大模型推理能力

R-Stitch: Dynamic Trajectory Stitching for Efficient Reasoning

R-Stitch：动态轨迹拼接以实现高效的推理

Zhuokun Chen, Zeren Chen, Jiahao He, Lu Sheng, Mingkui Tan, Jianfei Cai, Bohan Zhuang

机构 * Monash University, Australia（墨尔本大学，澳大利亚） ； School of Software, Beihang University, China（北航软件学院，中国） ； South China University of Technology, China（华南理工大学，中国） ； ZIP Lab, Zhejiang University, China（浙江大学ZIP实验室，中国） 纠错

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

AI总结 R-Stitch通过熵引导的混合解码框架，实现高效推理，减少计算成本并保持精度。

Sycophantic Anchors: Localizing and Quantifying User Agreement in Reasoning Models

趋炎附势的锚点：在推理模型中本地化和量化用户同意

Jacek Duszenko

机构 * Wroclaw University of Science and Technology（沃拉日-克拉日大学科学与技术学院） 纠错

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

AI总结 该研究提出趋炎附势的锚点，通过反事实分析检测推理模型中用户同意的来源和强度，揭示了模型在生成过程中逐渐产生偏差的机制。

Near-Oracle KV Selection via Pre-hoc Sparsity for Long-Context Inference

通过预处理稀疏性实现近oracle的KV选择用于长上下文推理

Yifei Gao, Lei Wang, Rong-Cheng Tu, Qixin Zhang, Jun Cheng, Dacheng Tao

机构 * University College London（伦敦大学学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences (CAS)（深圳先进技术研究院，中国科学院） ； Chinese University of Hong Kong（香港中文大学） ； College of Computing & Data Science, Nanyang Technological University（computing 与数据科学学院，南洋理工大学） 纠错

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

AI总结 PrHS通过预处理稀疏性在长上下文推理中实现近oracle的KV选择，有效降低计算和带宽成本，提升推理效率。

Comments An effective method for accelerating LLM's inference via selective KV processing

DeltaKV: Residual-Based KV Cache Compression via Long-Range Similarity

DeltaKV: 基于残差的KV缓存压缩 via 长距离相似性

Jitai Hao, Qiang Huang, Yaowei Wang, Min Zhang, Jun Yu

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

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

AI总结 DeltaKV通过残差编码减少KV缓存内存，提升长上下文LLM的部署效率。

Comments preprint

Data Darwinism Part I: Unlocking the Value of Scientific Data for Pre-training

数据达尔文主义 第一部分：解锁科学数据为预训练带来的价值

Yiwei Qin, Zhen Huang, Tiantian Mi, Weiye Si, Chenyang Zhou, Qipeng Guo, Siyuan Feng, Pengfei Liu

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

AI总结 数据达尔文主义通过十级分类法提升科学数据预训练效果，利用生成细化和认知完成技术，实现数据与模型的共同进化。

BudgetMem: Learning Selective Memory Policies for Cost-Efficient Long-Context Processing in Language Models

BudgetMem: 为语言模型中的低成本长上下文处理学习选择性记忆策略

Chandra Vamsi Krishna Alla, Harish Naidu Gaddam, Manohar Kommi

机构 * University of Texas at Arlington（德克萨斯大学阿灵顿分校） 纠错

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

AI总结 BudgetMem通过学习选择性记忆策略，在语言模型中实现低成本长上下文处理，相比基线RAG节省72.4%内存且F1分数仅下降1.0%。

Comments 11 pages, 3 figures, 5 tables. Evaluated on 700 QA pairs across multiple document lengths

What Layers When: Learning to Skip Compute in LLMs with Residual Gates

层何时启用：通过残差门学习跳过计算在LLMs中

Filipe Laitenberger, Dawid Kopiczko, Cees G. M. Snoek, Yuki M. Asano

机构 * Humboldt University Berlin（洪堡大学柏林） ； Qualcomm-UvA Lab, University of Amsterdam（高通-乌得勒支实验室，阿姆斯特丹大学） ； FunAI Lab, University of Technology Nuremberg（FunAI实验室，纽伦堡技术大学） 纠错

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

AI总结 通过残差门机制实现LLMs中按token跳过层，节省计算并保持高准确性，适用于大模型和指令调优场景。

Comments Published as a conference paper at ICLR 2026

CHAI: Command Hijacking against embodied AI

CHAI：针对具身AI的命令劫持

Luis Burbano, Diego Ortiz, Qi Sun, Siwei Yang, Haoqin Tu, Cihang Xie, Yinzhi Cao, Alvaro A Cardenas

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 CHAI是一种针对具身AI的物理环境间接提示注入攻击，通过嵌入误导性自然语言指令，利用多模态语言解释能力，有效提升了攻击性能，凸显了对传统对抗鲁棒性之外的防御需求。

Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML). The final version will be available on IEEE Xplore

AMEM4Rec: Leveraging Cross-User Similarity for Memory Evolution in Agentic LLM Recommenders

AMEM4Rec: 利用跨用户相似性促进记忆演化以实现智能大语言模型推荐系统

Minh-Duc Nguyen, Hai-Dang Kieu, Dung D. Le

机构 * Center for AI Research, VinUniversity（越南 Vin 大学人工智能研究中心） ； College of Engineering and Computer Science, VinUniversity（越南 Vin 大学工程与计算机科学学院） ； Computer Science, VinUniversity（越南 Vin 大学计算机科学） 纠错

