大模型推理能力

Bridging Graph Structure and Knowledge-Guided Editing for Interpretable Temporal Knowledge Graph Reasoning

弥合图结构与知识引导编辑以实现可解释的时序知识图谱推理

Shiqi Fan, Quanming Yao, Hongyi Nie, Wentao Ma, Zhen Wang, Wen Hua

机构 * Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（数据科学与人工智能系，香港理工大学） ； School of Cybersecurity, Northwestern Polytechnical University（网络安全学院，西北工业大学） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） ； School of Mechanical Engineering, Northwestern Polytechnical University（机械工程学院，西北工业大学） ； School of Mathematics and Statistics, Xi’an Jiaotong University（数学与统计学院，西安交通大学） 纠错

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

AI总结 IGETR通过结合图神经网络与大语言模型，实现可解释的时序知识图谱推理，提升预测准确性与可解释性。

Eliciting Least-to-Most Reasoning for Phishing URL Detection

诱发最小到最大推理以检测钓鱼网址

Holly Trikilis, Pasindu Marasinghe, Fariza Rashid, Suranga Seneviratne

机构 * University of Sydney（悉尼大学） 纠错

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

AI总结 本文提出了一种最小到最大提示框架，通过引入答案敏感性机制提升钓鱼网址检测的推理能力和准确性，优于一次性方法和监督模型。

Towards a Mechanistic Understanding of Large Reasoning Models: A Survey of Training, Inference, and Failures

迈向大规模推理模型的机制理解：训练、推理与失败的综述

Yi Hu, Jiaqi Gu, Ruxin Wang, Zijun Yao, Hao Peng, Xiaobao Wu, Jianhui Chen, Muhan Zhang, Liangming Pan

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

AI总结 本文综述了大规模推理模型的训练、推理及失败机制，旨在揭示其内部运作并为未来研究提供方向。

TS-Debate: Multimodal Collaborative Debate for Zero-Shot Time Series Reasoning

TS-Debate：多模态协作辩论用于零样本时间序列推理

Patara Trirat, Jin Myung Kwak, Jay Heo, Heejun Lee, Sung Ju Hwang

机构 * KAIST Seoul（韩国科学技术院） 纠错

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

AI总结 TS-Debate通过多模态协作辩论框架，在零样本时间序列推理中实现显著性能提升，通过专门代理和结构化协议提升模态保真度和数值精度。

Comments Code will be available at https://github.com/DeepAuto-AI/TS-Debate

Less is More: Compact Clue Selection for Efficient Retrieval-Augmented Generation Reasoning

少即是多：为高效检索增强生成推理设计的紧凑线索选择

Qianchi Zhang, Hainan Zhang, Liang Pang, Yongxin Tong, Hongwei Zheng, Zhiming Zheng

机构 * School of Artificial Intelligence, Beihang University（北航人工智能学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Beijing Academy of Blockchain and Edge Computing（北京区块链与边缘计算研究院） 纠错

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

AI总结 CompSelect通过紧凑线索选择机制提升RAG推理效率，减少LLM推理成本，优化线索提取与排序。

Comments Accepted to the ACM Web Conference 2026 (WWW'26)

From LLMs to LRMs: Rethinking Pruning for Reasoning-Centric Models

从大语言模型到大推理模型：重新思考面向推理中心模型的剪枝

Longwei Ding, Anhao Zhao, Fanghua Ye, Ziyang Chen, Xiaoyu Shen

机构 * Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究院，东部技术研究所） ； Department of Computing, The Hong Kong Polytechnic University（计算系，香港理工大学） ； Tencent Hunyuan / AI Lab（腾讯文英/人工智能实验室） ； Université Paris Dauphine - PSL（巴黎-萨克勒大学） 纠错

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

AI总结 本文研究了推理增强模型的剪枝策略，发现深度剪枝在分类任务中表现更优，而宽度剪枝在生成和推理中更稳健，静态剪枝更利于保持推理性能。

Comments 18 pages, 7 figures

Harnessing Reasoning Trajectories for Hallucination Detection via Answer-agreement Representation Shaping

通过答案一致性表示塑造进行推理轨迹的幻觉检测

Jianxiong Zhang, Bing Guo, Yuming Jiang, Haobo Wang, Bo An, Xuefeng Du

机构 * College of Computer Science, Sichuan University, China（四川大学计算机学院） ； School of Software Technology, Zhejiang University, China（浙江大学软件学院） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学 computing and Data Science学院） 纠错

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

AI总结 本文提出ARS方法，通过塑造答案一致性表示来提高推理轨迹中幻觉检测的准确性，无需人工标注即可提升检测性能。

Far from the Shallow: Brain-Predictive Reasoning Embedding through Residual Disentanglement

