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。

2025-10-30 至 2025-10-30 共收录 2 篇信号源：cs.CL, cs.AI, cs.LG

1. 测试时计算 2 篇

2505.03318 2025-10-30 cs.CV 82%

Unified Multimodal Chain-of-Thought Reward Model through Reinforcement Fine-Tuning

Yibin Wang, Zhimin Li, Yuhang Zang, Chunyu Wang, Qinglin Lu, Cheng Jin, Jiaqi Wang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院）； Shanghai Innovation Institute（上海创新研究院）； Shanghai AI Lab（上海人工智能实验室）； Hunyuan, Tencent（腾讯 Hunyuan）

专题命中测试时计算：chain-of-thought(title)；reasoning(abstract)；CoT(abstract)

Comments [NeurIPS2025] Project Page: https://codegoat24.github.io/UnifiedReward/think

2506.08388 2025-10-30 cs.LG cs.AI cs.CL 67%

Reinforcement Learning Teachers of Test Time Scaling

Edoardo Cetin, Tianyu Zhao, Yujin Tang

机构 * Sakana AI, Japan（日本Sakana AI）

专题命中测试时计算：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

Comments Accepted at NeurIPS 2025