大模型推理能力

ReVul-CoT: Towards Effective Software Vulnerability Assessment with Retrieval-Augmented Generation and Chain-of-Thought Prompting

ReVul-CoT：通过检索增强生成与链式推理提示实现有效的软件漏洞评估

Zhijie Chen, Xiang Chen, Ziming Li, Jiacheng Xue, Chaoyang Gao

专题命中 复杂问题求解 ：chain-of-thought(title,abstract)；CoT(title,abstract)；reasoning(abstract)

AI总结 ReVul-CoT通过整合检索增强生成与链式推理提示，提升软件漏洞评估的准确性和效率。

ChainV: Atomic Visual Hints Make Multimodal Reasoning Shorter and Better

ChainV: 原子视觉提示使多模态推理更短更优

Yuan Zhang, Ming Lu, Junwen Pan, Tao Huang, Kuan Cheng, Qi She, Shanghang Zhang

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； ByteDance Inc.（字节跳动公司） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 ChainV通过动态整合视觉提示，提升多模态推理的效率和准确性，尤其在数学密集型基准测试中表现突出。

Comments 16 pages

Cognitive BASIC: An In-Model Interpreted Reasoning Language for LLMs

认知BASIC：一种用于大语言模型的内部解释推理语言

Oliver Kramer

机构 * Computational Intelligence Group University of Oldenburg（奥尔登堡大学计算智能组） 纠错

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

AI总结 Cognitive BASIC通过简单命令实现LLM内部透明推理，展示了多步骤推理和矛盾解决能力。

Comments 6 pages, Submitted to ESANN 2026

Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism

通过层次化任务抽象机制设计领域专用代理

Kaiyu Li, Jiayu Wang, Zhi Wang, Hui Qiao, Weizhan Zhang, Deyu Meng, Xiangyong Cao

机构 * Xi’an Jiaotong University（西安交通大学） ； China Telecom Shaanxi Branch（中国电信陕西分公司） 纠错

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

AI总结 本文提出层次化任务抽象机制，设计领域专用代理EarthAgent，通过任务结构对齐提升复杂地理空间分析的规划能力。

Comments Page: https://earth-insights.github.io/EarthAgent

Do Vision-Language Models Understand Visual Persuasiveness?

视觉-语言模型理解视觉说服力吗？

Gyuwon Park

机构 * Department of Computer Science and Engineering, UNIST（计算机科学与工程系，UNIST） 纠错

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

AI总结 本文研究视觉-语言模型对视觉说服力的理解，发现模型在链接说服对象与沟通意图方面存在局限。

Comments 8 pages (except for reference and appendix), 5 figures, 7 tables, to be published in NeurIPS 2025 Workshop: VLM4RWD

DocSLM: A Small Vision-Language Model for Long Multimodal Document Understanding

DocSLM：一种用于长多模态文档理解的小型视觉-语言模型

Tanveer Hannan, Dimitrios Mallios, Parth Pathak, Faegheh Sardari, Thomas Seidl, Gedas Bertasius, Mohsen Fayyaz, Sunando Sengupta

机构 * Microsoft（微软公司） ； LMU Munich（慕尼黑大学） ； MCML ； FAIR Meta（Meta FAIR） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 复杂问题求解 ：reasoning(abstract)

AI总结 DocSLM通过高效的小型视觉-语言模型，在受限内存下实现长多模态文档理解，使用更少的资源达到与先进方法相当的性能。