大模型推理能力

SHAPE of Chain-of-Thought in Math Reasoning

数学推理中思维链的SHAPE

Jonghyun Song, Sangjun Song, Minjae Oh, Haesung Pyun, Sungsik Lee, Yohan Jo

专题命中 数学推理 ：CoT(summary_cn,abstract)；reasoning(title,abstract)；chain-of-thought(title,abstract)；math reasoning(title,abstract)

AI总结 本研究提出用于分析LLM思维链轨迹的\texttt{SHAPE}框架，发现数学启发式比传统CoT特征更能解释答案正确性，基于此的后训练可提升LLM数学推理准确率。

Comments accepted to The 3rd AI for Math Workshop at ICML 2026

Detecting Hidden Chain-of-Thought in Large Language Models with Linguistic, Behavioral, and Mechanistic Indicators

基于语言、行为和机制指标检测大语言模型中的隐藏思维链

Armaan Singh, Ryan Trinh Le, Jasmine Kaur, Abdullah Sultan, Edward Lue Chee Lip, Kiran Nijjer, Adnan Ahmed, Vasu Sharma

机构 * Stanford University（斯坦福大学） ； York University（约克大学） ； Facebook（脸书） 纠错

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

AI总结 本研究提出HCDS指标，通过语言、行为和机制信号检测大语言模型的隐藏思维链，在GSM8K上验证了Qwen3-4B变体存在类潜在推理行为。

Enhancing Low-Resource Language Reasoning via High-Resource Language Feature Transfer

通过高资源语言特征迁移提升低资源语言推理能力

Minju Song, Hyeon Hwang, Junhyun Lee, Jaewoo Kang

机构 * Korea University（高丽大学） ； Hankuk University of Foreign Studies（韩国外国语大学） ； Noah’s Farm（诺亚农场） ； AIGEN Sciences（AIGEN科学公司） 纠错

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

AI总结 该研究提出跨语言特征迁移机制框架，通过分离高资源语言的任务推理特征注入低资源语言，以提升低资源语言的推理能力，将部分跨语言推理差距归因于机制引出失败。

Comments Accepted to EMNLP 2026 Findings

HSRM: Hidden-State Reward Models for Test-Time Verification

HSRM：用于测试时验证的隐藏状态奖励模型

Xianzhi Li, Xiaodan Zhu

机构 * Ingenuity Labs Research Institute（Ingenuity Labs 研究院） 纠错

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

AI总结 该研究提出轻量型隐藏状态奖励模型HSRM，复用生成器内部表征验证数学推理候选解，在四个基准中多数场景性能优于55M参数纯文本验证器，仅需约2M参数，实现高效验证。

Comments EMNLP 2026

Recognition-Refusal Misalignment in LLMs: Why Models Answer Structurally Unanswerable Questions

大语言模型中的识别-拒绝错位：为何模型会回答结构上无法解答的问题

Yucheng Du, Xiyang Hu

机构 * University of Southern California（南加州大学） ； Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 该研究发现大语言模型会回答结构上无法解答的问题是因识别到不可行性的信号与安全拒绝通路未对齐，而非缺失识别能力。

Comments Accepted to EMNLP 2026 Main Conference. 29 pages, 6 figures

CARVE: Verified Expansion for Variable-Length Generation in Diffusion Language Models

CARVE：扩散语言模型中变长生成的验证式扩展

Wail Bouhedja, Amr Mohamed, Guokan Shang

机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Sorbonne Université（索邦大学） ； Ecole Polytechnique（巴黎综合理工学院） 纠错

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

AI总结 本研究提出无需重训的 CARVE 算法，解决扩散语言模型固定长度生成的缺陷，通过验证式扩展实现变长生成，在代码生成与数学推理基准中提升性能并降低推理成本。

Comments EMNLP 2026 Findings

More Capable, Less Faithful: A Multilingual Analysis of Mathematical (Un)Solvability Detection in LLMs

能力更强，忠实度更低：大语言模型中数学（不）可解性检测的多语言分析

Maria-Eleni Zoumpoulidi, Nikolaos Xiros, Georgios Paraskevopoulos

机构 * Institute for Language and Speech Processing, Athena Research Center（语言与语音处理研究所，雅典娜研究中心） 纠错

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

AI总结 该研究构建了法语、希腊语版ReliableMath多语言基准，训练多语言探针分析LLMs的可解性检测能力，发现可解性信念具语言通用性，高资源语言的可解性检测忠实度更低。

Comments 10 pages, 3 Figures

FaVOR: LLM-Based Agentic Framework for Factor Mining via Empirical Validation

FaVOR：基于大语言模型的智能体框架，用于通过实证验证挖掘因子

Hyeonjin Kim, Minseok Kim, Seunghyeon Jung, Sujin Pyo, Huisu Jang, Woojin Lee

机构 * Dongguk University-Seoul（东国大学首尔校区） ； Seoul National University（首尔大学） ； Soongsil University（崇实大学） 纠错

