STaR: Sensitive Trajectory Regulation for Unlearning in Large Reasoning Models
STaR：用于大推理模型中去学习的敏感轨迹调节
专题命中 复杂问题求解 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.AI
AI总结 STaR通过敏感轨迹调节方法，实现了大推理模型中高效且稳定的隐私保护去学习，减少隐私泄露风险。
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 6 篇
M$^3$Searcher: Modular Multimodal Information Seeking Agency with Retrieval-Oriented Reasoning
M$^3$Searcher: 模块化多模态信息检索代理与检索导向推理
机构 * Huawei Cloud BU（华为云业务单元）
专题命中 复杂问题求解 ：reasoning(title,abstract)；分类 cs.AI
AI总结 M$^3$Searcher是一种模块化多模态信息检索代理，通过检索导向的多目标奖励机制，提升多模态任务中的事实准确性、推理合理性和检索忠实度。
LLMs can Compress LLMs: Adaptive Pruning by Agents
LLMs可以压缩LLMs：通过代理的自适应剪枝
机构 * Research and Development, Sports Vision, Inc.（研发部，Sports Vision公司） ； Research and Development, Vizworld Inc.（研发部，Vizworld公司）
专题命中 复杂问题求解 ：self-correction(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出通过代理引导的自适应剪枝方法，有效压缩LLMs，提升事实知识保留和模型性能。
Comments 17 Pages
To Retrieve or To Think? An Agentic Approach for Context Evolution
是检索还是思考？一种情境演化的代理方法
机构 * Department of Computing, The Hong Kong Polytechnic University（计算系，香港理工大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出Agentic Context Evolution (ACE)方法，通过代理动态决策在检索与推理间切换，提升知识密集型任务的生成效率与准确性。
LP-LLM: End-to-End Real-World Degraded License Plate Text Recognition via Large Multimodal Models
LP-LLM：基于大多模态模型的端到端真实世界退化车牌文本识别
机构 * Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学）
专题命中 复杂问题求解 ：reasoning(abstract)；分类 cs.AI
AI总结 LP-LLM通过端到端结构感知多模态推理框架，结合字符感知模块和LoRA微调策略，提升真实世界退化车牌文本识别性能。
DepRadar: Agentic Coordination for Context Aware Defect Impact Analysis in Deep Learning Libraries
DepRadar：深度学习库中基于上下文的缺陷影响分析代理协调
专题命中 复杂问题求解 ：reasoning(abstract)
AI总结 DepRadar通过代理协调框架实现深度学习库中缺陷影响分析，结合静态分析与领域规则提高准确性和可解释性，有效识别受影响程序。
Comments Published in 48th International Conference on Software Engineering (ICSE 2026)
