大模型推理能力

Enhancing Model Defense Against Jailbreaks with Proactive Safety Reasoning

通过主动安全推理增强模型对劫持的防御

Xianglin Yang, Gelei Deng, Jieming Shi, Tianwei Zhang, Jin Song Dong

机构 * School of Computing（计算学院） ； National University of Singapore（新加坡国立大学） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Nanyang Technological University（南洋理工大学） ； Department of Computing（计算系） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 本文提出SCoT方法，通过主动安全推理提升模型对劫持的防御能力，有效减少对分布外问题和对抗操纵的易感性。

DaMO: A Data-Efficient Multimodal Orchestrator for Temporal Reasoning with Video LLMs

DaMO：一种数据高效的多模态协调器，用于视频LLM的时序推理

Bo-Cheng Chiu, Jen-Jee Chen, Yu-Chee Tseng, Feng-Chi Chen, An-Zi Yen

机构 * College of Artificial Intelligence, National Yang Ming Chiao Tung University（人工智能学院，阳明交通大学） ； Institute of Population Health Sciences, National Health Research Institutes（人口健康科学研究所，国家健康研究院） ； Department of Computer Science, National Yang Ming Chiao Tung University（计算机科学系，阳明交通大学） 纠错

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

AI总结 DaMO是一种专为视频LLM设计的数据高效多模态协调器，通过时序感知Fuseformer和四阶段训练范式提升时序推理能力，实现更精确的多模态理解。

Eliciting Least-to-Most Reasoning for Phishing URL Detection

诱发最小到最大推理以检测钓鱼网址

Holly Trikilis, Pasindu Marasinghe, Fariza Rashid, Suranga Seneviratne

机构 * University of Sydney（悉尼大学） 纠错

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

AI总结 本文提出了一种最小到最大提示框架，通过引入答案敏感性机制提升钓鱼网址检测的推理能力和准确性，优于一次性方法和监督模型。

Towards a Mechanistic Understanding of Large Reasoning Models: A Survey of Training, Inference, and Failures

迈向大规模推理模型的机制理解：训练、推理与失败的综述

Yi Hu, Jiaqi Gu, Ruxin Wang, Zijun Yao, Hao Peng, Xiaobao Wu, Jianhui Chen, Muhan Zhang, Liangming Pan

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

AI总结 本文综述了大规模推理模型的训练、推理及失败机制，旨在揭示其内部运作并为未来研究提供方向。

Investigating the Development of Task-Oriented Communication in Vision-Language Models

探究视觉-语言模型中以任务为导向的交流发展

Boaz Carmeli, Orr Paradise, Shafi Goldwasser, Yonatan Belinkov, Ron Meir

机构 * Technion – Israel Institute of Technology（技术ion–以色列理工学院） ； EPFL（苏黎世联邦理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Harvard University（哈佛大学） 纠错

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

AI总结 研究视觉-语言模型在协作任务中发展以任务为导向的通信协议的潜力与风险

LogSieve: Task-Aware CI Log Reduction for Sustainable LLM-Based Analysis

LogSieve: 任务感知的CI日志缩减以实现基于大语言模型的可持续分析

Marcus Emmanuel Barnes, Taher A. Ghaleb, Safwat Hassan

机构 * Faculty of Information University of Toronto Toronto Ontario Canada（信息学院多伦多大学多伦多安大略加拿大） ； Department of Computer Science Trent University Peterborough Ontario Canada（计算机科学系特伦特大学彼得伯格安大略加拿大） ； Faculty of Information University of Toronto Toronto Ontario Ontario（信息学院多伦多大学多伦多安大略安大略） ； University of Toronto（多伦多大学） ； Trent University（特伦特大学） 纠错

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

AI总结 LogSieve通过任务感知的日志缩减技术，有效减少CI日志体积并提升大语言模型推理的可持续性与可解释性。

Comments Preprint. Accepted for presentation at Mining Software Repositories (MSR'26), co-located ICSE 2026. The final version will appear in the ACM Digital Library as part of the MSR'26 conference proceedings