大模型推理能力

Evaluating LLM Reasoning Beyond Correctness and CoT

评估大语言模型推理能力超越正确性与链式思维

Soheil Abbasloo

机构 * Microsoft Research, Vancouver, Canada（微软研究院，温哥华，加拿大） 纠错

专题命中 数学推理 ：reasoning(title,abstract)；CoT(title)；分类 cs.AI

AI总结 SIEV框架通过动态轨迹评估推理过程，揭示模型在面对冲突和挑战时的鲁棒性与综合能力，展现大语言模型推理能力的显著差异。

Teaching LLMs According to Their Aptitude: Adaptive Reasoning for Mathematical Problem Solving

根据能力教学LLMs：数学问题解决的自适应推理

Xin Xu, Yan Xu, Tianhao Chen, Yuchen Yan, Chengwu Liu, Zaoyu Chen, Yufei Wang, Yichun Yin, Yasheng Wang, Lifeng Shang, Qun Liu, Lu Yin

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Surrey（萨里大学） 纠错

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

AI总结 TATA通过自适应框架使LLMs根据自身能力自主调整推理策略，提升数学问题解决的效率和准确性。

Comments 8 pages

Sci-CoE: Co-evolving Scientific Reasoning LLMs via Geometric Consensus with Sparse Supervision

Sci-CoE: 通过稀疏监督与几何共识共演化科学推理LLM

Xiaohan He, Shiyang Feng, Songtao Huang, Lei Bai, Bin Wang, Bo Zhang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） 纠错

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

AI总结 Sci-CoE 通过稀疏监督与几何共识共演化科学推理LLM，提升复杂推理能力与可扩展性。

PACE: Prefix-Protected and Difficulty-Aware Compression for Efficient Reasoning

PACE: 用于高效推理的前缀保护和难度感知压缩

Ruixiang Feng, Yuntao Wen, Silin Zhou, Ke Shi, Yifan Wang, Ran Le, Zhenwei An, Zongchao Chen, Chen Yang, Guangyue Peng, Yiming Jia, Dongsheng Wang, Tao Zhang, Lisi Chen, Yang Song, Shen Gao, Shuo Shang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Nanbeige Lab, BOSS Zhipin（纳米贝实验室，BOSS智联） ； Peking University（北京大学） 纠错

专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 PACE通过双层框架实现前缀保护和难度感知压缩，有效减少token使用并提升推理准确性。

Barriers to Discrete Reasoning with Transformers: A Survey Across Depth, Exactness, and Bandwidth

Transformer在离散推理中的障碍：深度、精确性与带宽的跨领域综述

Michelle Yuan, Weiyi Sun, Amir H. Rezaeian, Jyotika Singh, Sandip Ghoshal, Yao-Ting Wang, Miguel Ballesteros, Yassine Benajiba

机构 * Oracle AI 纠错

专题命中 数学推理 ：reasoning(title,abstract)；分类 cs.CL

AI总结 本文综述了Transformer在离散推理任务中的理论限制，从电路复杂度、近似理论和通信复杂度三个角度分析了深度、精确性和带宽等障碍，并探讨了模型设计的改进方向。

Comments Accepted to EACL 2026 Main Conference

Automated Optimization Modeling via a Localizable Error-Driven Perspective

通过可定位的误差驱动视角实现自动化优化建模

Weiting Liu, Han Wu, Yufei Kuang, Xiongwei Han, Tao Zhong, Jianfeng Feng, Wenlian Lu

机构 * Fudan University（复旦大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 MIND通过可定位的误差驱动视角，改进自动化优化建模方法，提升训练后性能。

Pedagogically-Inspired Data Synthesis for Language Model Knowledge Distillation

教学启发式数据合成用于语言模型知识蒸馏

Bowei He, Yankai Chen, Xiaokun Zhang, Linghe Kong, Philip S. Yu, Xue Liu, Chen Ma

机构 * MBZUAI ； McGill（麦吉尔大学） ； CityUHK（城市大学香港分校） ； SJTU（上海交通大学） ； UIC（美国国际大学） 纠错

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

AI总结 本文提出基于教学原理的知识蒸馏框架，通过三阶段流程提升学生模型性能，在复杂推理任务中取得显著改进。

Comments Accepted by ICLR 2026

Temperature as a Meta-Policy: Adaptive Temperature in LLM Reinforcement Learning

温度作为元策略：LLM强化学习中的自适应温度

Haoran Dang, Cuiling Lan, Hai Wan, Xibin Zhao, Yan Lu

机构 * Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.LG

AI总结 TAMPO通过将温度控制转化为可学习的元策略，实现了LLM强化学习中的自适应探索，优于固定或启发式温度方法。

Comments Accepted at ICLR 2026. 10 pages (main text) + supplementary material, 6 figures

