AI 大模型
大模型数学、逻辑、规划、多步推理和测试时计算能力。
分而治之的CoT：通过并行推理减少延迟的强化学习
专题命中 数学推理 ：reasoning(title,abstract)；CoT(title,abstract)；chain-of-thought(abstract)；分类 cs.LG
AI总结 通过并行推理和强化学习，DC-CoT在减少延迟的同时保持高精度，适用于数学推理任务。
Comments 47 pages, 13 figures
LLM潜在推理作为叠加链
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（人工智能安全国家重点实验室，计算技术研究所，中国科学院，北京） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京）
专题命中 数学推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.CL
AI总结 本文提出Latent-SFT框架，通过约束隐藏状态、构建语义紧凑的链结构以及使用随机Gumbel-Softmax优化，实现LLM潜在推理的高效叠加，提升数学基准任务性能。
RAudit: 一种用于大语言模型推理的盲审协议
机构 * Stanford University（斯坦福大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 RAudit通过盲审协议检测大语言模型推理中的问题，揭示了四个导致模型不可靠的机制，挑战了能力与鲁棒性之间的关系。
Comments 24 pages, 21 tables, 3 figures
思考机器：在大语言模型时代中的数学推理
机构 * Department of Informatics--- Science and Engineering (DISI), University of Bologna（信息科学与工程系（DISI），博洛尼亚大学） ； Department of Philosophy, University Paris 1 Panthéon-Sorbonne（哲学系，巴黎第一大学）
专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 本文探讨了大语言模型在数学推理中的现状，分析了传统数学与形式化数学的差异，以及证明合成与代码生成的对比，旨在明确当前系统的局限性并指出未来发展方向。
Journal ref Big Data and Cognitive Computing, 2026, 10(1), 38
Stronger-MAS: 多智能体强化学习用于协作大语言模型
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Intel Corporation（英特尔公司）
专题命中 数学推理 ：reasoning(abstract)；planning(abstract)；分类 cs.LG
AI总结 Stronger-MAS提出了一种针对多智能体强化学习的AT-GRPO算法，通过改进的分组策略和训练系统，在多个任务中显著提升了大语言模型的性能。
利用影响函数检测指令微调攻击
机构 * Tsinghua University（清华大学）
专题命中 数学推理 ：reasoning(abstract)；math reasoning(abstract)；分类 cs.LG
AI总结 本文提出一种无需先验知识的检测方法，通过影响函数和语义转换识别污染示例，提升模型鲁棒性。
听信还是不信？评估和分析音频语言模型的趋炎附势行为 with SYAUDIO
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed人工智能大学） ； King Abdullah University of Science and Technology（卡布斯大学） ； Georgia Institute of Technology（佐治亚理工学院）
专题命中 数学推理 ：reasoning(abstract)；chain-of-thought(abstract)
AI总结 SYAUDIO是首个评估音频语言模型趋炎附势行为的基准，通过系统分析不同领域和条件下的趋炎附势现象，验证了监督微调在减少此类行为中的有效性。
TTCS: 测试时课程合成用于自演化
机构 * Xiamen University（厦门大学） ； Washington University in St. Louis（华盛顿大学圣路易斯分校） ； Renmin University of China（中国人民大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 TTCS通过共进化框架提升LLM推理能力，利用生成器和求解器的协同进化，动态构建测试时课程以增强模型性能。
Comments 10 pages, 4 figures, Our code and implementation details are available at https://github.com/XMUDeepLIT/TTCS
后退一步：前缀重要性比率稳定了策略优化
机构 * The University of Sydney（悉尼大学） ； ByteDance（字节跳动） ； Nanyang Technological University（南洋理工大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出MinPRO目标，通过使用非累积的最小token级比率替代累积前缀比率，以稳定LLM在非策略性条件下的训练和优化。
ReNCE: 通过噪声对比估计学习推理
机构 * Rutgers University（罗杰斯大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 ReNCE通过噪声对比估计学习提升大语言模型的推理能力，采用显式对比学习方法在数学基准测试中表现优异。
并非你，而是剪裁：通过概率平滑的软信任区域进行大语言模型强化学习
