大模型推理能力

EgoThinker: Unveiling Egocentric Reasoning with Spatio-Temporal CoT

Baoqi Pei, Yifei Huang, Jilan Xu, Yuping He, Guo Chen, Fei Wu, Yu Qiao, Jiangmiao Pang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； The University of Tokyo（东京大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；CoT(title,abstract)；chain-of-thought(abstract)

Comments Accepted at NeurIPS 2025

S-Chain: Structured Visual Chain-of-Thought For Medicine

Khai Le-Duc, Duy M. H. Nguyen, Phuong T. H. Trinh, Tien-Phat Nguyen, Nghiem T. Diep, An Ngo, Tung Vu, Trinh Vuong, Anh-Tien Nguyen, Mau Nguyen, Van Trung Hoang, Khai-Nguyen Nguyen, Hy Nguyen, Chris Ngo, Anji Liu, Nhat Ho, Anne-Christin Hauschild, Khanh Xuan Nguyen, Thanh Nguyen-Tang, Pengtao Xie, Daniel Sonntag, James Zou, Mathias Niepert, Anh Totti Nguyen

专题命中 推理评测 ：chain-of-thought(title,abstract)；reasoning(abstract)；CoT(abstract)；分类 cs.LG

Comments First version

Reasoning Models Reason Well, Until They Don't

Revanth Rameshkumar, Jimson Huang, Yunxin Sun, Fei Xia, Abulhair Saparov

机构 * University of Washington（华盛顿大学） ； Purdue University（普渡大学） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；planning(abstract)；分类 cs.CL、cs.AI

Retrv-R1: A Reasoning-Driven MLLM Framework for Universal and Efficient Multimodal Retrieval

Lanyun Zhu, Deyi Ji, Tianrun Chen, Haiyang Wu, Shiqi Wang

机构 * City University of Hong Kong（香港城市大学） ； Tencent（腾讯） ； Zhejiang University（浙江大学） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；CoT(abstract)

Comments NeurIPS 2025

You Don't Need Prompt Engineering Anymore: The Prompting Inversion

Imran Khan

机构 * Independent Researcher（独立研究者） 纠错

专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments 17 pages, 1 figure, 6 tables. Code and experimental data available at https://github.com/strongSoda/prompt-sculpting

BaZi-Based Character Simulation Benchmark: Evaluating AI on Temporal and Persona Reasoning

Siyuan Zheng, Pai Liu, Xi Chen, Jizheng Dong, Sihan Jia

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL

Journal ref WordPlay Workshop 2025

GRE Suite: Geo-localization Inference via Fine-Tuned Vision-Language Models and Enhanced Reasoning Chains

Chun Wang, Xiaojun Ye, Xiaoran Pan, Zihao Pan, Haofan Wang, Yiren Song

机构 * Zhejiang University（浙江大学） ； Sun Yat-sen University（中山大学） ； NUS（国立大学） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI

Think before Recommendation: Autonomous Reasoning-enhanced Recommender

Xiaoyu Kong, Junguang Jiang, Bin Liu, Ziru Xu, Han Zhu, Jian Xu, Bo Zheng, Jiancan Wu, Xiang Wang

机构 * Taobao & Tmall Group of Alibaba, China（阿里巴巴集团淘宝与天猫事业部） ； National University of Singapore（新加坡国立大学） ； Institute of Dataspace, Hefei Comprehensive National Science Center（合肥综合国家科学中心数据空间研究院） ； Shanghai Key Laboratory of Data Science（上海数据科学重点实验室） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI

Comments NeurIPS 2025 poster

CXReasonBench: A Benchmark for Evaluating Structured Diagnostic Reasoning in Chest X-rays

Hyungyung Lee, Geon Choi, Jung-Oh Lee, Hangyul Yoon, Hyuk Gi Hong, Edward Choi

机构 * KAIST（韩国国立科学技术院） ； Seoul National University Hospital（首尔国立大学医院） ； Seoul Medical Center（首尔医疗中心） 纠错

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI

Comments Accepted at NeurIPS 2025 Datasets and Benchmarks Track

Activating Visual Context and Commonsense Reasoning through Masked Prediction in VLMs

Jiaao Yu, Shenwei Li, Mingjie Han, Yifei Yin, Wenzheng Song, Chenghao Jia, Man Lan

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI

Comments 9 pages

Beyond Seeing: Evaluating Multimodal LLMs on Tool-Enabled Image Perception, Transformation, and Reasoning

Xingang Guo, Utkarsh Tyagi, Advait Gosai, Paula Vergara, Jayeon Park, Ernesto Gabriel Hernández Montoya, Chen Bo Calvin Zhang, Bin Hu, Yunzhong He, Bing Liu, Rakshith Sharma Srinivasa

