大模型推理能力

The Impact of Quantization on Large Reasoning Model Reinforcement Learning

量化对大推理模型强化学习的影响

Medha Kumar, Zifei Xu, Xin Wang, Tristan Webb

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； d-Matrix 纠错

专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.LG

AI总结 本文研究了量化对大推理模型强化学习的影响，发现量化感知训练对学习过程有负面影响，而PTQ和QLoRA能提升性能。

Comments Accepted to the NeurIPS 2025 Efficient Reasoning Workshop

DEPO: Dual-Efficiency Preference Optimization for LLM Agents

DEPO：用于LLM代理的双效偏好优化

Sirui Chen, Mengshi Zhao, Lei Xu, Yuying Zhao, Beier Zhu, Hanwang Zhang, Shengjie Zhao, Chaochao Lu

专题命中 数学推理 ：reasoning(abstract)；CoT(abstract)；分类 cs.CL、cs.AI

AI总结 DEPO通过双效偏好优化方法提升LLM代理的效率和性能，减少token和步骤消耗，同时在多个基准测试中表现优异。

Comments Accepted to AAAI 2026

Two-Faced Social Agents: Context Collapse in Role-Conditioned Large Language Models

Vikram K Suresh

专题命中 数学推理 ：reasoning(abstract)