机构 * University of Southampton（索姆塞特大学） ； The Alan Turing Institute（艾伦·图灵研究所）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出PSPO方法，通过概率平滑改进大语言模型强化学习中的信任区域，提升数学推理任务的性能。
为何GRPO需要规范化：从局部曲率角度探讨自适应梯度
机构 * Department of Aeronautics and Astronautics, MIT（麻省理工学院航空与宇航系） ； Department of Statistics, University of Wisconsin--Madison（威斯康星大学麦迪逊分校统计系） ； Department of Informatics, King's College London（伦敦国王学院信息学系） ； Department of Computer Sciences, University of Wisconsin--Madison（威斯康星大学麦迪逊分校计算机科学系）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG
AI总结 GRPO中标准差规范化通过局部曲率视角解释了其自适应梯度机制，理论和实验表明规范化能提升收敛速度并优化训练阶段表现。
InstructDiff：通过微分熵实现领域自适应的数据选择以实现高效的LLM微调
机构 * Peking University（北京大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Tsinghua University（清华大学） ； SUFE（上海财经大学） ； SUSTech（南方科技大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 InstructDiff通过微分熵实现领域自适应的数据选择，提升LLM微调效率，实验显示在数学推理和通用指令遵循任务上分别提高17%和52%。
从格式和长度获取代理信号：用于无真实答案解决数学问题的强化学习
机构 * Baichuan Inc（百川公司） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL
AI总结 本研究提出利用格式和长度作为代理信号，通过强化学习提升数学问题解决性能，无需真实答案，实现高效推理优化。
通过多智能体辩论进行语言模型的自改进
机构 * Meta AI ； Columbia University（哥伦比亚大学） ； Meta Superintelligence Labs（Meta超智能实验室）
专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI
AI总结 通过多智能体辩论和强化学习提升语言模型的自我改进能力，实现推理准确性、自洽性和泛化能力的提升。
多孔多边形环境中可见性研究：寻找最佳隐藏与监视位置
专题命中 数学推理 ：reasoning(abstract)
AI总结 本文提出了一种归一化下降算法，用于在多孔多边形环境中寻找最优隐藏或监视位置，通过非光滑分析和随机性处理非凸度量问题，确保高概率收敛到局部极小值。
可恢复性有定律：工具增强智能体的ERR度量
机构 * Sri Vatsa Vuddanti（独立研究者） ； Satwik Kumar Chittiprolu（独立研究者）
专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出了一种预测理论，通过预期恢复遗憾（ERR）与效率分数（ES）的关系，揭示了语言模型智能体在工具使用中的可恢复性遵循可测量的定律。
Comments Preprint for ICML Submission
LLMs是否在跨语言多样化文本中的逻辑推理中是稳定的正式逻辑翻译器？
机构 * State Key Laboratory of Cognitive Intelligence, University of Science and Technology of China（认知智能国家重点实验室，中国科学技术大学） ； School of Computer Science and Technology, University of Science and Technology of China（计算机科学与技术学院，中国科学技术大学） ； School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(title,abstract)；分类 cs.CL
AI总结 本文提出SoLT基准测试和MenTaL方法，揭示LLMs在跨语言多样化文本中存在符号映射不一致问题，并通过增强语言多样性提升推理稳定性。
Comments Accepted by WWW2026
OrLog：利用LLM和概率推理解决复杂查询
机构 * Radboud University（拉德堡德大学） ； Eindhoven University of Technology（埃因霍温理工大学） ； University of Amsterdam（阿姆斯特丹大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；logical reasoning(abstract)；分类 cs.AI
AI总结 OrLog通过结合LLM和概率推理，实现约束感知的高效检索，提升查询精度并减少token消耗。
Comments Accepted to ECIR 2026
SCALAR：量化材料基础模型中的结构幻觉、一致性和推理差距
机构 * Texas A\&M University, College Station, TX, USA（德克萨斯A&M大学） ； Ankara University, Ankara, Turkey（安卡拉大学） ； Texas A\&M University at Qatar, Doha, Qatar（德克萨斯A&M大学多哈分校） ； Hamad Bin Khalifa University, Doha, Qatar（哈马德·本·卡西姆大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；分类 cs.LG
