SRA: Semantic Relation-Aware Flowchart Question Answering
SRA: 语义关系感知的流程图问答
专题命中 推理评测 ：reasoning(abstract)
AI总结 SRA通过利用大型语言模型检测节点间的语义关系，提升流程图问答的推理深度和准确性。
AI 大模型
大模型推理能力
大模型数学、逻辑、规划、多步推理和测试时计算能力。
1. 推理评测 41 篇
PRISMM-Bench: A Benchmark of Peer-Review Grounded Multimodal Inconsistencies
PRISMM-Bench: 一种基于同行评审的多模态不一致基准
机构 * Johannes Kepler University Linz（约翰内斯·开普勒大学林茨分校） ； Interdisciplinary Transformation University Austria（跨学科转型大学奥地利） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Stanford University（斯坦福大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
专题命中 推理评测 ：reasoning(abstract)
AI总结 PRISMM-Bench是首个基于同行评审标记的多模态不一致基准，通过整理384个不一致点，设计三个任务评估模型跨模态检测和推理能力，揭示了多模态科学推理的挑战。
Comments Accepted at ICLR 2026. Project page https://da-luggas.github.io/prismm-bench/
2. 其他推理 14 篇
Diagnosing Knowledge Conflict in Multimodal Long-Chain Reasoning
多模态长链推理中的知识冲突诊断
机构 * Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Renmin University of China（中国人民大学）
专题命中 其他推理 ：reasoning(title,abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.AI
AI总结 本研究提出了一种统一的知识冲突概念，揭示了多模态长链推理中不同冲突类型的特征和处理机制，为诊断和控制推理失败提供了原理性方法。
ParoQuant: Pairwise Rotation Quantization for Efficient Reasoning LLM Inference
ParoQuant: 基于成对旋转的量化方法用于高效推理大语言模型推理
机构 * NVIDIA ； MIT（麻省理工学院） ； UC San Diego（加州大学圣地亚哥分校）
专题命中 其他推理 ：reasoning(title,abstract)；分类 cs.CL
AI总结 ParoQuant通过结合硬件高效旋转与通道缩放，有效解决推理LLMs中的异常值问题，实现更高的准确性和更低的开销。
Comments ICLR 2026 | Project page: https://paroquant.z-lab.ai | GitHub: https://github.com/z-lab/paroquant
Reliable Thinking with Images
基于图像的可靠思考
机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院） ； Southwest China Institute of Electronic Technology（西南中国电子技术研究所） ； National Key Laboratory of Fundamental Algorithms（国家基础算法重点实验室） ； Models for Engineering Simulation, Sichuan University（工程模拟模型研究所，四川大学）
专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)；分类 cs.LG
AI总结 本文提出RTWI方法，通过估计视觉提示和文本Co T的可靠性，以解决多模态推理中噪声思考问题，提升多模态大语言模型的性能。
Comments 26 pages, 19 figures
Privileged Information Distillation for Language Models
特权信息蒸馏用于语言模型
机构 * McGill University（麦吉尔大学）
专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出π-Distill和OPSD两种方法，通过特权信息蒸馏提升语言模型在复杂代理环境中的表现，优于传统监督微调加强化学习的方法。
Comments Abstract border should have been purple
Exposing the Systematic Vulnerability of Open-Weight Models to Prefill Attacks
揭示开放权重模型对预填充攻击的系统性漏洞
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI、cs.LG
AI总结 本研究揭示了开放权重模型对预填充攻击的系统性漏洞，通过评估多种策略发现其普遍易受攻击，强调了加强防御的必要性。
Comments 54 pages, 7 figures, 35 tables
Synthetic Reader Panels: Tournament-Based Ideation with LLM Personas for Autonomous Publishing
合成读者面板：基于比赛的创意生成与LLM角色用于自主出版
机构 * Nimble Books LLC（Nimble Books公司） ； Big Five Killer LLC（Big Five Killer公司）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 该研究提出利用合成读者面板进行自主出版，通过LLM角色模拟多样化读者进行比赛评估，有效识别内容问题并提升高质量概念比例。
Comments 5 tables, 1 figure
Odin: Oriented Dual-module Integration for Text-rich Network Representation Learning
Odin：面向文本丰富网络表示学习的定向双模块集成
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.LG
AI总结 Odin通过定向双模块机制在Transformer中整合图结构，实现无跳跃的结构-文本整合，提升文本属性图表示学习性能。
Comments 32 pages, 2 figures
Journal ref Neurocomputing 2026
High Accuracy, Less Talk (HALT): Reliable LLMs through Capability-Aligned Finetuning
高精度、少言 (HALT)：通过能力对齐微调实现可靠的LLM
机构 * University of Oxford（牛津大学） ； Anthropic（Anthropic公司） ； Meta ； University of Washington（华盛顿大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.CL、cs.AI
AI总结 HALT通过能力对齐微调提高LLM的响应正确性，使模型在四个领域中正确性提升至87%
Explainable AI: Learning from the Learners
可解释的人工智能：从学习者中学习
机构 * National University of Singapore（新加坡国立大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出XAI结合因果推理，通过基础模型与可解释性方法的结合，实现从学习者中学习，提升科学和工程中的信任与问责
Eureka-Audio: Triggering Audio Intelligence in Compact Language Models
Eureka-Audio: 在紧凑语言模型中触发音频智能
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 Eureka-Audio通过紧凑架构和统一端到端设计，在低参数量下实现高性能音频理解，匹配甚至超越大模型表现。
Comments 23 pages, 4 figures
QuRL: Efficient Reinforcement Learning with Quantized Rollout
QuRL: 量化回滚的高效强化学习
机构 * NVIDIA Research（NVIDIA研究）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.LG
AI总结 QuRL通过量化动作器和自适应截断范围技术，显著提升强化学习回滚效率，实现20%-80%的加速
Comments Accepted to ICLR 2026
A Financial Brain Scan of the LLM
对大型语言模型的金融脑扫描
机构 * University of Melbourne（墨尔本大学）
专题命中 其他推理 ：reasoning(abstract)；分类 cs.AI
AI总结 通过
Comments 47 pages
'I Spend All My Energy Preparing': Balancing AI Automation and Agency for Self-Regulated Learning in SmartFlash
我将全部精力用于准备：在SmartFlash中平衡AI自动化与自主性以促进自我调节学习
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文探讨了在SmartFlash中如何通过AI自动化与自主性平衡以促进自我调节学习，发现学生需要透明且可编辑的AI输出以保持认知所有权，并提出了设计原则以支持元认知发展。
Comments Accepted at the International Society of the Learning Sciences (ISLS) Annual Meeting 2026
Ontological grounding for sound and natural robot explanations via large language models
通过大语言模型实现声音和自然的机器人解释的本体论基础
机构 * Institute of Electrical and Control Engineering, National Yang Ming Chiao Tung University（电子与控制工程研究所，国立阳明交通大学）
专题命中 其他推理 ：reasoning(abstract)
AI总结 本文提出结合本体推理与大语言模型的框架，以生成自然且语义准确的机器人解释，提升人机交互的透明度和可解释性。
Comments An extended abstract of this article is accepted for presentation at AAMAS 2026: Olivares-Alarcos, A., Muhammad, A., Sanjaya, S., Lin, H. and Alenyà, G. (2026). Blending ontologies and language models to generate sound and natural robot explanations. In Proceedings of the International Conference on Autonomous Agents and Multiagent Systems. IFAAMAS
