Towards Label-Free Biological Reasoning Synthetic Dataset Creation via Uncertainty Filtering
机构 * Novo Nordisk（诺华制药） ； University of Oxford（牛津大学）
专题命中 推理评测 ：reasoning(title,abstract)；logical reasoning(title)；chain-of-thought(abstract)；CoT(abstract)
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. 推理评测 23 篇
TaTToo: Tool-Grounded Thinking PRM for Test-Time Scaling in Tabular Reasoning
机构 * UIUC（伊利诺伊大学香槟分校） ； Amazon（亚马逊） ； Purdue University（普渡大学） ； Stanford University（斯坦福大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
ARRC: Advanced Reasoning Robot Control - Knowledge-Driven Autonomous Manipulation Using Retrieval-Augmented Generation
机构 * Department of Mechanical, Industrial and Mechatronics Engineering, Toronto Metropolitan University（机械、工业与机电工程系，多伦多 Metropolitan 大学）
专题命中 推理评测 ：reasoning(title,abstract)；planning(abstract)
A Sober Look at Progress in Language Model Reasoning: Pitfalls and Paths to Reproducibility
机构 * Tübingen AI Center, University of Tübingen（图宾根人工智能中心，图宾根大学） ； University of Cambridge（剑桥大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.LG
Comments Accepted to COLM 2025
ARISE: An Adaptive Resolution-Aware Metric for Test-Time Scaling Evaluation in Large Reasoning Models
机构 * Fudan University（复旦大学） ； The University of Hong Kong（香港大学） ； Nanjing University（南京大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
Comments 19 pages, 7 figures
Biomedical reasoning in action: Multi-agent System for Auditable Biomedical Evidence Synthesis
机构 * Idiap Research Institute（IDiap研究 institute） ； National Biomarker Centre (NBC) CRUK Manchester Institute（国家生物标记中心（NBC）CRUK曼彻斯特研究所） ； Department of Computer Science University of Manchester, UK（计算机科学系曼彻斯特大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
BenchAgents: Multi-Agent Systems for Structured Benchmark Creation
机构 * University of Amsterdam（阿姆斯特丹大学） ； Microsoft Research（微软研究院） ； UIUC（伊利诺伊大学香槟分校）
专题命中 推理评测 ：reasoning(abstract)；planning(abstract)；分类 cs.CL、cs.AI、cs.LG
DynaGuard: A Dynamic Guardian Model With User-Defined Policies
机构 * University of Maryland（马里兰大学） ； Capital One
专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.LG
Comments 22 Pages
LLM-FS-Agent: A Deliberative Role-based Large Language Model Architecture for Transparent Feature Selection
机构 * R&D Department, Audensiel Conseil（Audensiel Conseil 研发部） ； Ecole Centrale de Lyon（Lyon 工程学院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI、cs.LG
MetaLLMix : An XAI Aided LLM-Meta-learning Based Approach for Hyper-parameters Optimization
机构 * R&D Department, Audensiel Conseil Paris, France（Audensiel Conseil 巴黎法国研发部） ； Université Évry Paris-Saclay（Évry 巴黎-萨克莱大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI、cs.LG
Towards Locally Deployable Fine-Tuned Causal Large Language Models for Mode Choice Behaviour
机构 * Laboratory of Innovations in Transportation (LiTrans), Toronto Metropolitan University, Canada（交通创新实验室（LiTrans）、多伦多 Metropolitan 大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
Exploring Large Language Models for Financial Applications: Techniques, Performance, and Challenges with FinMA
机构 * Lyman Briggs College, Michigan State University（密歇根州立大学Lyman Briggs学院） ； Department of Finance, Michigan State University（密歇根州立大学金融系） ； African Institute for Mathematical Sciences, Rwanda（刚果(金)数学科学研究所）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.LG
Curiosity-Driven LLM-as-a-judge for Personalized Creative Judgment
机构 * Adobe Inc.（Adobe公司）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.LG
Can Video Large Multimodal Models Think Like Doubters-or Double-Down: A Study on Defeasible Video Entailment
机构 * Department of Computer Science（计算机科学系） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
SocialNLI: A Dialogue-Centric Social Inference Dataset
机构 * Johns Hopkins University（约翰霍普金斯大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
Comments 4 pages
Residualized Similarity for Faithfully Explainable Authorship Verification
机构 * Department of Computer Science（计算机科学系） ； Department of Linguistics（语言学系） ； Institute for Advanced Computational Science（先进计算科学研究院） ； Stony Brook University（石溪大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
Comments EMNLP 2025 Findings
COLE: a Comprehensive Benchmark for French Language Understanding Evaluation
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
Comments Submitted to ACL Rolling Review of October
SciKnowEval: Evaluating Multi-level Scientific Knowledge of Large Language Models
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学Hangzhou全球科技创新中心） ； ZJU-UIUC Institute, Zhejiang University（浙江大学UIUC研究院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
Comments 33 pages, 2 figures
The New Quant: A Survey of Large Language Models in Financial Prediction and Trading
专题命中 推理评测 ：reasoning(abstract)
Comments 21 pages
Test Case Generation from Bug Reports via Large Language Models: A Cognitive Layered Evaluation Framework
专题命中 推理评测 ：reasoning(abstract)
Position: The Pitfalls of Over-Alignment: Overly Caution Health-Related Responses From LLMs are Unethical and Dangerous
专题命中 推理评测 ：reasoning(abstract)
VerifyThisBench: Generating Code, Specifications, and Proofs All at Once
专题命中 推理评测 ：reasoning(abstract)
Leveraging Foundation Models for Multimodal Graph-Based Action Recognition
机构 * School of Mathematics, Statistics and Computer Science, College of Science, University of Tehran（数学、统计与计算机科学学院，科学学院，塔里斯坦大学）
专题命中 推理评测 ：reasoning(abstract)
