大模型推理能力

The Reasoning Error About Reasoning: Why Different Types of Reasoning Require Different Representational Structures

推理中的推理错误：为何不同类型的推理需要不同的表示结构

Yiling Wu

机构 * BridgeM, Inc.（BridgeM公司） ； Department of Philosophy, University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校哲学系） 纠错

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

AI总结 本文探讨不同推理类型对表示系统结构需求的差异，提出四个结构性质，并指出结构保证对推理类型的重要性，支持了结构重组的必要性。

CLAUSE: Agentic Neuro-Symbolic Knowledge Graph Reasoning via Dynamic Learnable Context Engineering

CLAUSE: 通过动态可学习上下文工程实现基于代理的神经符号知识图谱推理

Yang Zhao, Chengxiao Dai, Wei Zhuo, Yue Xiu, Dusit Niyato

机构 * Independent Researcher（独立研究员） ； School of Computer Science, The University of Sydney, Australia（悉尼大学计算机科学学院） ； College of Computing & Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 CLAUSE通过动态可学习上下文工程实现神经符号知识图谱推理，优化多跳问答的准确率、延迟和成本，减少子图增长和端到端延迟。

CLMN: Concept based Language Models via Neural Symbolic Reasoning

基于神经符号推理的概念语言模型：CLMN

Yibo Yang

机构 * College of Science, The Hong Kong University of Science and Technology（香港科技大学理学院） 纠错

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

AI总结 CLMN通过神经符号推理方法，在保持性能的同时提升NLP的可解释性，通过连续嵌入和模糊逻辑推理学习概念交互规则，提升医疗和金融等领域的文本处理效果。

Comments 7 pages, 2 figures

A Public Theory of Distillation Resistance via Constraint-Coupled Reasoning Architectures

通过约束耦合推理架构的公开蒸馏阻力理论

Peng Wei, Wesley Shu

机构 * The Institute of Energetic Paradigm（能量范式研究所） 纠错

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

AI总结 本文提出一种理论框架，通过约束耦合推理架构减少蒸馏 asymmetry，核心观点是高阶能力与内部稳定性约束耦合时蒸馏价值降低，提供可验证的理论主张和实验假设。

Measuring Iterative Temporal Reasoning with Time Puzzles

用时间谜题测量迭代时间推理

Zhengxiang Wang, Zeyu Dong

机构 * Department of Linguistics & IACS（语言学系及人工智能与计算科学中心） ； Stony Brook University（石溪大学） 纠错

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

AI总结 本文提出时间谜题，一种基于约束的日期推断任务，用于评估工具辅助的迭代时间推理。研究发现，即使使用工具，模型在处理时间推理任务时仍存在可靠性不足的问题。

Comments 11 pages, 4 tables, 3 figures

Deciphering Scientific Reasoning Steps from Outcome Data for Molecule Optimization

从结果数据中解码科学推理步骤以优化分子

Zequn Liu, Kehan Wu, Shufang Xie, Zekun Guo, Wei Zhang, Tao Qin, Renhe Liu, Yingce Xia

机构 * Zhongguancun Academy（中关村学院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； Global Health Drug Discovery Institute（全球健康药物发现研究所） 纠错

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

AI总结 本文提出DESRO框架，通过分析分子属性记录中的共享片段，利用LLM恢复分子优化的推理逻辑，并在15项任务中取得最高成功率，展示了从结果数据解码推理步骤的可行性。

Comments Work in progress, 37 pages

RECODE: Reasoning Through Code Generation for Visual Question Answering

RECODE: 通过代码生成进行视觉问答的推理

Junhong Shen, Mu Cai, Bo Hu, Ameet Talwalkar, David A Ross, Cordelia Schmid, Alireza Fathi

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

AI总结 RECODE通过代码生成实现视觉问答的可验证推理，优于传统方法。

Comments The authors are withdrawing this manuscript temporarily to conduct additional checks of the experimental setup and implementation. We plan to post an updated version after completing these checks

Abductive Reasoning with Syllogistic Forms in Large Language Models

基于三段论形式的大型语言模型演绎推理

Hirohiko Abe, Risako Ando, Takanobu Morishita Kentaro Ozeki, Koji Mineshima, Mitsuhiro Okada