Beyond Parameter Arithmetic: Sparse Complementary Fusion for Distribution-Aware Model Merging

超越参数运算：用于分布感知模型融合的稀疏互补融合

Weihong Lin, Lin Sun, Qilong Shi, Aomufei Yuan, Yuxuan Tian, Zhengyang Wang, Guangxiang Zhao, Xiangzheng Zhang, Tong Yang

机构 * Beijing Qiyuan Technology Co., Ltd.（北京启元科技有限公司） ； Peking University（北京大学） 纠错

专题命中 数学推理 ：reasoning(abstract)；分类 cs.AI

AI总结 本文提出SCF-RKL方法，通过稀疏、分布感知的更新控制功能干扰，提升模型融合的稳定性与泛化能力。

Statistical Parsing for Logical Information Retrieval

逻辑信息检索的统计解析

Greg Coppola

机构 * Greg Coppola, PhD（格雷格·科波拉，博士） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI

AI总结 本文提出了一种结合LLM和QBBN的逻辑信息检索方法，通过扩展QBBN实现反向推理，构建类型逻辑语言和确定性语法解析器，以提升自然语言处理的结构化解析能力。

Comments 23 pages, 6 tables

SKATE, a Scalable Tournament Eval: Weaker LLMs differentiate between stronger ones using verifiable challenges

SKATE，一种可扩展的锦标赛评估：较弱的LLM通过可验证的挑战区分更强的LLM

Dewi S. W. Gould, Bruno Mlodozeniec, Samuel F. Brown

机构 * The Alan Turing Institute（阿尔文·图灵研究所） ； University of Cambridge（剑桥大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Independent（独立研究者） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.AI

AI总结 SKATE通过让LLM相互生成和解决可验证任务，实现可扩展的评估框架，揭示模型间的细微能力差异。

Comments 7 pages and appendices

Thought Purity: A Defense Framework For Chain-of-Thought Attack

思维纯洁性：针对思维链攻击的防御框架

Zihao Xue, Zhen Bi, Long Ma, Zhenlin Hu, Yan Wang, Xueshu Chen, Zhenfang Liu, Kang Zhao, Jie Xiao, Jungang Lou

机构 * Huzhou University（湖州大学） ； Zhejiang Key Laboratory of Intelligent Education Technology and Application（浙江智能教育技术与应用重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University of Technology（浙江工业大学） 纠错

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

AI总结 本文提出TP框架，通过整合安全数据管道与强化学习，有效防御思维链攻击，同时保持模型在良性任务上的性能。

ChaosBench-Logic: A Benchmark for Logical and Symbolic Reasoning on Chaotic Dynamical Systems

ChaosBench-Logic：逻辑和符号推理在混沌动力系统上的基准

Noel Thomas

机构 * Noel Thomas 纠错

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

AI总结 ChaosBench-Logic通过30种混沌动力系统评估LLM逻辑和符号推理能力，揭示其在复杂推理任务中的局限性。

Comments 7 pages, 0 figures , Accepted to AAAI-26 Bridge Program: Logical and Symbolic Reasoning in Language Models (camera-ready)

Journal ref AAAI 2026 Bridge Program on Logical and Symbolic Reasoning in Language Models, Singapore, Jan 2026

scPilot: Large Language Model Reasoning Toward Automated Single-Cell Analysis and Discovery

scPilot：面向自动化单细胞分析与发现的大型语言模型推理

Yiming Gao, Zhen Wang, Jefferson Chen, Mark Antkowiak, Mengzhou Hu, JungHo Kong, Dexter Pratt, Jieyuan Liu, Enze Ma, Zhiting Hu, Eric P. Xing

机构 * UC San Diego（UC圣地亚哥大学） ； MBZUAI ； CMU（卡内基梅隆大学） ； Texas A&M（德克萨斯A&M大学） 纠错

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

AI总结 scPilot通过组学原生推理提升单细胞分析的准确性与可解释性，实现自动化细胞类型注释和轨迹重建。

Comments Accepted at NeurIPS 2025 Main Conference

Human-Inspired Continuous Learning of Internal Reasoning Processes: Learning How to Think for Adaptive AI Systems

启发式连续学习内部推理过程：学习如何思考以实现自适应AI系统

Hong Su

机构 * School of Computer Science, Chengdu University of information Technology（信息科技大学计算机学院） 纠错

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

AI总结 本文提出一种受人类启发的连续学习框架，通过统一推理、行动、反思和验证，实现AI系统在动态环境中的持续适应与自我进化。

PhyNiKCE: A Neurosymbolic Agentic Framework for Autonomous Computational Fluid Dynamics

