； JB Real Estate Valuation & Advisory, LLC（JB Real Estate Valuation & Advisory LLC） ； Atlas Insights
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
Comments 46 pages, 6 figures
Automatic Prompt Optimization for Knowledge Graph Construction: Insights from an Empirical Study
机构 * IBM Research（IBM研究院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
Comments Accepted at LLM+Graph WS at VLDB 2025. 21 pages, 7 figures, 8 tables
GEMA-Score: Granular Explainable Multi-Agent Scoring Framework for Radiology Report Evaluation
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
3. 其他推理 3 篇
Beyond Surface-Level Detection: Towards Cognitive-Driven Defense Against Jailbreak Attacks via Meta-Operations Reasoning
机构 * Key Laboratory of Trustworthy Distributed Computing and Service (MoE)（可信分布式计算与服务重点实验室）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.AI
Enhancing Japanese Large Language Models with Reasoning Vectors
机构 * University of California, Davis（加州大学戴维斯分校） ； Santa Clara University（圣克拉拉大学） ； NTT DOCOMO, INC（NTT DOCOMO公司） ； DOCOMO Innovations, Inc（DOCOMO创新公司）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.AI
Can Large Language Models Identify Materials from Radar Signals?
机构 * The Chinese University of Hong Kong（香港中文大学）
专题命中 其他推理 ：reasoning(abstract)
