大模型推理能力

Improving Symbolic Translation of Language Models for Logical Reasoning

提升语言模型的符号翻译以增强逻辑推理

Ramya Keerthy Thatikonda, Jiuzhou Han, Wray Buntine, Ehsan Shareghi

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

AI总结 本文通过微调和增量推理框架，提升小型语言模型在逻辑推理中的符号翻译能力，减少错误率并提高推理性能。

Comments The Third workshop of NeusymBridge @AAAI 2026 (Bridging Neurons and Symbols for NLP and Knowledge Graph Reasoning)

Is Grokking Worthwhile? Functional Analysis and Transferability of Generalization Circuits in Transformers

Grokking是否值得？Transformer中泛化电路的功能分析与可迁移性

Kaiyu He, Zhang Mian, Peilin Wu, Xinya Du, Zhiyu Chen

机构 * Department of Computer Science University of Texas at Dallas（计算机科学系 德克萨斯大学达拉斯分校） 纠错

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

AI总结 本文研究了Transformer中泛化电路的功能与可迁移性，发现grokking过程是整合记忆事实到自然推理路径，而非突然获得新范式，且其在迁移新知识时存在局限。