大模型推理能力

Bridging Graph Structure and Knowledge-Guided Editing for Interpretable Temporal Knowledge Graph Reasoning

弥合图结构与知识引导编辑以实现可解释的时序知识图谱推理

Shiqi Fan, Quanming Yao, Hongyi Nie, Wentao Ma, Zhen Wang, Wen Hua

机构 * Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（数据科学与人工智能系，香港理工大学） ； School of Cybersecurity, Northwestern Polytechnical University（网络安全学院，西北工业大学） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） ； School of Mechanical Engineering, Northwestern Polytechnical University（机械工程学院，西北工业大学） ； School of Mathematics and Statistics, Xi’an Jiaotong University（数学与统计学院，西安交通大学） 纠错

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

AI总结 IGETR通过结合图神经网络与大语言模型，实现可解释的时序知识图谱推理，提升预测准确性与可解释性。

SofT-GRPO: Surpassing Discrete-Token LLM Reinforcement Learning via Gumbel-Reparameterized Soft-Thinking Policy Optimization

SofT-GRPO：通过Gumbel-重新参数化软思考策略优化超越离散标记LLM强化学习

Zhi Zheng, Yu Gu, Wei Liu, Yee Whye Teh, Wee Sun Lee

机构 * School of Computing, National University of Singapore, Singapore（新加坡国立大学计算机学院） ； Department of Statistics, University of Oxford, United Kingdom（英国牛津大学统计系） ； School of Intelligence Science（智能科学学院） ； Technology, Nanjing University, China（技术学院，南京大学，中国） 纠错

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

AI总结 SofT-GRPO通过引入Gumbel噪声和重新参数化技巧，在软思考模式下提升LLM推理性能，使其在Pass@1和Pass@32任务中分别优于离散标记GRPO。

Epistemic Context Learning: Building Trust the Right Way in LLM-Based Multi-Agent Systems

知识上下文学习：在基于大语言模型的多智能体系统中以正确方式建立信任

Ruiwen Zhou, Maojia Song, Xiaobao Wu, Sitao Cheng, Xunjian Yin, Yuxi Xie, Zhuoqun Hao, Wenyue Hua, Liangming Pan, Soujanya Poria, Min-Yen Kan

机构 * National University of Singapore（国立新加坡大学） ； Singapore University of Technology（新加坡科技学院） ； Nanyang Technological University（南洋理工大学） ； Duke University（杜克大学） ； University of Waterloo（滑铁卢大学） ； Microsoft（微软公司） ； Peking University（北京大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本文提出Epistemic Context Learning（ECL），通过历史交互构建同伴资料以提升多智能体系统中信任建模的准确性，使小型模型在性能上超越大模型，并在多种配置中表现出良好的泛化能力。

Comments Codes and data are available at https://github.com/skyriver-2000/epistemic-context-learning

Semantic Content Determines Algorithmic Performance

语义内容决定算法性能

Martiño Ríos-García, Nawaf Alampara, Kevin Maik Jablonka

机构 * Laboratory of Organic ； Macromolecular Chemistry (IOMC), Friedrich Schiller University Jena, Humboldtstrasse 10, 07743 Jena, Germany ； HIPOLE Jena (Helmholtz Institute for Polymers in Energy Applications Jena), Lessingstrasse 12-14, 07743 Jena, Germany ； Center for Energy ； Environmental Chemistry Jena (CEEC Jena), Friedrich Schiller University Jena, Philosophenweg 7a, 07743 Jena, Germany ； Jena Center for Soft Matter (JCSM), Friedrich Schiller University Jena, Philosophenweg 7, 07743 Jena, Germany 纠错

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

AI总结 研究揭示大语言模型的性能受输入语义影响，通过WhatCounts实验展示不同语义内容导致计数准确率显著变化，表明模型对输入意义存在隐性依赖。

Liquid Interfaces: A Dynamic Ontology for the Interoperability of Autonomous Systems

液态接口：自主系统互操作性的动态本体

Dhiogo de Sá, Carlos Schmiedel, Carlos Pereira Lopes

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

AI总结 本文提出液态接口，通过动态语义协商实现自主系统间的适应性协调，提供了一种基于临时关系事件的动态本体方法。

Comments 28 pages, 2 figures

Towards Computational Chinese Paleography

迈向计算中文古文字学

Yiran Rex Ma

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

AI总结 本文探讨了人工智能如何推动中文古文字学从孤立视觉任务向集成数字生态系统发展，强调多模态、少样本和以人为本的系统设计以解决数据稀缺和人文研究需求的挑战。

Comments A position paper in progress with Peking University & ByteDance Digital Humanities Open Lab

MAD: Modality-Adaptive Decoding for Mitigating Cross-Modal Hallucinations in Multimodal Large Language Models

MAD：用于减轻多模态大语言模型中跨模态幻觉的模态自适应解码

Sangyun Chung, Se Yeon Kim, Youngchae Chee, Yong Man Ro

机构 * Integrated Vision Language Lab, KAIST, South Korea（韩国科学技术院集成视觉语言实验室） 纠错

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

AI总结 MAD通过自适应加权对比解码分支，有效减少多模态大语言模型中的跨模态幻觉问题。

Large Language Models Naively Recover Ethnicity from Individual Records

大语言模型盲目从个人记录中推断种族

Noah Dasanaike

机构 * Harvard University（哈佛大学） 纠错

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

AI总结 大语言模型通过分析姓名推断种族，准确率高于BISG，且适用于多种地区和分类场景。

Virtuous Machines: Towards Artificial General Science

美德机器：迈向人工智能通用科学

Gabrielle Wehr, Reuben Rideaux, Amaya J. Fox, David R. Lightfoot, Jason Tangen, Jason B. Mattingley, Shane E. Ehrhardt

机构 * Explore Science ； School of Psychology（心理学学院） ； Queensland Brain Institute（昆士兰脑研究所） ； Canadian Institute of Advanced Research (CIFAR)（加拿大高级研究 institute） 纠错

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

AI总结 本研究提出了一种无需领域知识的AI科学家系统，能自主完成科学流程，通过实验展示了其在心理学研究中的能力，推动了人工智能在科学发现中的应用。

Towards Transparent RAG: Fostering Evidence Traceability in LLM Generation via Reinforcement Learning

迈向透明的RAG：通过强化学习促进LLM生成中的证据可追溯性

Jingyi Ren, Yekun Xu, Xiaolong Wang, Weitao Li, Ante Wang, Weizhi Ma, Yang Liu

机构 * DCST \& AIR, Tsinghua University Beijing, China ； DCST, Tsinghua University Beijing, China ； AIR, Tsinghua University Beijing, China ； DSCT \& AIR, Tsinghua University Beijing, China ； DCST \& AIR, Tsinghua University ； DCST, Tsinghua University ； AIR, Tsinghua University ； DSCT \& AIR, Tsinghua University 纠错

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

AI总结 TRACE通过强化学习提升LLM生成中的证据可追溯性，实现透明输出和准确性提升。

Turning Language Model Training from Black Box into a Sandbox

将语言模型训练从黑箱转变为沙盒

Nicolas Pope, Matti Tedre

专题命中 其他推理 ：reasoning(abstract)

AI总结 通过让学生直接训练语言模型，研究发现可视化训练过程能显著提升学生对AI数据驱动本质的理解。

Comments 4 pages, 2 figures, WIP, accepted to IEEE conference