远离浅层：通过残差解耦实现脑预测推理嵌入

Linyang He, Tianjun Zhong, Richard Antonello, Gavin Mischler, Micah Goldblum, Nima Mesgarani

机构 * Zuckerman Mind Brain Behavior Institute, Columbia University（扎克曼脑行为研究所，哥伦比亚大学） ； Department of Electrical Engineering, Columbia University（电气工程系，哥伦比亚大学） ； Department of Computer Science, Columbia University（计算机科学系，哥伦比亚大学） 纠错

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

AI总结 通过残差解耦方法，研究实现了对语言推理过程的神经嵌入解耦，揭示了推理在大脑中的独特预测能力及时间特征。

Comments Accepted at NeurIPS 2025

Mind the Gap: Benchmarking LLM Uncertainty and Calibration with Specialty-Aware Clinical QA and Reasoning-Based Behavioural Features

注意差距：基于专业意识的临床QA和推理行为特征的LLM不确定性与校准基准测试

Alberto Testoni, Iacer Calixto

机构 * Department of Medical Informatics, Amsterdam University Medical Center, University of Amsterdam, Amsterdam, The Netherlands（医学信息学系，阿姆斯特丹大学医学中心，阿姆斯特丹大学，阿姆斯特丹，荷兰） ； Amsterdam Public Health, Methodology, Amsterdam, The Netherlands（阿姆斯特丹公共健康，方法学，阿姆斯特丹，荷兰） 纠错

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

AI总结 本文通过评估不同临床专科和问题类型的LLM不确定性校准，提出基于行为特征的新型轻量方法，强调选择互补模型的重要性。

Comments Accepted at EACL 2026 (Main Conference)

CORD: Bridging the Audio-Text Reasoning Gap via Weighted On-policy Cross-modal Distillation

CORD：通过加权在线跨模态蒸馏弥合音频-文本推理差距

Jing Hu, Danxiang Zhu, Xianlong Luo, Dan Zhang, Shuwei He, Yishu Lei, Haitao Zheng, Shikun Feng, Jingzhou He, Yu Sun, Hua Wu, Haifeng Wang

机构 * ERNIE Team, Baidu（百度ERNIE团队） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； College of Computer Science, Inner Mongolia University（内蒙古大学计算机学院） 纠错

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

AI总结 CORD通过加权在线跨模态蒸馏方法，有效弥合音频与文本推理之间的差距，提升音频条件推理能力。

Comments 13 pages, 4 figures

LLM Reasoning for Cold-Start Item Recommendation

基于大语言模型的冷启动物品推荐

Shijun Li, Yu Wang, Jin Wang, Ying Li, Joydeep Ghosh, Anne Cocos

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出利用大语言模型的推理能力，改进冷启动物品推荐，通过多种微调方法提升推荐性能，在Netflix数据上取得8%的提升。

Comments Published on Proceedings of the ACM on Web Conference 2026 (WWW 2026)

StrucSum: Graph-Structured Reasoning for Long Document Extractive Summarization with LLMs

StrucSum: 图结构推理用于基于LLM的长文档提取式摘要

Haohan Yuan, Sukhwa Hong, Haopeng Zhang

机构 * ALOHA Lab, University of Hawaii at Manoa（夏威夷大学曼纳亚分校ALOHA实验室） ； University of Hawaii at Hilo（夏威夷大学希洛分校） 纠错

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

AI总结 StrucSum通过图结构推理提升基于LLM的长文档提取式摘要质量，有效增强文档结构建模与关键信息识别能力。

Comments 14 pages. Accepted by the findings of EACL 2026

TimeART: Towards Agentic Time Series Reasoning via Tool-Augmentation

TimeART: 通过工具增强实现代理时间序列推理

Xingjian Wu, Junkai Lu, Zhengyu Li, Xiangfei Qiu, Jilin Hu, Chenjuan Guo, Christian S. Jensen, Bin Yang

机构 * East China Normal University, Shanghai, China（华东师范大学） ； Aalborg University, Aalborg, Denmark（奥胡斯大学） 纠错

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

AI总结 TimeART通过融合强大工具的分析能力与LLM的推理能力，实现时间序列问题回答的自主代理方法，通过四阶段训练策略提升模型泛化能力，并在多个任务中取得最佳性能。

ET-Agent: Incentivizing Effective Tool-Integrated Reasoning Agent via Behavior Calibration

ET-Agent：通过行为校准激励有效的工具集成推理代理

Yifei Chen, Guanting Dong, Zhicheng Dou

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

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

AI总结 ET-Agent通过自我进化数据飞轮和行为校准训练框架，提升工具集成推理代理的准确性与效率。

Efficient Reinforcement Learning with Semantic and Token Entropy for LLM Reasoning