机构 * Keio University（Keio大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文研究大型语言模型在演绎推理中的准确性，通过转换三段论数据集探讨其偏见及改进方向，强调上下文推理的重要性。

Comments Published in Proceedings of the 3rd International Conference on Human and Artificial Rationalities (HAR 2024), LNCS 15504, pp. 3-17

Journal ref Lecture Notes in Computer Science, vol. 15504, pp. 3-17, 2024

Neuro-Symbolic Skill Discovery for Conditional Multi-Level Planning

神经符号技能发现用于条件多级规划

Hakan Aktas, Yigit Yildirim, Ahmet Firat Gamsiz, Deniz Bilge Akkoc, Erhan Oztop, Emre Ugur

机构 * Department of Computer Science and Technology The University of Cambridge（计算机科学与技术系 剑桥大学） ； Department of Computer Engineering Bogazici University（计算机工程系 boazici大学） ； SISREC Osaka University（Osaka大学SISREC） 纠错

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

AI总结 本文提出了一种神经符号学习架构，通过少量演示获取可推广的高级符号技能，并在多级规划中实现复杂任务的执行。

Comments 18 pages, 4 figures

Temporal-Aware Heterogeneous Graph Reasoning with Multi-View Fusion for Temporal Question Answering

具有多视角融合的时序感知异构图推理用于时序问答

Wuzhenghong Wen, Bowen Zhou, Jinwen Huang, Xianjie Wu, Yuwei Sun, Su Pan, Liang Li, Jianting Liu

机构 * 1 School of Internet of Things, Nanjing University of Posts ； Telecommunications 2 Faculty of Medicine \& Health, University of New South Wales, Sydney, Australia 3 Dept. of Biomedical Engineering \& Biotechnology, Khalifa University, Abu Dhabi 4 Beijing Information Science ； Technology University 5 Shortest Path Technology Co., Ltd. 纠错

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

AI总结 本文提出一种时序感知异构图推理框架，通过多视角融合提升时序问答的准确性和效率。

Comments 6pages

Evidence-Grounded Subspecialty Reasoning: Evaluating a Curated Clinical Intelligence Layer on the 2025 Endocrinology Board-Style Examination

基于证据的专科推理：在2025年内分泌学委员会式考试上评估一个经过精心编纂的临床智能层

Amir Hosseinian, MohammadReza Zare Shahneh, Umer Mansoor, Gilbert Szeto, Kirill Karlin, Nima Aghaeepour

机构 * January AI ； Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出基于证据的专科推理系统Mirror，在内分泌学考试中超越了现有LLM，展现出高准确率和证据可追溯性。

State Design Matters: How Representations Shape Dynamic Reasoning in Large Language Models

状态设计至关重要：表示如何塑造大语言模型中的动态推理

Annie Wong, Aske Plaat, Thomas Bäck, Niki van Stein, Anna V. Kononova

机构 * Leiden Institute of Advanced Computer Science（莱顿先进计算机科学研究所） ； Leiden University（莱顿大学） 纠错

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

AI总结 研究探讨了大语言模型中状态表示设计对动态推理的影响，发现自然语言表示和空间编码对性能至关重要，但长期任务仍面临挑战。

Language Models and Logic Programs for Trustworthy Tax Reasoning

语言模型与逻辑程序用于可信的税务推理

William Jurayj, Nils Holzenberger, Benjamin Van Durme

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

AI总结 本文提出结合语言模型与符号求解器的方法，用于提升税务推理的准确性与经济可行性。

Comments Accepted to AAAI 2026

Pruning Minimal Reasoning Graphs for Efficient Retrieval-Augmented Generation

对检索增强生成进行最小推理图剪枝以提高效率

Ning Wang, Kuanyan Zhu, Daniel Yuehwoon Yee, Yitang Gao, Shiying Huang, Zirun Xu, Sainyam Galhotra

机构 * Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； The University of Hong Kong（香港大学） ； HKUST（香港科技大学） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 AutoPrunedRetriever通过最小推理图剪枝提升检索增强生成效率，实现更高效的知识密集型任务处理。