PhyNiKCE：一种用于自主计算流体动力学的神经符号代理框架

E Fan, Lisong Shi, Zhengtong Li, Chih-yung Wen

专题命中 逻辑推理 ：planning(abstract)；self-correction(abstract)；分类 cs.CL、cs.AI

AI总结 PhyNiKCE通过神经符号框架提升CFD模拟的可信度与效率，实现96%的性能提升并减少59%的自我校正循环。

Comments 30 pages, 10 figures

Symmetry Breaking in Transformers for Efficient and Interpretable Training

Transformer中对称破缺以实现高效且可解释的训练

Eva Silverstein, Daniel Kunin, Vasudev Shyam

机构 * Stanford University（斯坦福大学） ； Zyphra Technologies（Zyphra技术公司） 纠错

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

AI总结 通过引入对称破缺协议，Transformer模型在提升性能的同时增强了可解释性。

Comments 22 pages, 3 figures

Differentiable Modal Logic for Multi-Agent Diagnosis, Orchestration and Communication

可微模态逻辑用于多智能体诊断、协调与通信

Antonin Sulc

机构 * Lawrence Berkeley National Lab（伯克利劳伦斯国家实验室） ； Berkeley（伯克利） 纠错

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

AI总结 本文提出可微模态逻辑，通过神经符号方法实现多智能体系统的调试与协调，结合知识注入和多模态推理，提升智能体间的信任与因果推理能力。

Comments 29 pages, 8 figures, 8 tables, Tutorial at 3rd International Conference on Neuro-Symbolic Systems (NeuS)

MEME: Modeling the Evolutionary Modes of Financial Markets

MEME：金融市场的进化模式建模

Taian Guo, Haiyang Shen, Junyu Luo, Zhongshi Xing, Hanchun Lian, Jinsheng Huang, Binqi Chen, Luchen Liu, Yun Ma, Ming Zhang

机构 * National Key Laboratory for Multimedia Information Processing, PKU-Anker LLM Lab, School of Computer Science, Peking University（国家多媒体信息处理重点实验室、PKU-Anker LLM实验室、计算机科学学院、北京大学） ； School of Electronics Engineering（电子工程学院） ； Computer Science, Peking University（计算机科学、北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究所、北京大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 MEME通过建模金融市场中的动态进化思维模式，利用多代理提取和高斯混合模型，实现对市场动态的精准重建，优于现有基线方法。

Beyond Pixels: Vector-to-Graph Transformation for Reliable Schematic Auditing

超越像素：用于可靠图示审计的向量到图转换

Chengwei Ma, Zhen Tian, Zhou Zhou, Zhixian Xu, Xiaowei Zhu, Xia Hua, Si Shi, F. Richard Yu

机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（人工智能与数字经济广东实验室） ； Guangdong Power Grid Co., Ltd.（广东电网公司） ； Shanghai University（上海大学） ； Carleton University（卡尔顿大学） 纠错

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

AI总结 本文提出向量到图转换方法，通过将CAD图转换为属性图，提升工程图示审计的准确性，克服基于像素方法的局限性。

Comments 4 pages, 3 figures. Accepted to ICASSP 2026

Modal Logical Neural Networks

模态逻辑神经网络

Antonin Sulc

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

AI总结 模态逻辑神经网络结合深度学习与模态逻辑，通过可微逻辑护栏实现必要性与可能性推理，提升逻辑一致性和可解释性。

Comments 22 pages, 7 figures, 6 tables

SMaRT: Select, Mix, and ReinvenT -- A Strategy Fusion Framework for LLM-Driven Reasoning and Planning

SMaRT: 选择、混合与再发明 -- 一种用于大语言模型驱动推理与规划的策略融合框架

Nikhil Verma, Manasa Bharadwaj, Wonjun Jang, Harmanpreet Singh, Yixiao Wang, Homa Fashandi, Chul Lee

专题命中 规划推理 ：reasoning(title,abstract)；planning(title,abstract)；分类 cs.CL、cs.AI

AI总结 SMaRT框架通过融合多样化推理策略，提升大语言模型在推理与规划任务中的性能和鲁棒性。

One Demo Is All It Takes: Planning Domain Derivation with LLMs from A Single Demonstration

一个演示就足够：从单个演示中利用LLM进行规划域推导

Jinbang Huang, Yixin Xiao, Zhanguang Zhang, Mark Coates, Jianye Hao, Yingxue Zhang

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； McGill University（麦吉尔大学） 纠错

专题命中 规划推理 ：planning(title,abstract)；reasoning(abstract)