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

AI总结 FaVOR是围绕假设证据的LLM智能体框架，通过三阶段一致性循环挖掘因子，在中证500、标普500上优于基准，可生成可解释、鲁棒的经济信号。

ReTrace: Rejected-Trajectory Conditioning for Speculative Decoding

ReTrace：用于投机解码的拒绝轨迹条件方法

Luxi Lin, Zhanpeng Zeng, Shuang Peng, Songwei Liu, Rongrong Ji

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

AI总结 本文提出ReTrace方法，针对投机解码中被拒绝后缀的有效信息，通过跨轮条件保留优化拒绝后缀，无需额外计算即可提升Qwen3模型在多任务上的解码效率，且可与现有方法结合。

Where Induction Runs Out: Description-Length Difficulty and the Memorisation Gap in Integer-Sequence Benchmarks

归纳的尽头：整数序列基准中的描述长度难度与记忆差距

Sabilashan Ganeshan

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

AI总结 该研究以OEIS整数序列基准为对象，通过MDL参考学习器发现整数序列存在记忆差距，揭示语言模型在该基准中更多依赖记忆而非归纳，并提出MDL可作为无干扰难度信号。

Comments 14 pages, 6 figures. Code and data: https://github.com/sabilashang/where-induction-runs-out. Archived: doi:10.5281/zenodo.21830331

ERR+: Sequential Entropy Resolution for Efficient and Decisive LLM Reasoning

ERR+: 用于高效且果断的LLM推理的顺序熵分辨率

Xin Jiang, Minhao Wang, Wen Wu, Zhentao Xie, Shangheng Du, Jinxin Shi, Jiabao Zhao

机构 * School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； ByteDance（字节跳动） 纠错

专题命中 代码与定理证明 ：reasoning(title,abstract)；CoT(abstract,abstract_cn)；chain-of-thought(abstract)；分类 cs.LG

AI总结 该研究针对RLVR方法对推理过程质量指导不足的问题，提出两阶段RLVR框架ERR+，通过顺序优化熵缓解奖励与稳健相对效率奖励，在五个数据集上实现了LLM推理准确率与简洁性的提升。

Comments 16 pages, 5 figures

Designing an Auditable LLM-Supported Workflow for Qualitative Thematic Analysis

设计一种可审计的、由大语言模型（LLM）支持的定性主题分析工作流程

Nadia Jul Jeldtoft, Tariq Yousef

机构 * University of Southern Denmark（南丹麦大学） 纠错

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

AI总结 本文提出一种可审计的LLM支持的定性主题分析工作流程，推导五项设计原则，构建两阶段工作流程，经半结构化丹麦访谈记录评估，其编码覆盖与人工相当，主题更紧凑，可扩展适配不同LLM与领域。

Schwarz: Solver-Aware Agentic Program Verification

Schwarz：感知求解器的智能体程序验证工具

Jingyu Ke, Ling-I Wu, Guoqiang Li

专题命中 代码与定理证明 ：verifier(abstract)

AI总结 本文提出感知求解器的智能体程序验证工具Schwarz，通过本地化修复任务等方法，在两类基准任务上分别实现95.2%、91.5%的解决率，验证了其有效性与可扩展性。

Comments 12 pages, 4 figures, 4 tables; preprint prepared in IEEE conference format

Test-time Reinforcement Learning in Imperfect Information Games

非完美信息博弈中的测试时强化学习

Ondrej Kubicek, Viliam Lisy, Tuomas Sandholm

专题命中 代码与定理证明 ：reasoning(abstract)

AI总结 本研究针对两人零和非完美信息博弈，提出将小工具博弈扩展至强化学习场景的策略梯度算法，通过隐式表示消除子博弈规模限制，经实验验证可提升策略性能。

CM2: Multimodal Cultural Reasoning via an Integrated Multi-Agent Framework

CM2：基于集成多智能体框架的多模态文化推理

Qi Li, Zhaojie Kang, Yingjie He, Zheng Lin, Hao Zhang, Guangxin Wu, Yan Gong, Rong Fu, Jianyuan Ni

机构 * Lanzhou University（兰州大学） ； Peking University（北京大学） ； Taiyuan University of Technology（太原理工大学） 纠错

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

AI总结 针对多模态大语言模型（MLLM）跨学科文化推理不足的问题，提出基于人类文化解释认知路径的CM2多智能体框架，在CM2D数据集上较CoT等范式取得一致提升，各模块贡献及跨模态仲裁能力均得到验证。