Tutorial on Reasoning for IR & IR for Reasoning

信息检索与推理 for 推理的教程

Mohanna Hoveyda, Panagiotis Efstratiadis, Arjen de Vries, Maarten de Rijke

机构 * Radboud University（拉德堡德大学） ； University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本教程探讨了信息检索与推理之间的关系，提出统一框架以指导推理增强的信息检索系统发展。

Comments Accepted to ECIR 2026

Encoder-Free Knowledge-Graph Reasoning with LLMs via Hyperdimensional Path Retrieval

无需编码器的知识图谱推理：通过超维路径检索实现LLM

Yezi Liu, William Youngwoo Chung, Hanning Chen, Calvin Yeung, Mohsen Imani

机构 * University of California, Irvine（加州大学 Irvine 分校） 纠错

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

AI总结 PathHD通过超维路径检索实现无需编码器的知识图谱推理，提升效率与可解释性。

G-MemLLM: Gated Latent Memory Augmentation for Long-Context Reasoning in Large Language Models

G-MemLLM：基于门控潜在记忆增强的长上下文推理大语言模型

Xun Xu

机构 * Department of Computer Science（计算机科学系） ； Fudan University（复旦大学） 纠错

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

AI总结 G-MemLLM通过引入门控潜在记忆库，提升大语言模型在长上下文推理中的表现，显著增强多跳推理和关系精度。

Self-Compression of Chain-of-Thought via Multi-Agent Reinforcement Learning

通过多智能体强化学习实现链式思维的自我压缩

Yiqun Chen, Jinyuan Feng, Wei Yang, Meizhi Zhong, Zhengliang Shi, Rui Li, Xiaochi Wei, Yan Gao, Yi Wu, Yao Hu, Zhiqiang Pu, Jiaxin Mao

机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； Institute of Automation,Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Southern California（南加州大学） ； Shandong University（山东大学） 纠错

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

AI总结 通过多智能体强化学习实现链式思维的自我压缩，有效减少响应长度并提升准确性。

Confidence over Time: Confidence Calibration with Temporal Logic for Large Language Model Reasoning

时间上的信心：基于时序逻辑的大型语言模型推理信心校准

Zhenjiang Mao, Anirudhh Venkat, Artem Bisliouk, Akshat Kothiyal, Sindhura Kumbakonam Subramanian, Saithej Singhu, Ivan Ruchkin

机构 * University of Florida（佛罗里达大学） ； University of Mannheim（曼海姆大学） 纠错

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

AI总结 本文提出基于时序逻辑的大型语言模型推理信心校准方法，通过STL挖掘和参数超网络提升信心评估的准确性。

Acting Flatterers via LLMs Sycophancy: Combating Clickbait with LLMs Opposing-Stance Reasoning

通过LLMs的趋炎附势行为进行煽动性行为：用LLMs的对立立场推理对抗软文

Chaowei Zhang, Xiansheng Luo, Zewei Zhang, Yi Zhu, Jipeng Qiang, Longwei Wang

机构 * Yangzhou University（扬州大学） ； Auburn University（亚伯拉罕大学） ； University of South Dakota（南达科他大学） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-罗quentourt研究所） ； Rajiv Gandhi University（拉贾夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室） 纠错

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

AI总结 本文提出利用LLMs的趋炎附势行为生成对立立场推理，以提升软文检测的鲁棒性。

ReasAlign: Reasoning Enhanced Safety Alignment against Prompt Injection Attack

ReasAlign: 基于推理增强的安全对齐以抵御提示注入攻击

Hao Li, Yankai Yang, G. Edward Suh, Ning Zhang, Chaowei Xiao

机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； NVIDIA（NVIDIA公司） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 ReasAlign通过结构化推理和测试时缩放机制，有效防御提示注入攻击，实现安全与效用的最佳平衡。

Comments 15 pages, 10 figures

Performance of AI agents based on reasoning language models on ALD process optimization tasks

基于推理语言模型的AI代理在ALD过程优化任务中的性能

Angel Yanguas-Gil

机构 * Applied Materials Division, Argonne National Laboratory, Lemont, IL 60439, USA（阿贡国家实验室应用材料部） 纠错

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

AI总结 研究基于推理语言模型的AI代理在ALD过程优化中的性能，发现其能有效完成优化任务，但存在响应不确定性及潜在的推理偏差。

Logic-Parametric Neuro-Symbolic NLI: Controlling Logical Formalisms for Verifiable LLM Reasoning

