大模型推理能力

CoT-RVS: Zero-Shot Chain-of-Thought Reasoning Segmentation for Videos

CoT-RVS：零样本链式推理视频对象分割

Shiu-hong Kao, Yu-Wing Tai, Chi-Keung Tang

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； Dartmouth College（达特茅斯学院） 纠错

专题命中 测试时计算 ：CoT(title,abstract)；reasoning(title,abstract)；chain-of-thought(title,abstract)

AI总结 CoT-RVS通过零样本链式推理能力，实现了对视频对象的高效分割，无需训练即可处理复杂查询和在线视频流。

Comments Accepted to ICLR 2026. Project page: https://danielshkao.github.io/cot-rvs.html. Code: https://github.com/DanielSHKao/CoT-RVS

Predictive Scheduling for Efficient Inference-Time Reasoning in Large Language Models

为大语言模型的高效推理时间推理进行预测调度

Katrina Brown, Aneesh Muppidi, Rana Shahout

机构 * Harvard College（哈佛学院） ； Harvard SEAS（哈佛工程与应用科学学院） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.AI

AI总结 预测调度通过预运行轻量级预测器优化标记预算分配，提升大语言模型在推理任务中的准确性和效率。

Comments ICML ES-FoMo 2025

Grad2Reward: From Sparse Judgment to Dense Rewards for Improving Open-Ended LLM Reasoning

Grad2Reward: 从稀疏判断到密集奖励以提升开放性大语言模型推理

Zheng Zhang, Ao Lu, Yuanhao Zeng, Ziwei Shan, Jinjin Guo, Lufei Li, Yexin Li, Kan Ren

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.LG

AI总结 Grad2Reward通过从判断者模型推理过程中提取密集过程奖励，提升开放性大语言模型推理的效率和质量。

ReasoningBomb: A Stealthy Denial-of-Service Attack by Inducing Pathologically Long Reasoning in Large Reasoning Models

ReasoningBomb: 通过诱导病态长推理实现隐蔽的拒绝服务攻击

Xiaogeng Liu, Xinyan Wang, Yechao Zhang, Sanjay Kariyappa, Chong Xiang, Muhao Chen, G. Edward Suh, Chaowei Xiao

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Nanyang Technological University（南洋理工大学） ； NVIDIA（NVIDIA公司） ； University of California, Davis（加州大学戴维斯分校） ； Cornell University（康奈尔大学） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.AI

AI总结 ReasoningBomb通过生成短自然提示诱导大型推理模型进入病态长推理，实现隐蔽的拒绝服务攻击，具有高放大率、隐蔽性和可优化性。

Comments Pre-print. Code is available at https://github.com/SaFo-Lab/ReasoningBomb

ALIGN: Aligned Delegation with Performance Guarantees for Multi-Agent LLM Reasoning

ALIGN: 多智能体LLM推理中的对齐委托与性能保证

Tong Zhu, Baiting Chen, Jin Zhou, Hua Zhou, Sriram Sankararaman, Xiaowu Dai

机构 * Department of Biostatistics, UCLA（生物统计学系，加州大学洛杉矶分校） ； Department of Statistics and Data Science, UCLA（统计学与数据科学系，加州大学洛杉矶分校） ； Department of Computer Science, UCLA（计算机科学系，加州大学洛杉矶分校） ； Departments of Statistics and Data Science, and of Biostatistics, UCLA（统计学与数据科学系和生物统计学系，加州大学洛杉矶分校） 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；分类 cs.LG

AI总结 ALIGN通过多智能体对齐委托机制，提升大语言模型在复杂推理任务中的性能保障与表现。

Learning Generative Selection for Best-of-N

学习最佳N的生成选择

Shubham Toshniwal, Aleksander Ficek, Siddhartha Jain, Wei Du, Vahid Noroozi, Sadegh Mahdavi, Somshubra Majumdar, Igor Gitman

专题命中 测试时计算 ：reasoning(abstract)；test-time compute(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 通过强化学习，小模型可获得强大的生成选择能力，从而在推理任务中超越基线方法并接近大模型性能。

SAPO: Self-Adaptive Process Optimization Makes Small Reasoners Stronger

SAPO：自适应过程优化使小型推理器更强

Kaiyuan Chen, Guangmin Zheng, Jin Wang, Xiaobing Zhou, Xuejie Zhang

专题命中 测试时计算 ：reasoning(abstract)；verifier(abstract)；分类 cs.CL

AI总结 SAPO通过自适应过程优化方法，有效缩小推理器与验证器之间的差距，提升小型语言模型在数学和代码任务中的性能。

Comments Accepted by AAAI 2026

MARS: Co-evolving Dual-System Deep Research via Multi-Agent Reinforcement Learning

MARS: 通过多智能体强化学习进行多系统深度研究

Guoxin Chen, Zile Qiao, Wenqing Wang, Donglei Yu, Xuanzhong Chen, Hao Sun, Minpeng Liao, Kai Fan, Yong Jiang, Penguin Xie, Wayne Xin Zhao, Ruihua Song, Fei Huang

