大模型推理能力

Can Pruning Improve Reasoning? Revisiting Long-CoT Compression with Capability in Mind for Better Reasoning

剪枝能否提升推理？基于能力对齐的Long-Cot压缩以获得更好的推理

Shangziqi Zhao, Jiahao Yuan, Jinyang Wu, Zhenglin Wang, Guisong Yang, Usman Naseem

机构 * XJTU（西安交通大学） ； ECNU（华东师范大学） ； THU（清华大学） ； SEU（上海师范大学） ； USST（上海师范大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；CoT(title,abstract)；chain-of-thought(abstract)；分类 cs.CL

AI总结 本文提出Prune-on-Logic框架，通过结构感知剪枝提升Long-CoT推理效率，发现验证剪枝在保持准确性的同时减少令牌使用，揭示剪枝与模型容量对齐的重要性。

Comments 19 pages,6 figures

CoTDeceptor:Adversarial Code Obfuscation Against CoT-Enhanced LLM Code Agents

CoTDeceptor：对抗增强CoT的LLM代码代理的对抗性代码混淆

Haoyang Li, Mingjin Li, Jinxin Zuo, Siqi Li, Xiao Li, Hao Wu, Yueming Lu, Xiaochuan He

专题命中 逻辑推理 ：CoT(title,abstract)；reasoning(abstract)

AI总结 CoTDeceptor通过构建多阶段混淆策略链，有效对抗增强CoT的LLM检测器，实现对14个漏洞类别的绕过。

Semantic Deception: When Reasoning Models Can't Compute an Addition

语义欺骗：当推理模型无法计算加法时

Nathaniël de Leeuw, Marceau Nahon, Mathis Reymond, Raja Chatila, Mehdi Khamassi

机构 * Institute of Intelligent Systems and Robotics（智能系统与机器人研究所） ； CNRS（法国国家科学研究中心） ； Sorbonne University（索邦大学） ； Paris Cité University（巴黎城市大学） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 研究发现LLMs在面对语义欺骗时表现不佳，揭示其在符号操作上的局限性及对表面语义的依赖。

Comments 22 pages, 5 figures

Eidoku: A Neuro-Symbolic Verification Gate for LLM Reasoning via Structural Constraint Satisfaction

Eidoku：一种通过结构约束满足的神经符号验证门用于LLM推理

Shinobu Miya

机构 * Independent Researcher（独立研究者） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.AI

AI总结 Eidoku通过结构约束满足方法有效检测LLM推理中的结构不一致幻觉，提供神经符号验证机制。