逻辑参数化神经符号推理：通过可控逻辑形式实现可验证的大语言模型推理

Ali Farjami, Luca Redondi, Marco Valentino

机构 * University of Luxemburg（卢森堡大学） ； University of Sheffield（谢菲尔德大学） 纠错

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

AI总结 本文提出逻辑参数化框架，通过可控逻辑形式提升神经符号推理的鲁棒性与适应性，实验表明内部逻辑策略在不同领域具有更优表现。

Comments Work in progress

Memory Matters More: Event-Centric Memory as a Logic Map for Agent Searching and Reasoning

记忆更重要：以事件为中心的记忆作为智能体搜索和推理的逻辑图

Yuyang Hu, Jiongnan Liu, Jiejun Tan, Yutao Zhu, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） 纠错

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

AI总结 本文提出CompassMem，一种以事件为中心的记忆框架，通过构建事件图实现智能体的结构化记忆导航，提升长周期推理能力。

Comments 19 pages,6 figures

Simulated Reasoning is Reasoning

模拟推理是推理

Hendrik Kempt, Alon Lavie

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

AI总结 本文探讨了基础模型如何通过模仿思考过程实现推理，挑战了传统符号推理的必要性，并反思了推理模型的安全性和规范性问题。

Comments 21 pages

Distortion Instead of Hallucination: The Effect of Reasoning Under Strict Constraints

扭曲而非虚构：在严格约束下推理的影响

Junichiro Niimi

机构 * Meijo University（名古屋大学） ； RIKEN（日本研究机构） ； AIP（Advanced Institute for Propulsion） 纠错

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

AI总结 在严格约束下，推理模型通过扭曲事实来减少约束违反，但牺牲了输出的真实性。

Problem-Solving Logic Guided Curriculum In-Context Learning for LLMs Complex Reasoning

基于问题解决逻辑的课程化上下文学习用于LLM复杂推理

Xuetao Ma, Wenbin Jiang, Hua Huang

机构 * School of Artificial Intelligence, Beijing Normal University（人工智能学院，北京师范大学） 纠错

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

AI总结 本研究提出基于问题解决逻辑的课程化上下文学习方法，通过分析问题解决逻辑选择和排序示例，提升LLM复杂推理能力。

Comments 19 pages, 6 figures, ACL 2025 findings, camera-ready version

Journal ref Findings of the Association for Computational Linguistics: ACL 2025

Alpha-R1: Alpha Screening with LLM Reasoning via Reinforcement Learning

Alpha-R1：通过强化学习实现基于LLM的Alpha筛选

Zuoyou Jiang, Li Zhao, Rui Sun, Ruohan Sun, Zhongjian Li, Jing Li, Daxin Jiang, Zuo Bai, Cheng Hua

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 Alpha-R1通过强化学习实现基于LLM的上下文感知alpha筛选，提升非平稳市场中的投资策略性能。

GLOW: Graph-Language Co-Reasoning for Agentic Workflow Performance Prediction

GLOW：基于图-语言协同推理的代理工作流性能预测

Wei Guan, Jian Cao, Jinyu Cai, Qiqi Cai, Jianqi Gao, See-Kiong Ng

机构 * School of Computer Science, Shanghai Jiao Tong University, China（上海交通大学计算机科学学院） ； Institute of Data Science, National University of Singapore, Singapore（新加坡国立大学数据科学研究所） ； School of Computer Engineering and Science, Shanghai University, China（上海大学计算机工程与科学学院） 纠错

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

AI总结 GLOW通过结合图神经网络与大语言模型，提出了一种统一的代理工作流性能预测框架，有效捕捉拓扑依赖和语义逻辑，提升预测准确性与排序效用。

Liquid Reasoning Transformers: A Sudoku-Based Prototype for Chess-Scale Algorithmic Tasks

液体推理变换器：基于数独的棋盘级算法任务原型

Shivansh Sahni, Wenzhi Zhang

机构 * Detroit Country Day School（底特律国家日学校） 纠错

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

AI总结 液体推理变换器通过迭代更新和内部调整机制，在数独任务中实现了高准确率，展示了其在复杂算法任务中的潜力。

Comments 11 pages, 0 figures