Comments Accepted to the 23rd Pacific Rim International Conference on Artificial Intelligence (PRICAI 2026) as a short paper. 11 pages, 4 figures. Code and dataset are available at https://github.com/GitHub-12138/CM2-Multimodal-Cultural-Reasoning-via-an-Integrated-Multi-Agent-Framework

Beyond Surface Forms: Symbolic Edits as a Test for Logical Reasoning with LLMs

超越表面形式：以符号编辑测试大语言模型的逻辑推理能力

Ramya Keerthy Thatikonda, Wray Buntine, Ehsan Shareghi

机构 * Monash University（莫纳什大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 本研究提出工具驱动的符号编辑框架，通过可控修改逻辑算子等结构成分，发现不同LLM在算子编辑下的推理行为不一致，可用于评估模型推理可靠性。

Comments Accepted to Findings of EMNLP 2026

Generalizable Multi-Agent Planning from Signal Temporal Logic Specifications via Diffusion

基于扩散模型的、可从信号时序逻辑规范实现通用多智能体规划

Joe Eappen, Zikang Xiong, Shreyash S. Iyengar, Suresh Jagannathan

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

AI总结 该研究针对多智能体STL规划的通用能力与可扩展性的权衡问题，提出STL引导的扩散方法，实现了可泛化、可扩展且规划多样的多智能体规划，减少了安全违规。

Comments Accepted for publication in IEEE Robotics and Automation Letters (RA-L), 2026

Evidence, Logic, and Compliance: Multi-Agent Structured Graph Reasoning with Expert Arbitration for Medical Referral

证据、逻辑与合规性：面向医疗转诊的专家仲裁多智能体结构化图推理

Qi Peng, Yi Cai, Jialin Cui, Tong Zhu, Yujuan Ding, Qingbao Huang, Tao Wang, Jiayuan Xie, Changmeng Zheng, Qing Li

专题命中 逻辑推理 ：reasoning(title,abstract)

AI总结 该研究针对LLM用于医疗转诊的信息过载与非结构化协作问题，提出MASGR框架，通过多智能体结构化图推理及专家仲裁机制提升复杂医疗转诊的精准度，表现优于现有模型。

Comments 18 pages

Stratified Consistency Distillation for Natural Language Formalization

面向自然语言形式化的分层一致性蒸馏

Zhichao Hou, Ferhat Erata, Joe Lilien, MohamadAli Torkamani

机构 * North Carolina State University（北卡罗来纳州立大学） ； Amazon Web Services（亚马逊网络服务） 纠错

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

AI总结 该研究针对自然语言到逻辑公式翻译准确率提升难题，提出分层一致性蒸馏方法，经实验在Pass@K与等价逻辑相似度指标上获显著稳定提升，推进了逻辑翻译技术发展。

Argument-Aware Semantic Alignment of Normative Texts: A Toulmin-Based Neuro-Symbolic Approach

规范文本的论元感知语义对齐：一种基于图尔敏的神经符号方法

William Schroeder

机构 * Purdue University（普渡大学） ； Cleantech Software（清洁技术软件公司） 纠错

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

AI总结 该研究针对专业规范文本语义对齐难题，提出结合神经文本表示与图尔敏特征的神经符号方法，在网络安全标准映射基准上验证论元结构特征可提升对齐效果。

Comments 11 tables, 8 figures

SimCRAFT: Distilling Remote Sensing Agents via Synthetic Trajectories and Contextual Retrieval-Augmented Fine-Tuning

SimCRAFT：通过合成轨迹和上下文检索增强微调蒸馏遥感智能体

Haoran Wang, Jing Yao, Xu Yang, Zeqing Wang, Yang Zhang, Pedram Ghamisi, Zhengchao Chen

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Helmholtz-Zentrum Dresden-Rossendorf（德累斯顿-罗森多夫亥姆霍兹中心） 纠错

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

AI总结 本研究提出SimCRAFT框架，通过合成轨迹与上下文检索增强微调，将复杂遥感编排能力蒸馏到7B模型，性能优于开源LLM，为轻量遥感智能提供开源基线。

POLYFLOW: A Neuro-Symbolic Framework for Static Cross-Language Information Flow Analysis

POLYFLOW：用于静态跨语言信息流分析的神经符号框架

Haoran Yang, Zhixuan Zhong, Jiawei Guo, Haipeng Cai

专题命中 逻辑推理 ：reasoning(abstract)

AI总结 PolyFlow是结合LLM与静态分析的跨语言信息流分析神经符号框架，在多语言系统实验中表现优于基线，可发现未知跨语言漏洞。

DREAM: Deployment-Time Demonstration Generation via Real-to-Sim for Scalable Policy Adaptation

DREAM：基于实境到仿真的部署时演示生成，用于可扩展的策略适配

Makoto Sato, Tatsuya Matsushima, Yutaka Matsuo, Yusuke Iwasawa

机构 * The University of Tokyo（东京大学） 纠错

专题命中 逻辑推理 ：planning(abstract)