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学 glowing 人工智能学院） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 MARS通过多智能体强化学习共进化双认知系统，无需监督微调即可在知识密集型任务中取得显著性能提升。

Comments Ongoing Work

LLMs as High-Dimensional Nonlinear Autoregressive Models with Attention: Training, Alignment and Inference

基于注意力机制的高维非线性自回归模型：训练、对齐与推理

Vikram Krishnamurthy

机构 * Cornell University（康奈尔大学） 纠错

专题命中 测试时计算 ：chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 本文将LLMs表述为具有注意力依赖的高维非线性自回归模型，探讨了训练、对齐与推理的原理及方法。

Comments 27 pages, 12 figures. Mathematical survey framing LLMs as high-dimensional nonlinear autoregressive models with attention, covering training, alignment, and inference, with nanoGPT/nanochat-style code examples. Feedback welcome

SPARC-RAG: Adaptive Sequential-Parallel Scaling with Context Management for Retrieval-Augmented Generation

SPARC-RAG：基于上下文管理的自适应顺序-并行扩展用于检索增强生成

Yuxin Yang, Gangda Deng, Ömer Faruk Akgül, Nima Chitsazan, Yash Govilkar, Akasha Tigalappanavara, Shi-Xiong Zhang, Sambit Sahu, Viktor Prasanna

机构 * University of Southern California（南加州大学） ； Capital One 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 SPARC-RAG通过多代理框架实现顺序与并行扩展的协调，提升检索增强生成在多跳问答中的性能和效率。

A Practical Tensor-Network Compression Pipeline for Production-Scale Large Language Models

一种用于生产级大语言模型的实用张量网络压缩管道

Sergii Kozyrev, Davyd Maiboroda

机构 * Minima AI, Inc.（Minima AI 公司） 纠错

专题命中 测试时计算 ：verifier(abstract)；分类 cs.AI、cs.LG

AI总结 Minima是一种用于大语言模型的实用张量网络压缩管道，通过结构压缩和自定义内核提升推理效率和吞吐量。

Comments 13 pages, 5 figures

Learning to Reason in LLMs by Expectation Maximization

通过期望最大化学习大语言模型的推理能力

Junghyun Lee, Branislav Kveton, Anup Rao, Subhojyoti Mukherjee, Ryan A. Rossi, Sunav Choudhary, Alexa Siu

机构 * kaist-ai（韩国科学技术院人工智能学院） ； adobe（Adobe研究） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL、cs.LG

AI总结 本文提出基于奖励的过滤期望最大化方法，通过不同采样方案提升大语言模型的推理能力，实验表明PPS在任务表现上优于其他方案。

Comments 27 pages, 15 figures, 5 tables (ver2: major revision, including new experiments, reorganization, etc)

Large Language Models for Scientific Idea Generation: A Creativity-Centered Survey

用于科学思想生成的大型语言模型：以创造力为中心的综述

Fatemeh Shahhosseini, Arash Marioriyad, Ali Momen, Mahdieh Soleymani Baghshah, Mohammad Hossein Rohban, Shaghayegh Haghjooy Javanmard

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 本文综述了大型语言模型在科学思想生成中的应用，分析了不同方法在创新性与科学合理性之间的权衡，并提出了评估框架以指导未来研究方向。

Comments 75 Pages

On the Power of (Approximate) Reward Models for Inference-Time Scaling

在推理时间扩展中（近似）奖励模型的效能

Youheng Zhu, Yiping Lu

机构 * Department of Industrial Engineering and Management Sciences（工业工程与管理科学系） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.CL

AI总结 本文研究了近似奖励模型在推理时间扩展中的有效性，通过理论分析表明，当贝尔曼误差被限制在O(1/T)时，结合SMC可将推理复杂度从指数级降至多项式级，显著提升效率。

FaithSCAN: Model-Driven Single-Pass Hallucination Detection for Faithful Visual Question Answering

FaithSCAN: 基于模型的单次幻觉检测用于可靠的视觉问答

Chaodong Tong, Qi Zhang, Chen Li, Lei Jiang, Yanbing Liu

机构 * Institute of Information Engineering, Chinese Academy of Sciences (CAS) and the School of Cyber Security, University of CAS（信息工程研究所、中国科学院（CAS）和安全学院、CAS大学） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 FaithSCAN通过利用VLMs的内部信号实现高效准确的视觉问答幻觉检测，克服现有方法的效率与鲁棒性限制。

Comments 21 pages, 13 figures, 8 tables. Submitted to IEEE Transactions on Big Data

Efficient Thought Space Exploration Through Strategic Intervention

通过战略干预实现高效思维空间探索

Ziheng Li, Hengyi Cai, Xiaochi Wei, Yuchen Li, Shuaiqiang Wang, Zhi-Hong Deng, Dawei Yin

机构 * Baidu（百度） 纠错

专题命中 测试时计算 ：reasoning(abstract)；分类 cs.AI

AI总结 HPR框架通过战略干预减少计算成本，在保持高准确率的同时实现高效推理。

Comments AAAI 2026