大模型推理能力

Discovery and Reinforcement of Tool-Integrated Reasoning Chains via Rollout Trees

发现与强化工具集成推理链 via 滚出树

Kun Li, Zenan Xu, Junan Li, Zengrui Jin, Jinghao Deng, Zexuan Qiu, Bo Zhou

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

AI总结 DART通过强化学习框架在长链推理中自发使用工具，无需人工标注，有效提升工具集成推理性能。

Do explanations generalize across large reasoning models?

解释是否能在大型推理模型中泛化？

Koyena Pal, David Bau, Chandan Singh

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

AI总结 研究探讨了大型推理模型生成的解释是否能泛化，发现CoT解释能提高模型间一致性，并提出基于句子的融合策略提升一致性。

Efficient Reinforcement Learning with Semantic and Token Entropy for LLM Reasoning

基于语义和token熵的高效强化学习用于LLM推理

Hongye Cao, Zhixin Bai, Ziyue Peng, Boyan Wang, Tianpei Yang, Jing Huo, Yuyao Zhang, Yang Gao

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家实验室，南京大学） ； China Mobile NineVerse Artificial Intelligence Technology (Beijing) Co., Ltd.（中国移动九章人工智能技术（北京）有限公司） ； Institute of Artificial Intelligence, NineVerse, Beijing（九章人工智能研究院，北京） 纠错

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

AI总结 本文提出基于语义和token熵的高效强化学习框架，通过优化数据组织和算法设计缓解熵崩溃，提升大语言模型的推理能力。

FAQ: Mitigating Quantization Error via Regenerating Calibration Data with Family-Aware Quantization

FAQ: 通过家庭感知量化减少量化误差

Haiyang Xiao, Weiqing Li, Jinyue Guo, Guochao Jiang, Guohua Liu, Yuewei Zhang

机构 * Alibaba Cloud Computing（阿里云计算） 纠错

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

AI总结 FAQ通过家庭感知量化方法生成高保真校准数据，有效减少量化误差，实验表明其在多个模型系列中将准确性损失降低28.5%。

FlashLabs Chroma 1.0: A Real-Time End-to-End Spoken Dialogue Model with Personalized Voice Cloning

FlashLabs Chroma 1.0: 一种实时端到端语音对话模型及个性化语音克隆

Tanyu Chen, Tairan Chen, Kai Shen, Zhenghua Bao, Zhihui Zhang, Man Yuan, Yi Shi

机构 * FlashLabs 纠错

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

AI总结 FlashLabs Chroma 1.0是一种实时端到端语音对话模型，通过交错调度实现低延迟和高保真个性化语音克隆，提升了说话人相似性并保持对话能力。

Integrity Shield A System for Ethical AI Use & Authorship Transparency in Assessments

完整性防护：一个用于伦理AI使用和评估中的作者透明度的系统

Ashish Raj Shekhar, Shiven Agarwal, Priyanuj Bordoloi, Yash Shah, Tejas Anvekar, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 Integrity Shield通过在文档层嵌入水印，防止大型语言模型回答受保护的考试，同时保持外观不变，并在多个考试中实现了高阻止率和检测可靠性。

Reinforcement Fine-Tuning for Materials Design

用于材料设计的强化微调

Zhendong Cao, Lei Wang

机构 * Beijing National Laboratory for Condensed Matter Physics（北京凝聚态物理国家实验室） ； School of Physical Sciences, University of Chinese Academy of Sciences, Beijing 100190, China（中国科学院大学物理科学学院） ； Songshan Lake Materials Laboratory, Dongguan, Guangdong 523808, China（松山湖材料实验室） 纠错

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

AI总结 本研究通过强化微调提升材料生成模型的性能，实现基于属性的材料设计与检索，发现具有矛盾材料属性的新型晶体。

Comments 10 pages, 7 figures

Journal ref Phys. Rev. B 113, 024106 (2026)

Large Wireless Foundation Models: Stronger over Bigger

大规模无线基础模型：更强且更大

Xiang Cheng, Boxun Liu, Xuanyu Liu, Xuesong Cai

专题命中 其他推理 ：reasoning(abstract)

AI总结 本文提出大规模无线基础模型（LWFMs），通过无线约束下的新框架赋能物理层，结合现有通用模型和新模型构建，提升无线通信的泛化能力和鲁棒性。