AI总结 本研究提出DREAM框架，可无需人类演示生成VLA微调数据，经实机实验验证其能降低新工作空间的数据收集成本并提升操纵任务成功率。

Comments 8 pages, 5 figures

TRIPPULSE: Multi-Agent Travel Planning with Review-Grounded Reasoning

TRIPPULSE：基于评论推理的多智能体旅行规划

Priyanshu Karmakar, Borru Vijay Sai, Shubhojit Mallick, Abhik Jana, Shreya Ghosh, Manish Gupta

机构 * Microsoft（微软公司） ； IIT Bhubaneswar（布巴内斯瓦尔印度理工学院） 纠错

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

AI总结 TRIPPULSE是基于评论推理的多智能体旅行规划框架，分解行程生成任务为多智能体并结合10万+评论与RGPA指标，可兼顾约束满足与个性化体验。

Comments 31 pages, EMNLP 2026

ORDDAR: Observation-Driven Reasoning for Distortion-Resilient Decision, Action, and Cognitive Recovery

ORDDAR：面向抗失真决策、行动与认知恢复的观测驱动推理

Deblina Kar, Anant Nawalgaria, Shyamal Kumar Das Mandal

机构 * Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校） ； Google Research（谷歌研究院） 纠错

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

AI总结 本研究提出ORDDAR推理框架，通过局部认知状态转换检测、失真定位与针对性修复，提升了多类推理任务的质量、恢复能力与可解释性。

When LLM Meets Tree Search: A Systematic View of Inference as Search in Large Language Models

当大语言模型遇到树搜索：大语言模型中作为搜索的推理的系统视角

Jiaqi Wei, Xiang Zhang, Yuejin Yang, Wenxuan Huang, Juntai Cao, Sheng Xu, Xiang Zhuang, Zhangyang Gao, Muhammad Abdul-Mageed, Laks VS Lakshmanan, Chenyu You, Wanli Ouyang, Siqi Sun

机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of British Columbia（不列颠哥伦比亚大学） ； Stony Brook University（石溪大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 规划推理 ：chain-of-thought(abstract,abstract_cn)；CoT(abstract,abstract_cn)；reasoning(abstract)；分类 cs.CL

AI总结 本综述将大语言模型的推理视为搜索，系统化基于树搜索的推理进展，引入统一设计空间并倡导标准化计算报告，以优化推理权衡。

Comments Accepted by EMNLP'2026

The Differential Reasoning Router: Operationalizing Cost-Aware LLM Annotation in E-commerce

差异推理路由：在电商中实现成本感知的大语言模型标注

Cheng Lyu, Jingyue Zhang, Vinny DeGenova, Mengwei Li, Yuanli Pei

机构 * Wayfair 纠错

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

AI总结 该研究针对电商LLM标注冷启动问题，提出DRR框架，通过联合优化模型选择与人工升级实现自适应路由，在保持准确率的同时节约60%以上推理令牌成本。

LangBP: Language-Guided Reasoning and Acting for Joint Bidding and Pricing

LangBP：用于联合出价与定价的语言引导推理与行动

Jiaqi Ding, Chuan Yang, Linghui Meng, Shengsheng Niu, Jie He, Zhangang Lin, Ching Law, Xiaolin Fang

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

AI总结 该研究针对联合出价与定价任务，提出LangBP分层框架，通过S-DT和EGPO解决现有语言引导方法的局限，在AuctionNet实验及电商平台部署中均取得良好效果。

Comments 12 pages,6 figures

RACER: Reinforced Agent Collaboration for Explainable Reasoning on Knowledge Graphs

RACER：面向知识图谱可解释推理的强化智能体协作框架

Yuwei Lou, Hao Hu, Yuzhou Jiang, Zongfei Zhang, Liang Wang, Jincai Liu, Jidong Ge, Xianping Tao

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Chinaunicom Software Nanjing Branch（中国联通软件南京分公司） 纠错

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

AI总结 RACER是面向知识图谱可解释推理的强化智能体协作框架，通过多智能体协作等技术解决LLM的幻觉与复杂推理难题，在两个数据集上平均提升5%性能。

Comments 15 pages, 1 figures, This paper has been accepted by ICONIP 2026

Minimizing Grid Interconnection Capacity Requirements for AI Data Centers: A Developer-Side Planning Framework with Onsite Resources and Workload Flexibility

最小化AI数据中心的电网互连容量需求：一种结合现场资源与工作负载灵活性的开发者侧规划框架

Hassan Zahid Butt, Rida Fatima, Xingpeng Li

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文开发ICP-AI框架，在规定预算下最小化AI数据中心的电网互连容量，结合PV、BESS资源与灵活工作负载调度，通过实验验证其可有效减少互连容量，为项目规划提供支持。