Vote-in-Context: Turning VLMs into Zero-Shot Rank Fusers
机构 * King Abdullah University of Science and Technology (KAUST)（卡布斯大学） ； King Khalid University (KKU)（国王 Khalid 大学） ； Edge Hill University（埃德希尔大学）
专题命中 复杂问题求解 ：reasoning(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. 复杂问题求解 23 篇
PRevivor: Reviving Ancient Chinese Paintings using Prior-Guided Color Transformers
专题命中 复杂问题求解 ：reasoning(abstract)
REaR: Retrieve, Expand and Refine for Effective Multitable Retrieval
专题命中 复杂问题求解 ：reasoning(abstract)
Comments 13 pages, 2 figures, 8 tables
2. 推理评测 22 篇
Enhancing Reasoning Abilities of Small LLMs with Cognitive Alignment
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Cloud Computing（阿里云计算）
专题命中 推理评测 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI
Comments emnlp 2025 main conference
A Closer Look at Bias and Chain-of-Thought Faithfulness of Large (Vision) Language Models
机构 * Department of Computer Science University of Maryland, College Park（计算机科学系马里兰大学 College Park）
专题命中 推理评测 ：chain-of-thought(title,abstract)；reasoning(abstract)；CoT(abstract)；分类 cs.CL、cs.AI
Comments Accepted in EMNLP 2025, 34 pages, 25 figures
Assessing LLM Reasoning Steps via Principal Knowledge Grounding
机构 * Korea University（韩国大学） ； University of Seoul（首尔大学） ； AWS AI Labs（AWS人工智能实验室） ； AIGEN Sciences（AIGEN科学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
Comments Accepted to EMNLP 2025 Findings
MedRECT: A Medical Reasoning Benchmark for Error Correction in Clinical Texts
机构 * Preferred Networks, Inc. ； School of Medicine, Nagoya University（Nagoya大学医学部）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
The Ouroboros of Benchmarking: Reasoning Evaluation in an Era of Saturation
机构 * Department of Cognitive Science（认知科学系） ； Graduate School of Informatics（信息科学研究生院） ； Middle East Technical University（中东部技术大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL
Comments Accepted to NeurIPS 2025 Workshop on LLM Evaluation (https://openreview.net/group?id=NeurIPS.cc/2025/Workshop/LLM_Evaluation)
Diversity-Aware Policy Optimization for Large Language Model Reasoning
机构 * Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（数据科学与人工智能系，香港理工大学） ； Department of Computing, The Hong Kong Polytechnic University（计算系，香港理工大学） ； The Hong Kong Polytechnic University Shenzhen Research Institute（香港理工大学深圳研究院）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.LG
Beyond Empathy: Integrating Diagnostic and Therapeutic Reasoning with Large Language Models for Mental Health Counseling
机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济发展实验室） ； SKL-IOTSC, CIS, University of Macau（澳门科学馆物联网与智慧城市研究中心） ； Shandong University（山东大学） ； Auckland University of Technology（技术大学（奥克兰）） ； University of Electronic Science and Technology of China（电子科技大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL
GreekBarBench: A Challenging Benchmark for Free-Text Legal Reasoning and Citations
机构 * Department of Informatics, Athens University of Economics and Business（信息学院，雅典经济与商业大学） ； Archimedes, Athena Research Center（阿提卡研究中心-阿基米德） ； Athena Research Center（阿提卡研究中心） ； University of Sheffield（谢菲尔德大学）
专题命中 推理评测 ：reasoning(title)；分类 cs.CL
Comments 19 pages, 17 figures, accepted in EMNLP 2025
BanglaNirTox: A Large-scale Parallel Corpus for Explainable AI in Bengali Text Detoxification
专题命中 推理评测 ：chain-of-thought(abstract)；CoT(abstract)；分类 cs.CL、cs.AI
Comments Under review, 6 pages, 1 figure, 2 tables
$\left|\,\circlearrowright\,\boxed{\text{BUS}}\,\right|$: A Large and Diverse Multimodal Benchmark for evaluating the ability of Vision-Language Models to understand Rebus Puzzles
机构 * Tredence Inc.（特伦德公司） ； Indian Institute of Technology Kharagpur（印度理工学院克拉格浦尔分校） ； Inria Paris-Rocquencourt（巴黎-罗克琴库特研究所） ； Rajiv Gandhi University（拉吉夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒姆研究实验室）
专题命中 推理评测 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL
Comments 7 pages, 5 figures, 4 tables
Rethinking Facial Expression Recognition in the Era of Multimodal Large Language Models: Benchmark, Datasets, and Beyond
机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Tencent（腾讯） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Westlake University（西湖大学）
专题命中 推理评测 ：reasoning(abstract)；CoT(abstract)
Can Large Language Models Analyze Graphs like Professionals? A Benchmark, Datasets and Models
机构 * School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机科学学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； College of Petroleum Engineering, China University of Petroleum (Beijing) at Karamay（中国石油大学（北京）克拉玛依校区石油工程学院） ； Institute for Artificial Intelligence, Tsinghua University（清华大学人工智能研究院）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
Comments NeurIPS 2024