AI总结 PDDLLM通过结合LLM推理与物理模拟，从单个演示中自动推导规划域，提升长时间跨度任务规划的自动化与可靠性。

Comments Published as a conference paper at ICLR 2026

Budget-Constrained Agentic Large Language Models: Intention-Based Planning for Costly Tool Use

预算约束下的代理型大语言模型：基于意图的规划以应对昂贵的工具使用

Hanbing Liu, Chunhao Tian, Nan An, Ziyuan Wang, Pinyan Lu, Changyuan Yu, Qi Qi

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Shanghai University of Finance（上海财经大学） ； Baidu Inc.（百度公司） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出INTENT框架，通过意图感知的分层世界模型，在预算约束下提升工具使用任务的成功率并保持鲁棒性。

DeepRead: Document Structure-Aware Reasoning to Enhance Agentic Search

DeepRead: 一种基于文档结构的推理以增强代理搜索

Zhanli Li, Huiwen Tian, Lvzhou Luo, Yixuan Cao, Ping Luo

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences (CAS)（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） ； University of Chinese Academy of Sciences, CAS（中国科学院大学） ； Wenlan School of Business, Zhongnan University of Economics（中南财经政法大学文澜商学院） 纠错

专题命中 规划推理 ：reasoning(title,abstract)；分类 cs.CL、cs.AI

AI总结 DeepRead通过结构感知的文档推理增强代理搜索，有效提升文档理解精度。

Comments This version has significantly enhanced the clarity of our research

Multi UAVs Preflight Planning in a Shared and Dynamic Airspace

共享动态空域中多无人机预飞行规划

Amath Sow, Mauricio Rodriguez Cesen, Fabiola Martins Campos de Oliveira, Mariusz Wzorek, Daniel de Leng, Mattias Tiger, Fredrik Heintz, Christian Esteve Rothenberg

机构 * Linköping University（林雪平大学） ； Universidade Estadual de Campinas（坎皮纳斯州立大学） ； Universidade Federal do ABC（ABC联邦大学） 纠错

专题命中 规划推理 ：planning(title,abstract)；分类 cs.AI

AI总结 DTAPP-IICR通过增量迭代冲突解决方法，实现了在动态共享空域中大规模无人机预飞行规划的高效与高成功率。

Comments AAMAS 2026 accepted paper

Roundtable Policy: Confidence-Weighted-Consensus Aggregation Improves Multi-Agent-System Reasoning

圆桌政策：置信度加权共识聚合提升多智能体系统推理

Yu Yao, Jiayi Dong, Yang Yang, Ju Li, Yilun Du

机构 * mit（麻省理工学院） 纠错

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

AI总结 圆桌政策通过多语言模型加权共识提升多智能体系统在复杂科学任务中的推理能力

Comments Project page: https://ai4scidisc.github.io/roundtable/

Optimizing Agent Planning for Security and Autonomy

优化安全与自主性的智能体规划

Aashish Kolluri, Rishi Sharma, Manuel Costa, Boris Köpf, Tobias Nießen, Mark Russinovich, Shruti Tople, Santiago Zanella-Béguelin

专题命中 规划推理 ：planning(title)；分类 cs.LG

AI总结 本文提出了一种安全意识智能体，通过增强人工监督交互和规划任务进展与政策合规性，提高自主性并减少对人工监督的依赖。

Comments 33 pages, 6 figures

The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why -- A Survey from MARL to Emergent Language and LLMs

多智能体通信的五个W：谁与谁沟通，何时沟通，沟通什么，为何沟通——从MARL到涌现语言和LLMs的综述

Jingdi Chen, Hanqing Yang, Zongjun Liu, Carlee Joe-Wong

专题命中 规划推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 本文综述了多智能体通信的五个W，探讨了从MARL到涌现语言和LLM的发展，分析了不同范式下的通信设计、权衡与挑战。

Comments Accepted at Transactions on Machine Learning Research (TMLR), 2026

Controlled Self-Evolution for Algorithmic Code Optimization

算法代码优化的受控自演进

Tu Hu, Ronghao Chen, Shuo Zhang, Jianghao Yin, Mou Xiao Feng, Jingping Liu, Shaolei Zhang, Wenqi Jiang, Yuqi Fang, Sen Hu, Huacan Wang, Yi Xu

机构 * NJU（南京大学） ； PKU（北京大学） ； Midea-AIRC（美的人工智能研究院） ； ECNU（华东师范大学） ； SYSU（南方科技大学） ； RUC（中国人民大学） ； QuantaAlpha（量子Alpha） ； QuantML（量子机器学习） 纠错

专题命中 规划推理 ：planning(abstract)；分类 cs.CL、cs.AI

AI总结 受控自演进通过改进初始化、反馈引导和经验记忆，提升算法代码优化的效率和效果。

Comments 27 pages