专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI

MECD+: Unlocking Event-Level Causal Graph Discovery for Video Reasoning

Tieyuan Chen, Huabin Liu, Yi Wang, Yihang Chen, Tianyao He, Chaofan Gan, Huanyu He, Weiyao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Monash University（墨尔本大学） ； Zhongguancun Academy（中关村academy） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 推理评测 ：reasoning(title,abstract)

Comments Accepted by IEEE TPAMI (IEEE Transactions on Pattern Analysis and Machine Intelligence). arXiv admin note: substantial text overlap with arXiv:2409.17647

DEEMO: De-identity Multimodal Emotion Recognition and Reasoning

Deng Li, Bohao Xing, Xin Liu, Baiqiang Xia, Bihan Wen, Heikki Kälviäinen

机构 * Lappeenranta-Lahti University of Technology LUT（拉普兰塔-拉赫蒂技术大学） ； Nanyang Technological University（南洋理工大学） ； Brno University of Technology（布拉格技术大学） 纠错

专题命中 推理评测 ：reasoning(title,abstract)

Comments Accepted by ACMMM 2025

Journal ref Proceedings of the 33rd ACM International Conference on Multimedia (2025)

DocFinQA: A Long-Context Financial Reasoning Dataset

Varshini Reddy, Rik Koncel-Kedziorski, Viet Dac Lai, Michael Krumdick, Charles Lovering, Chris Tanner

机构 * Kensho Technologies（肯斯霍技术公司） 纠错

专题命中 推理评测 ：reasoning(title)；分类 cs.CL、cs.AI

Comments 13 pages

Evaluating Large Language Models for Stance Detection on Financial Targets from SEC Filing Reports and Earnings Call Transcripts

Nikesh Gyawali, Doina Caragea, Alex Vasenkov, Cornelia Caragea

机构 * Kansas State University（堪萨斯州立大学） ； Department of Computer Science（计算机科学系） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 推理评测 ：chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI

On the Faithfulness of Visual Thinking: Measurement and Enhancement

Zujing Liu, Junwen Pan, Qi She, Yuan Gao, Guisong Xia

机构 * Wuhan University（武汉大学） ； ByteDance（字节跳动） 纠错

专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI

Evaluating Multimodal Large Language Models on Core Music Perception Tasks

Brandon James Carone, Iran R. Roman, Pablo Ripollés

机构 * Department of Psychology, Music and Audio Research Laboratory（心理学系、音乐与音频研究实验室） ； Department of Electronic Engineering and Computer Science（电子工程与计算机科学系） 纠错

专题命中 推理评测 ：reasoning(abstract)；CoT(abstract)；分类 cs.AI

Comments Accepted to the NeurIPS 2025 Workshop on AI for Music (AI4Music), 16 pages, 1 figure, 3 tables

Populism Meets AI: Advancing Populism Research with LLMs

Yujin J. Jung, Eduardo Ryô Tamaki, Julia Chatterley, Grant Mitchell, Semir Dzebo, Cristóbal Sandoval, Levente Littvay, Kirk A. Hawkins

机构 * Mount St. Mary’s University（圣玛丽大学） ； German Institute for Global and Area Studies（全球与区域研究所） ； Princeton University（普林斯顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Oxford（牛津大学） ； Diego Portales University（迪埃戈·波尔塔尔大学） ； ELTE Centre for Social Sciences（埃尔泰社会科学中心） ； Brigham Young University（Brigham Young 大学） 纠错

专题命中 推理评测 ：reasoning(abstract)；CoT(abstract)；分类 cs.CL

Comments 27 pages, 3 figures. Preprint version under review

Video-Thinker: Sparking "Thinking with Videos" via Reinforcement Learning

Shijian Wang, Jiarui Jin, Xingjian Wang, Linxin Song, Runhao Fu, Hecheng Wang, Zongyuan Ge, Yuan Lu, Xuelian Cheng

机构 * Southeast University（东南大学） ； Monash University（墨尔本大学） ； Xiaohongshu Inc.（小红书公司） ； University of Southern California（南加州大学） ； Fudan University（复旦大学） 纠错

专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)

MedXplain-VQA: Multi-Component Explainable Medical Visual Question Answering

Hai-Dang Nguyen, Minh-Anh Dang, Minh-Tan Le, Minh-Tuan Le

机构 * Faculty Of Information Technology VNU University of Engineering（信息科技学院越南工程大学） ； IT-BT Convergence Technology Division Vietnam-Korea Institute of Science（IT-BT融合技术部门越南-韩国科学技术院） ； TADI Global Lab TADI Global Company Limited（TADI全球实验室TADI全球有限公司） ； Faculty of Finance Banking Academy of Vietnam（金融学院越南银行学院） 纠错

