大模型推理能力

Causal Reasoning Favors Encoders: On The Limits of Decoder-Only Models

因果推理更青睐编码器：关于解码器-only模型极限的探讨

Amartya Roy, Elamparithy M, Kripabandhu Ghosh, Ponnurangam Kumaraguru, Adrian de Wynter

机构 * SIRE, IIT Delhi（IIT德里SIRE） ； Robert Bosch GmbH, India（印度罗伯特博世集团） ； IIIT Hyderabad（海得拉巴IIIT） ； IISER Kolkata（科钦IISER） ； Microsoft and the University of York（微软和约克大学） 纠错

专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL、cs.LG

AI总结 本文探讨了因果推理中编码器和编码器-解码器架构相较于仅解码器模型的优势，发现前者在多跳联合推理和分布偏移鲁棒性方面表现更优。

Reverse Thinking Enhances Missing Information Detection in Large Language Models

逆向思维增强大语言模型中缺失信息检测能力

Yuxin Liu, Chaojie Gu, Yihang Zhang, Bin Qian, Shibo He

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.AI

AI总结 本文提出逆向思维框架，通过引导LLM进行逆向推理来提升缺失信息检测的准确性与鲁棒性。

Comments 10 pages, 2 figures

Enhancing Next-Generation Language Models with Knowledge Graphs: Extending Claude, Mistral IA, and GPT-4 via KG-BERT

通过知识图谱增强下一代语言模型：通过KG-BERT扩展Claude、Mistral IA和GPT-4

Nour El Houda Ben Chaabene, Hamza Hammami

机构 * STIH Laboratory, Sorbonne University（索邦大学STIH实验室） ； National Engineering School of Tunis（突尼斯国家工程学院） ； Faculty of Sciences of Tunis（突尼斯科学学院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 通过KG-BERT将知识图谱与Claude、Mistral IA和GPT-4结合，提升其事实可靠性与上下文感知能力。

Comments This paper was accepted and scheduled for inclusion in the ICALT 2025 proceedings but was ultimately not published due to absence from the conference presentation. It appears in the official program booklet. Conference: 2025 IEEE International Conference on Advanced Learning Technologies (ICALT)

LLM-Empowered Representation Learning for Emerging Item Recommendation

基于大语言模型的表示学习用于新兴物品推荐

Ziying Zhang, Quanming Yao, Yaqing Wang

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学研究院） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出EmerFlow框架，利用大语言模型生成独特嵌入，通过丰富特征、对齐空间和元学习优化，提升新兴物品推荐性能。

Teaching Language Models to Evolve with Users: Dynamic Profile Modeling for Personalized Alignment

教导语言模型与用户共同进化：面向个性化对齐的动态资料模型

Weixiang Zhao, Xingyu Sui, Yulin Hu, Jiahe Guo, Haixiao Liu, Biye Li, Yanyan Zhao, Bing Qin, Ting Liu

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 本研究提出RLPA框架，通过动态资料推断提升个性化对话性能，Qwen-RLPA在多个基准测试中超越现有方法。

Comments NeurIPS 2025 Camera-ready

Vision-centric Token Compression in Large Language Model

以视觉为中心的标记压缩在大语言模型中

Ling Xing, Alex Jinpeng Wang, Rui Yan, Xiangbo Shu, Jinhui Tang

机构 * Nanjing University of Science and Technology（南京理工大学） ； Central South University（中南大学） ； Nanjing Forestry University（南京林业大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL

AI总结 Vist通过视觉与语言结合的压缩方法，在减少标记数量的同时保持模型准确性，提升了大语言模型的效率。

Comments NeurIPS 2025 spotlight

Studying and Automating Issue Resolution for Software Quality

研究和自动化软件质量的问题解决

Antu Saha

专题命中 其他推理 ：reasoning(abstract)

AI总结 本研究通过提升issue报告质量、表征开发者工作流程和自动化解决任务，推动AI驱动的issue解决，提升软件质量。

Comments 3 pages