LTA-thinker: Latent Thought-Augmented Training Framework for Large Language Models on Complex Reasoning
LTA-thinker: 用于复杂推理的大语言模型的潜在思维增强训练框架
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 LTA-Thinker通过提升潜在思维分布方差和信息效率，优化大语言模型的复杂推理性能。
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 12 篇
ChartAgent: A Chart Understanding Framework with Tool Integrated Reasoning
ChartAgent: 一种集成工具推理的图表理解框架
机构 * College of Artificial Intelligence, Nankai University（人工智能学院，南开大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institution of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室（MAIS），自动化研究所，中国科学院） ； Zhongguancun Academy（中关村学院） ； State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.LG
AI总结 ChartAgent通过集成工具推理框架提升图表理解的鲁棒性与可追溯性。
ReflCtrl: Controlling LLM Reflection via Representation Engineering
ReflCtrl: 通过表征工程控制LLM的反思
机构 * CSE, UCSD（计算机科学与工程系，加州大学圣塔克鲁兹分校） ； HDSI, UCSD（人类-数字系统研究所，加州大学圣塔克鲁兹分校）
专题命中 复杂问题求解 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.AI
AI总结 ReflCtrl通过表征工程控制LLM的反思行为，减少冗余推理并提升效率。
Comments Spotlight in NeurIPS 25 MI workshop
How K-12 Educators Use AI: LLM-Assisted Qualitative Analysis at Scale
K-12教育工作者如何使用AI：大规模LLM辅助定性分析
机构 * University of Washington（华盛顿大学） ； Hensun Innovation（翰森创新）
专题命中 复杂问题求解 ：reasoning(abstract)；planning(abstract)；分类 cs.AI
AI总结 本研究通过大规模LLM辅助分析，探讨K-12教育工作者在教学中使用AI工具的模式与方法，揭示其教学推理过程并为教育工具设计提供依据。
Rethinking the Reliability of Multi-agent System: A Perspective from Byzantine Fault Tolerance
重新思考多智能体系统可靠性：从拜占庭容错的角度出发
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文从拜占庭容错角度研究基于大语言模型的智能体可靠性，提出CP-WBFT机制提升多智能体系统稳定性与可靠性。
RecGPT-V2 Technical Report
RecGPT-V2 技术报告
机构 * RecGPT Team（RecGPT 团队）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL
AI总结 RecGPT-V2通过多代理系统、元提示框架、受约束强化学习和代理作为裁判框架，提升推荐系统意图推理的效率和准确性，实现60%的GPU消耗降低和11.46%的NER提升。
PortAgent: LLM-driven Vehicle Dispatching Agent for Port Terminals
PortAgent: 基于大语言模型的港口终端车辆调度代理
专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.AI
AI总结 PortAgent利用大语言模型实现港口终端车辆调度系统的自动化迁移，无需专家参与，降低数据需求并加快部署速度。
Leveraging LLMs for Collaborative Ontology Engineering in Parkinson Disease Monitoring and Alerting
利用大语言模型进行帕金森病监测与预警的协同本体工程
机构 * Intelligent Systems Laboratory, Department of Cultural Technology and Communication, University of the Aegean（爱琴海大学智能系统实验室） ； Artificial Intelligence Laboratory, Department of Digital Systems, University of Piraeus（比雷埃克斯大学人工智能实验室）
专题命中 复杂问题求解 ：CoT(abstract)；分类 cs.AI
AI总结 本文研究了利用大语言模型进行帕金森病监测与预警本体工程，通过人机协作提升本体的全面性和准确性。
Neurosymbolic Inference On Foundation Models For Remote Sensing Text-to-image Retrieval With Complex Queries
面向遥感文本到图像检索的神经符号推理：为复杂查询的基座模型
机构 * Vrije Universiteit Amsterdam（瓦赫宁根大学阿姆斯特丹） ； TNO（荷兰国防研究院）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 RUNE通过结合大型语言模型和神经符号AI，利用逻辑推理提升遥感文本到图像检索的性能与可解释性，针对复杂查询和图像不确定性提出新的评估指标。
STAR: STacked AutoRegressive Scheme for Unified Multimodal Learning
STAR：用于统一多模态学习的堆叠自回归方案
机构 * Meituan Inc（美团公司）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 STAR通过堆叠自回归方案提升多模态生成性能，同时保持理解能力，实验验证其在统一多模态学习中的有效性。
Comments 18 pages, 7 figures
VesSAM: Efficient Multi-Prompting for Segmenting Complex Vessel
VesSAM: 高效多提示分割复杂血管
机构 * FNii-Shenzhen, CUHK-Shenzhen（FNii-Shenzhen，CUHK-Shenzhen） ； School of Science and Engineering, CUHK-Shenzhen（CUHK-Shenzhen科学与工程学院） ； Zhejiang University（浙江大学） ； Boston University（波士顿大学） ； Vanderbilt University（范德比大学） ； Tsinghua University（清华大学）
专题命中 复杂问题求解 ：planning(abstract)
AI总结 VesSAM通过多提示编码器和轻量级解码器提升血管分割性能，实现比现有方法更高的Dice和IoU指标，同时参数更少且泛化能力更强。
Mixture-of-RAG: Integrating Text and Tables with Large Language Models
混合RAG：利用大语言模型整合文本和表格
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 MixRAG通过三阶段框架整合文本和表格，提升异构文档检索性能，实现混合模态文档接地的最新成果。
Comments Accepted to SIGKDD 2026