专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)

Comments 10 pages, 4 figures, IEEE conference format

ClaimGen-CN: A Large-scale Chinese Dataset for Legal Claim Generation

Siying Zhou, Yiquan Wu, Hui Chen, Xavier Hu, Kun Kuang, Adam Jatowt, Ming Hu, Chunyan Zheng, Fei Wu

机构 * Zhejiang University（浙江大学） ； University of Innsbruck（因斯布鲁克大学） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI

CHOIR: Collaborative Harmonization fOr Inference Robustness

Xiangjue Dong, Cong Wang, Maria Teleki, Millennium Bismay, James Caverlee

机构 * Texas A&M University（德克萨斯大学） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI

Comments updated version

PhysGym: Benchmarking LLMs in Interactive Physics Discovery with Controlled Priors

Yimeng Chen, Piotr Piȩkos, Mateusz Ostaszewski, Firas Laakom, Jürgen Schmidhuber

机构 * Center of Excellence for Generative AI, KAUST（生成人工智能卓越中心，KAUST） ； The Swiss AI Lab, IDSIA-USI/SUPSI（瑞士人工智能实验室，IDSIA-USI/SUPSI） ； NNAISENSE Principia-AI/PhysGym（NNAISENSE 原初人工智能/PhysGym） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI、cs.LG

Comments 31 Pages

Transformer Based Linear Attention with Optimized GPU Kernel Implementation

Armin Gerami, Ramani Duraiswami

机构 * Department of Computer Science, Umiacs University of Maryland College Park, MD（计算机科学系，乌米亚茨大学马里兰大学学院公园分校） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.LG

Software Engineering Agents for Embodied Controller Generation : A Study in Minigrid Environments

Timothé Boulet, Xavier Hinaut, Clément Moulin-Frier

机构 * Inria Center of Bordeaux University（Inria 波尔多中心大学） ； Flowers AI & CogSci Lab（Flowers AI 与认知科学实验室） ； LaBRI, Bordeaux INP, CNRS UMR 5800（LaBRI，波尔多 INP，CNRS UMR 5800） ； IMN, CNRS UMR 5293（IMN，CNRS UMR 5293） ； Inria - Flowers AI & CogSci Lab - BioTiC（Inria - Flowers AI 与认知科学实验室 - BioTiC） 纠错

专题命中 推理评测 ：reasoning(abstract,journal_ref)；分类 cs.AI

Comments 10 pages, 7 figures

Journal ref 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Efficient Reasoning

How AI Forecasts AI Jobs: Benchmarking LLM Predictions of Labor Market Changes

Sheri Osborn, Rohit Valecha, H. Raghav Rao, Dan Sass, Anthony Rios

机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL

Comments 8 pages + Limitations + References

On Generalization in Agentic Tool Calling: CoreThink Agentic Reasoner and MAVEN Dataset

Vishvesh Bhat, Omkar Ghugarkar, Julian McAuley

机构 * CoreThink AI ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI

Comments Preprint

Agent-GSPO: Communication-Efficient Multi-Agent Systems via Group Sequence Policy Optimization

Yijia Fan, Jusheng Zhang, Jing Yang, Keze Wang

机构 * Sun Yat-sen University（中山大学） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI

Confabulations from ACL Publications (CAP): A Dataset for Scientific Hallucination Detection

Federica Gamba, Aman Sinha, Timothee Mickus, Raul Vazquez, Patanjali Bhamidipati, Claudio Savelli, Ahana Chattopadhyay, Laura A. Zanella, Yash Kankanampati, Binesh Arakkal Remesh, Aryan Ashok Chandramania, Rohit Agarwal, Chuyuan Li, Ioana Buhnila, Radhika Mamidi

机构 * Charles University, Prague（查尔斯大学，布拉格） ； Independent Researcher（独立研究者） ； University of Helsinki, Finland（赫尔辛基大学） ； University of British Columbia, Vancouver, Canada（不列颠哥伦比亚大学，温哥华，加拿大） ； Chosun University, South Korea（成均馆大学，韩国） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL

VideoHallu: Evaluating and Mitigating Multi-modal Hallucinations on Synthetic Video Understanding

Zongxia Li, Xiyang Wu, Guangyao Shi, Yubin Qin, Hongyang Du, Fuxiao Liu, Tianyi Zhou, Dinesh Manocha, Jordan Lee Boyd-Graber

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

专题命中 推理评测 ：reasoning(abstract)；分类 cs.LG

Journal ref NeurIPS 2025