大模型推理能力

A Survey of Reinforcement Learning for Large Reasoning Models

Kaiyan Zhang, Yuxin Zuo, Bingxiang He, Youbang Sun, Runze Liu, Che Jiang, Yuchen Fan, Kai Tian, Guoli Jia, Pengfei Li, Yu Fu, Xingtai Lv, Yuchen Zhang, Sihang Zeng, Shang Qu, Haozhan Li, Shijie Wang, Yuru Wang, Xinwei Long, Fangfu Liu, Xiang Xu, Jiaze Ma, Xuekai Zhu, Ermo Hua, Yihao Liu, Zonglin Li, Huayu Chen, Xiaoye Qu, Yafu Li, Weize Chen, Zhenzhao Yuan, Junqi Gao, Dong Li, Zhiyuan Ma, Ganqu Cui, Zhiyuan Liu, Biqing Qi, Ning Ding, Bowen Zhou

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG

Comments Fixed typos; added missing and recent citations (117 -> 120 pages)

STEPER: Step-wise Knowledge Distillation for Enhancing Reasoning Ability in Multi-Step Retrieval-Augmented Language Models

Kyumin Lee, Minjin Jeon, Sanghwan Jang, Hwanjo Yu

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

Comments EMNLP 2025 Main

Learning to Reason for Hallucination Span Detection

Hsuan Su, Ting-Yao Hu, Hema Swetha Koppula, Kundan Krishna, Hadi Pouransari, Cheng-Yu Hsieh, Cem Koc, Joseph Yitan Cheng, Oncel Tuzel, Raviteja Vemulapalli

机构 * National Taiwan University（国立台湾大学） ； Apple（苹果公司） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

First Try Matters: Revisiting the Role of Reflection in Reasoning Models

Liwei Kang, Yue Deng, Yao Xiao, Zhanfeng Mo, Wee Sun Lee, Lidong Bing

机构 * MiroMind AI ； National University of Singapore（新加坡国立大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

SaFeR-VLM: Toward Safety-aware Fine-grained Reasoning in Multimodal Models

Huahui Yi, Kun Wang, Qiankun Li, Miao Yu, Liang Lin, Gongli Xi, Hao Wu, Xuming Hu, Kang Li, Yang Liu

机构 * West China Biomedical Big Data Center, West China Hospital, SCU（西昌生物医学大数据中心、西昌医院、SCU） ； NTU ； USTC ； TeleAI, China Telecom（TeleAI、中国电信） ； BUPT ； Tsinghua University（清华大学） ； HKUST(Guangzhou)（HKUST（广州）） 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.LG

IntentionVLA: Generalizable and Efficient Embodied Intention Reasoning for Human-Robot Interaction

Yandu Chen, Kefan Gu, Yuqing Wen, Yucheng Zhao, Tiancai Wang, Liqiang Nie

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Nanjing University（南京大学） ； University of Science and Technology of China（中国科学技术大学） ； Dexmal 纠错

专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI

SQL-R1: Training Natural Language to SQL Reasoning Model By Reinforcement Learning

Peixian Ma, Xialie Zhuang, Chengjin Xu, Xuhui Jiang, Ran Chen, Jian Guo

专题命中 复杂问题求解 ：reasoning(title,abstract)

Comments Accepd by NeurIPS 2025

xRouter: Training Cost-Aware LLMs Orchestration System via Reinforcement Learning

Cheng Qian, Zuxin Liu, Shirley Kokane, Akshara Prabhakar, Jielin Qiu, Haolin Chen, Zhiwei Liu, Heng Ji, Weiran Yao, Shelby Heinecke, Silvio Savarese, Caiming Xiong, Huan Wang

机构 * Salesforce AI Research（Salesforce AI研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments 24 Pages, 4 Figures, 2 Tables

Understanding In-context Learning of Addition via Activation Subspaces

Xinyan Hu, Kayo Yin, Michael I. Jordan, Jacob Steinhardt, Lijie Chen

机构 * UC Berkeley（伯克利大学） ； INRIA（法国国家信息与自动化研究所） 纠错

专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.CL、cs.AI、cs.LG

GCPO: When Contrast Fails, Go Gold

Hao Wu, Wei Liu

机构 * Tencent（腾讯） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI