AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
通过推理依赖生成缓解LLM中的选择支持性偏见
机构 * School of Future Technology, South China University of Technology（未来技术学院，华南理工大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL、cs.AI
AI总结 本文提出通过推理依赖生成缓解LLM中选择支持性偏见的方法，生成无偏推理数据并提升模型在决策任务中的表现。
MathBode: 通过频率响应测量大语言模型推理的稳定性
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 MathBode通过频率响应分析大语言模型推理的稳定性，揭示系统性低通行为和相位滞后，提供可重复的动态诊断方法。
在LLM中训练和评估基于指南的医学推理
机构 * Computational Linguistics &（计算语言学） ； IWR, Heidelberg University（海德堡大学IWR部门） ； Google DeepMind, Berlin, Germany（谷歌DeepMind，柏林，德国）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文通过训练LLM遵循医学共识指南，提升其推理和预测的正确性与价值正确性，改进未来临床变量的预测能力。
Reveal-Bangla：用于跨语言多步推理评估的数据集
机构 * Center for Language and Cognition (CLCG)（语言与认知中心）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出一个孟加拉语多步推理数据集，评估了多语言模型在不同语言下的推理能力，发现推理上下文对非二元问题有帮助，但模型在利用相关推理步骤方面表现不佳。
Comments Accepted at BLP workshop @ IJCNLP-AACL 2025
SATORI-R1: 通过显式视觉锚定激励多模态推理
机构 * Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 推理评测 ：reasoning(title,abstract)；分类 cs.AI
AI总结 SATORI-R1通过显式视觉锚定提升多模态推理，采用三个可验证阶段和VQA-Verify数据集，在VQA任务中实现15.7%的准确率提升。
Comments 21 pages, 8 figures
CartoMapQA: 一个评估视觉-语言模型在制图地图理解上的基础基准数据集
机构 * KDDI Research, Inc.（KDDI研究公司） ； University of Southern California（南加州大学）
专题命中 推理评测 ：reasoning(abstract)；planning(abstract)；分类 cs.CL
AI总结 CartoMapQA通过问答任务评估视觉-语言模型在制图地图理解上的能力，揭示了模型在地图语义和地理推理方面的不足。
Comments Accepted at SIGSPATIAL 2025 (Best paper candidates), 15 pages
VLSU：联合多模态理解在AI安全中的极限映射
机构 * Apple（苹果公司）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 VLSU通过细粒度分类和组合分析，揭示了多模态安全评估中联合理解的缺陷，为改进AI安全研究提供关键测试平台。
Comments 10 pages, 5 figures, 4 tables, detailed appendix. Under review
细粒度偏见新闻文章中的叙事分类
机构 * Indraprastha Institute of Information Technology Delhi（印度普拉斯塔理工大学德里） ； Bharat Electronics Limited（巴哈特电子有限公司）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出INDI-PROP数据集和FANTA/TPTC框架，用于细粒度偏见新闻文章中的叙事分类和说服技巧识别。
Blu-WERP（网络内容提取与精炼流程）：一种用于预处理大语言模型数据集的可扩展流程
机构 * BluBridge Research（BluBridge研究机构）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 Blu-WERP是一种用于提升大语言模型训练数据质量的高效预处理流程，通过优化Common Crawl WARC文件，显著提高了模型性能和效率。
通过编程视觉思考：迈向图像思考的统一视角
机构 * Zhejiang University（浙江大学） ； ByteDance BandAI（字节跳动BandAI）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 CodeVision提出一种灵活的代码作为工具框架，通过两阶段训练提升模型对图像变化和多工具推理的鲁棒性，实验显示显著提升性能并促进新兴能力。
评估大语言模型的水科学与工程知识
机构 * State Key Laboratory of Hydro-Science and Engineering, Department of Hydraulic Engineering（水利科学与工程国家重点实验室、水利学院） ； Department of Computer Science and Technology（计算机科学与技术系） ； Zhipu AI（智谱AI） ； CHN Energy Dadu River Big Data Services Co., Ltd.（中国能源大渡河大数据服务有限公司）
专题命中 推理评测 ：reasoning(abstract)；分类 cs.CL
AI总结 本研究提出Hydro-SE LLM评估基准，评估大语言模型在水科学与工程领域的知识和应用能力，揭示其优势与不足。
Comments Hydro-SE Bench sets a new benchmark for the evaluation of LLMs in the Hydro-Science and Engineering domain, with its code and data available at \url{https://github.com/sheishijun/Hydro-SE-Bench}
从社交媒体数据中推断人口特征：多模态基础模型的策略、评估与基准测试
专题命中 推理评测 ：reasoning(abstract)
AI总结 本研究利用GPT-5多模态基础模型，从社交媒体资料中推断年龄、性别和种族，展示了其在提高人口特征推断准确性、公平性和可扩展性方面的潜力。
Comments 21 pages, 10 figures and 4 tables
某些模态比其他模态更平等：在MLLMs中解码和架构多模态整合
机构 * Boston University（波士顿大学） ； Google DeepMind（谷歌DeepMind）
专题命中 推理评测 ：reasoning(abstract)
AI总结 本文研究了多模态大语言模型对矛盾模态的鲁棒性，提出模态对齐调优策略以提升多模态推理能力。
机构 * Guangdong Provincial Key Laboratory of Intelligent Information Processing（广东省智能信息处理重点实验室） ； Shenzhen Key Laboratory of Media Security（深圳媒体安全重点实验室） ； SZU-AFS Joint Innovation Center for AI Technology（深圳大学-腾讯优图联合创新中心） ； Shenzhen University（深圳大学） ； School of Electronic and Computer Engineering（电子与计算机工程学院） ； Peking Univerisity（北京大学） ； Tencent Youtu Lab（腾讯优图实验室）
专题命中 推理评测 ：reasoning(abstract)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