AI总结 SCALAR基准通过评估几何尺度泛化与材料基础模型中结构幻觉、一致性和推理的关系，揭示了大语言模型在材料科学推理中的性能局限。
基于LLM的协同信念推理用于高效多智能体协作
机构 * Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； Huawei Tenchnologies Co., Ltd.（华为技术有限公司） ； University of Science and Technology of China（中国科学技术大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 CoBel-World通过协同信念世界框架，提升LLM多智能体协作的效率和人类化表现。
为正确的理由而正确：通过原型神经符号AI避免推理捷径
机构 * Imperial College London（帝国理工学院伦敦分校） ； Sapienza University of Rome（罗马萨皮恩扎大学）
专题命中 逻辑推理 ：reasoning(title,abstract)；分类 cs.LG
AI总结 本文提出原型神经符号架构，通过学习正确基本概念避免推理捷径，提升神经符号学习的安全性和可靠性。
超越医疗聊天机器人：Meddollina与持续临床智能的兴起
专题命中 逻辑推理 ：reasoning(abstract)；分类 cs.AI
AI总结 Meddollina是一种以治理优先的临床智能系统，通过约束推断和保持临床适当性，解决生成模型在临床部署中的不足，推动持续临床智能的发展。
为何推理无法规划：从规划角度分析LLM代理在长周期决策中的表现
机构 * University of Notre Dame（诺丁汉大学） ； Stanford University（斯坦福大学） ； Purdue University（普渡大学） ； University of Edinburgh（爱丁堡大学） ； University of Oxford（牛津大学） ； Yale University（耶鲁大学）
专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本文从规划角度分析LLM代理在长周期决策中的失败原因，提出FLARE方法通过前瞻和价值传播提升规划能力，使LLaMA-8B在多个基准中超越GPT-4o。
SYMPHONY：异构语言模型组装的协同多智能体规划
机构 * School of Information Science and Engineering, Yunnan University, Kunming, China（信息科学与工程学院，云南大学，昆明，中国） ； Yunnan Key Laboratory of Intelligent Systems and Computing, Kunming, China（智能系统与计算云南重点实验室，昆明，中国）
专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)；分类 cs.AI
AI总结 SYMPHONY通过整合异构语言模型的多智能体规划框架，提升探索能力与规划性能，实验证明其在复杂任务中的有效性。
Comments Accepted by NeurIPS 2025
探究大型语言模型中推理轨迹的轨迹
机构 * Data Analytics Lab, Vrije Universiteit Brussel（自由大学布鲁塞尔数据分析实验室） ； imec-SMIT, Vrije Universiteit Brussel（imec-SMIT，自由大学布鲁塞尔） ； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院）
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI、cs.LG
AI总结 通过探究大型语言模型中推理轨迹的轨迹，研究发现随着推理token百分比增加，准确性和决策承诺提升，且相关内容驱动而非通用效应。
Comments 33 pages, 20 figures, 4 tables
在受限停车场景中适应强化学习用于路径规划
机构 * Bosch Research（博世研究）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本研究提出了一种深度强化学习框架，用于在受限停车场景中实现高效的实时路径规划，通过序列决策问题建模和新基准的开发，实现了更高的成功率和效率。
理性之光：推理大语言模型是否与人类判断和选择一致？
专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.AI
AI总结 研究评估了LLMs在理性选择和情感影响下的表现，发现有意识思考能提升理性，但情感引导方法在可控性与人类行为对齐间存在权衡。
物流领域的基础模型：迈向可验证、对话式规划界面
机构 * Neurosymbolic Intelligence（神经符号智能） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Colorado Boulder（科罗拉多大学波德分校）
专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI
AI总结 本文提出了一种基于神经符号框架的视觉-语言物流代理，通过自然语言对话和可验证保证实现可信赖的物流规划决策，模型在少量训练样本下实现了高效且准确的物流规划性能。
停滞、偏见和困惑：揭示LLM在基于云的根本原因分析中的推理失败
专题命中 规划推理 ：reasoning(title,abstract)
AI总结 本文通过实证评估揭示LLM在基于云的根本原因分析中的推理失败，评估六种LLM在两种工作流程下的表现，识别16种常见推理失败类型，为未来推理驱动的系统诊断提供指导。
Comments FORGE 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