大模型推理能力

MuSLR: Multimodal Symbolic Logical Reasoning

MuSLR：多模态符号逻辑推理

Jundong Xu, Hao Fei, Yuhui Zhang, Liangming Pan, Qijun Huang, Qian Liu, Preslav Nakov, Min-Yen Kan, William Yang Wang, Mong-Li Lee, Wynne Hsu

机构 * National University of Singapore（新加坡国立大学） ； Stanford University（斯坦福大学） ； Peking University（北京大学） ； UniMelb（墨尔本大学） ； University of Auckland（奥克兰大学） ； MBZUAI（穆斯林人工智能研究所） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） 纠错

专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title,abstract)；chain-of-thought(abstract)

AI总结 MuSLR提出了一种多模态符号逻辑推理基准，通过形式逻辑规则提升VLMs的推理能力，显著提升链式推理性能及复杂逻辑处理效果。

Comments Accepted by NeurIPS 2025

Uncovering Hidden Correctness in LLM Causal Reasoning via Symbolic Verification

通过符号验证揭示LLM因果推理中的隐藏正确性

Paul He, Yinya Huang, Mrinmaya Sachan, Zhijing Jin

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； ETH Zürich（苏黎世联邦理工学院） ； MPI for Intelligent Systems（智能系统研究所） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） 纠错

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

AI总结 本文提出DoVerifier，通过符号验证揭示LLM因果推理中的隐藏正确性，提升因果推理评估的严谨性与信息量。

Comments EACL 2026 Main

Self-Compression of Chain-of-Thought via Multi-Agent Reinforcement Learning

通过多智能体强化学习实现链式思维的自我压缩

Yiqun Chen, Jinyuan Feng, Wei Yang, Meizhi Zhong, Zhengliang Shi, Rui Li, Xiaochi Wei, Yan Gao, Yi Wu, Yao Hu, Zhiqiang Pu, Jiaxin Mao

机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； Institute of Automation,Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Southern California（南加州大学） ； Shandong University（山东大学） 纠错

专题命中 逻辑推理 ：chain-of-thought(title)；reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 通过多智能体强化学习实现链式思维的自我压缩，有效减少响应长度并提升准确性。

Modeling Endogenous Logic: Causal Neuro-Symbolic Reasoning Model for Explainable Multi-Behavior Recommendation

内生逻辑建模：可解释的多行为推荐因果神经符号推理模型

Yuzhe Chen, Jie Cao, Youquan Wang, Haicheng Tao, Darko B. Vukovic, Jia Wu

机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； Nanjing University of Science and Technology（南京理工大学） ； School of Management（管理学院） ； Hefei University of Technology（合肥工业大学） ； School of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Nanjing University of Finance and Economics（南京财经大学） ； Department of Finance and Accounting（金融与会计系） ； Saint Petersburg State University（圣彼得堡国立大学） ； School of Computing（计算机学院） ； Macquarie University（麦考瑞大学） 纠错

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

AI总结 本文提出一种因果神经符号推理模型，用于可解释的多行为推荐，通过内生逻辑建模和因果推断提升推荐系统的可解释性和泛化能力。

Comments Accepted to The Web Conference (WWW) 2026

SymbXRL: Symbolic Explainable Deep Reinforcement Learning for Mobile Networks

SymbXRL：符号可解释深度强化学习用于移动网络

Abhishek Duttagupta, MohammadErfan Jabbari, Claudio Fiandrino, Marco Fiore, Joerg Widmer

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

AI总结 SymbXRL通过符号AI生成可解释的DRL解释，提升网络决策的透明度和可控性。

Comments 10 pages, 9 figures, published in IEEE INFOCOM 2025

Journal ref IEEE INFOCOM 2025 - IEEE Conference on Computer Communications, London, United Kingdom, 19-22 May 2025, pp. 1-10

A Multi-agent Framework for Physical Laws Discovery

发现物理定律的多智能体框架

Bo Hu, Siyu Liu, Beilin Ye, Yun Hao, Yanhui Liu, Yang Lu, Ju Li, David J. Srolovitz, Tongqi Wen

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 本研究提出基于大语言模型的多智能体框架，用于发现物理定律，通过整合文献引导的变量选择、假设形成、符号回归等技术，实现了对金属玻璃形成能力、化合物硬度和多组分合金杨氏模量的高精度预测。