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

AI总结 AMEM4Rec通过跨用户记忆演化学习协作信号，提升智能大语言模型推荐系统的性能。

FlexMoRE: A Flexible Mixture of Rank-heterogeneous Experts for Efficient Federatedly-trained Large Language Models

FlexMoRE: 一种灵活的秩异质专家混合模型，用于高效联邦训练的大型语言模型

Annemette Brok Pirchert, Jacob Nielsen, Mogens Henrik From, Lukas Galke Poech, Peter Schneider-Kamp

机构 * University of Southern Denmark（南丹麦大学） ； Ordbogen A/S（Ordbogen公司） 纠错

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

AI总结 FlexMoRE通过灵活的秩异质专家混合模型，在联邦训练的大型语言模型中实现更高效的性能，使用低秩适配器替代完整专家，提升任务表现并减少参数量。

SCOUT-RAG: Scalable and Cost-Efficient Unifying Traversal for Agentic Graph-RAG over Distributed Domains

SCOUT-RAG：可扩展且成本效益高的代理图式检索框架用于分布式领域

Longkun Li, Yuanben Zou, Jinghan Wu, Yuqing Wen, Jing Li, Hangwei Qian, Ivor Tsang

机构 * A*STAR 纠错

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

AI总结 SCOUT-RAG是一种分布式代理图式检索框架，通过跨领域检索和增量效用目标提升推理性能，同时降低成本和延迟。

Bolmo: Byteifying the Next Generation of Language Models

Bolmo：字节化下一代语言模型

Benjamin Minixhofer, Tyler Murray, Tomasz Limisiewicz, Anna Korhonen, Luke Zettlemoyer, Noah A. Smith, Edoardo M. Ponti, Luca Soldaini, Valentin Hofmann

机构 * Allen Institute for AI（艾伦人工智能研究所） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 Bolmo通过两阶段转换将现有子词模型转换为字节级模型，实现性能和细粒度理解的平衡。

TDGNet: Hallucination Detection in Diffusion Language Models via Temporal Dynamic Graphs

TDGNet: 通过时间动态图检测扩散语言模型中的幻觉

Arshia Hemmat, Philip Torr, Yongqiang Chen, Junchi Yu

机构 * Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 TDGNet通过时间动态图框架，利用演进的token级注意力图进行学习，实现对扩散语言模型中幻觉的高效检测。

Do Language Models Update their Forecasts with New Information?

语言模型是否会随着新信息更新其预测？

Zhangdie Yuan, Zifeng Ding, Andreas Vlachos

机构 * Department of Computer Science and Technology, University of Cambridge, Cambridge, United Kingdom（计算机科学与技术系，剑桥大学，剑桥，英国） 纠错

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

AI总结 研究发现语言模型在接收到新信息时更新预测不一致且保守，需改进机制以更准确整合外部知识。

Specification Vibing for Automated Program Repair

基于规范的自动化程序修复

Taohong Zhu, Lucas C. Cordeiro, Mustafa A. Mustafa, Youcheng Sun

专题命中 其他推理 ：reasoning(abstract)

AI总结 VibeRepair通过行为规范修复替代传统代码编辑，提升自动化程序修复的准确性和泛化能力。

Chain-of-Caption: Training-free improvement of multimodal large language model on referring expression comprehension

Chain-of-Caption: 无需训练提升多模态大语言模型的指称表达理解

Yik Lung Pang, Changjae Oh

机构 * Queen Mary University of London（伦敦女王学院） 纠错

专题命中 其他推理 ：chain-of-thought(abstract)

AI总结 本文提出无需训练的Chain-of-Caption框架，通过结合多种上下文提升多模态大语言模型在指称表达理解任务中的性能。

Comments 4 pages, 5 figures, 2 tables

ToMigo: Interpretable Design Concept Graphs for Aligning Generative AI with Creative Intent

ToMigo：可解释的设计概念图用于对齐生成式AI与创意意图

Lena Hegemann, Xinyi Wen, Michael A. Hedderich, Tarmo Nurmi, Hariharan Subramonyam

专题命中 其他推理 ：reasoning(abstract)

AI总结 ToMigo通过设计概念图实现生成式AI与创意意图的对齐，提供可解释的交互方式提升用户控制力。

Comments 18 pages, 10 figures, 2 tables

UniLiP: Adapting CLIP for Unified Multimodal Understanding, Generation and Editing

UniLiP: 适配CLIP以实现统一的多模态理解、生成与编辑

Hao Tang, Chenwei Xie, Xiaoyi Bao, Tingyu Weng, Pandeng Li, Yun Zheng, Liwei Wang

机构 * Center for Data Science, Peking University（北京大学数据科学中心） ； Alibaba Group（阿里巴巴集团） ； CASIA ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） 纠错

专题命中 其他推理 ：reasoning(abstract)

AI总结 UniLIP通过两阶段训练和双条件架构，提升CLIP在多模态理解、生成和编辑任务中的性能，实现高效参数下的高表现。

IGMiRAG: Intuition-Guided Retrieval-Augmented Generation with Adaptive Mining of In-Depth Memory

IGMiRAG: 基于直觉引导的检索增强生成与深度记忆适应性挖掘

Xingliang Hou, Yuyan Liu, Qi Sun, haoxiu wang, Hao Hu, Shaoyi Du, Zhiqiang Tian

专题命中 其他推理 ：reasoning(abstract)

AI总结 IGMiRAG通过直觉引导的检索增强生成框架，结合超图和演绎路径，提升多粒度知识对齐和深度记忆挖掘，实现更高效有效的生成性能。

Comments 29 pages, Information Retrieval