Beyond Pointwise Scores: Decomposed Criteria-Based Evaluation of LLM Responses
机构 * Thomson Reuters Foundational Research（汤姆森·路透基础研究） ； Thomson Reuters Labs（汤姆森·路透实验室） ； Imperial College London（帝国理工学院伦敦分校）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
Comments Accepted by 2025 EMNLP industry track
Towards Robust Evaluation of STEM Education: Leveraging MLLMs in Project-Based Learning
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
Building a Silver-Standard Dataset from NICE Guidelines for Clinical LLMs
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
Comments Submitted to EFMI Medical Informatics Europe 2026
QCoder Benchmark: Bridging Language Generation and Quantum Hardware through Simulator-Based Feedback
机构 * National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院） ； Yokohama National University（Yokohama国立大学） ； CyberAgent, Inc.（CyberAgent公司） ； DENSO CORPORATION（DENSO公司） ； The University of Tokyo（东京大学） ； Keio University（庆应义塾大学） ； NTT DATA GROUP Corporation（NTT DATA集团公司） ； Miletos inc.（Miletos公司） ； University of Tsukuba（筑波大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
Comments Accepted to INLG2025
Jarvis: Towards Personalized AI Assistant via Personal KV-Cache Retrieval
机构 * Peking University（北京大学） ； Xi’an Jiaotong University（西安交通大学） ； Alibaba Group（阿里巴巴集团） ； Intel Labs China（英特尔中国实验室）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
Comments 19 pages, 7 figures
CoralVQA: A Large-Scale Visual Question Answering Dataset for Coral Reef Image Understanding
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Technology Innovation Center for South China Sea Remote Sensing, Surveying and Mapping Collaborative Application, Ministry of Natural Resources（自然资源部南海遥感测绘协同应用技术创新中心） ； South China Sea Development Research Institute, Ministry of Natural Resources（自然资源部南海发展研究 institute） ； Inspur Computer Technology Co., Ltd（Inspur 计算机技术有限公司） ； Shandong Key Laboratory of Advanced Computing（山东先进计算重点实验室）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.AI
PRISM2: Unlocking Multi-Modal General Pathology AI with Clinical Dialogue
机构 * Paige, NYC, NY United States（美国纽约市帕伊公司） ； Microsoft Research, Cambridge, MA United States（微软研究院） ； Memorial Sloan Kettering Cancer Center, NYC, NY United States（纪念斯隆凯特林癌症中心） ； University of Yale, New Haven, CT United States（耶鲁大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
Seeing Sarcasm Through Different Eyes: Analyzing Multimodal Sarcasm Perception in Large Vision-Language Models
机构 * Anhui Polytechnic University (AHPU)（安徽工程大学） ； Shanghai University (SHU)（上海大学） ； Shanghai Jiao Tong University (SJTU)（上海交通大学） ； Sichuan University (SCU)（四川大学）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
ChartAB: A Benchmark for Chart Grounding & Dense Alignment
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
专题命中 推理评测 ：reasoning(abstract)
A Comprehensive Empirical Evaluation of Agent Frameworks on Code-centric Software Engineering Tasks
专题命中 推理评测 ：reasoning(abstract)
3. 其他推理 18 篇
Thinking with DistilQwen: A Tale of Four Distilled Reasoning and Reward Model Series
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Cloud Computing（阿里云计算）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
Comments emnlp 2025 industry track
Capturing Legal Reasoning Paths from Facts to Law in Court Judgments using Knowledge Graphs
机构 * Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） ； The Canon Institute for Global Studies（Canon全球研究机构） ； Graduate Schools for Law and Politics, The University of Tokyo（东京大学法学与政治学研究生院） ； TKC Corporation（TKC公司）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
Journal ref Proc. 13th Int. Conf. on Knowledge Capture (K-CAP 2025), ACM, Dayton, Ohio, USA, Dec 2025
Word Salad Chopper: Reasoning Models Waste A Ton Of Decoding Budget On Useless Repetitions, Self-Knowingly
机构 * University of Minnesota（明尼苏达大学） ； Rice University（里士满大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Lambda, Inc（Lambda公司）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL
ToM: Leveraging Tree-oriented MapReduce for Long-Context Reasoning in Large Language Models
机构 * School of Computer Science, Wuhan University, Wuhan, China（武汉大学计算机学院） ； School of Artificial Intelligence, Wuhan University, Wuhan, China（武汉大学人工智能学院） ； Tsinghua University（清华大学） ； Cognitive AI Lab（认知人工智能实验室） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机学院）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL
Comments EMNLP 2025 Main Conference
DSpAST: Disentangled Representations for Spatial Audio Reasoning with Large Language Models
机构 * Department of Electronic Systems, Aalborg University, Denmark（电子系统系，奥尔堡大学，丹麦） ； Pioneer Centre for AI, Denmark（人工智能先锋中心，丹麦）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.AI