基于语义和token熵的高效强化学习用于LLM推理

Hongye Cao, Zhixin Bai, Ziyue Peng, Boyan Wang, Tianpei Yang, Jing Huo, Yuyao Zhang, Yang Gao

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家实验室，南京大学） ； China Mobile NineVerse Artificial Intelligence Technology (Beijing) Co., Ltd.（中国移动九章人工智能技术（北京）有限公司） ； Institute of Artificial Intelligence, NineVerse, Beijing（九章人工智能研究院，北京） 纠错

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

AI总结 本文提出基于语义和token熵的高效强化学习框架，通过优化数据组织和算法设计缓解熵崩溃，提升大语言模型的推理能力。

Creating 'Full-Stack' Hybrid Reasoning Systems that Prioritize and Enhance Human Intelligence

构建优先并增强人类智能的'全栈'混合推理系统

Sean Koon

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

AI总结 本文提出通过生成式AI工具增强人类推理能力，构建优先考虑人类智能的混合系统，以应对未来挑战。

Comments 10 pages; 3 figures; 1 table Undergoing significant revision post-peer review

A Beautiful Mind: Principles and Strategies for AI-Augmented Human Reasoning

美丽的心灵：AI增强人类推理的原则与策略

Sean Koon

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

AI总结 本文提出一种以人类为中心的AI增强推理范式，通过确立基本原则、提出多项任务多项工具的方法，并提供交互模式示例，旨在增强人类在人机交互中的主导地位。

Comments The content of this paper will be superseded by future works

PrivGemo: Privacy-Preserving Dual-Tower Graph Retrieval for Empowering LLM Reasoning with Memory Augmentation

PrivGemo: 保护隐私的双塔图检索用于增强LLM推理的记忆增强

Xingyu Tan, Xiaoyang Wang, Qing Liu, Xiwei Xu, Xin Yuan, Liming Zhu, Wenjie Zhang

机构 * University of New South Wales（新南威尔士大学） ； Data61, CSIRO（Data61，CSIRO） 纠错

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

AI总结 PrivGemo通过双塔设计和隐私保护机制，实现隐私保护的图检索增强推理，提升LLM在知识密集型任务中的推理能力。

Beyond Linearization: Attributed Table Graphs for Table Reasoning

超越线性化：属性表格图用于表格推理

Yuxiang Wang, Junhao Gan, Shengxiang Gao, Shenghao Ye, Zhengyi Yang, Jianzhong Qi

机构 * The University of Melbourne（墨尔本大学） ； The University of New South Wales（新南威尔士大学） ； The University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出TABGR模型，通过属性表格图保留表格结构并提升推理可解释性，实验表明其在表格推理任务中优于现有方法。

Reasoning over Precedents Alongside Statutes: Case-Augmented Deliberative Alignment for LLM Safety

在法规中进行推理：结合案例的 deliberative 对齐方法用于 LLM 安全性

Can Jin, Rui Wu, Tong Che, Qixin Zhang, Hongwu Peng, Jiahui Zhao, Zhenting Wang, Wenqi Wei, Ligong Han, Zhao Zhang, Yuan Cao, Ruixiang Tang, Dimitris N. Metaxas

机构 * Rutgers University（罗格斯大学） ； NVIDIA Research（NVIDIA研究） ； Nanyang Technological University（南洋理工大学） ； Adobe Research（Adobe研究） ； University of Connecticut（康涅狄格大学） ； Fordham University（福特汉姆大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 本文提出CADA方法，通过案例增强的推理链进行强化学习，提升LLM的安全性和实用性，避免过度依赖规则。

ActiShade: Activating Overshadowed Knowledge to Guide Multi-Hop Reasoning in Large Language Models

ActiShade: 通过激活被遮蔽的知识来指导大语言模型的多跳推理

Huipeng Ma, Luan Zhang, Dandan Song, Linmei Hu, Yuhang Tian, Jun Yang, Changzhi Zhou, Chenhao Li, Yizhou Jin, Xudong Li, Meng Lin, Mingxing Zhang, Shuhao Zhang

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

AI总结 ActiShade通过激活被遮蔽的知识来提升大语言模型在多跳推理中的表现。

Comments Accepted to AAAI 2026

Structured Reasoning for Large Language Models

为大型语言模型引入结构化推理

Jinyi Han, Zixiang Di, Zishang Jiang, Ying Liao, Jiaqing Liang, Yongqi Wang, Yanghua Xiao

机构 * East China Normal University（华东师范大学） ； Fudan University（复旦大学） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 本文提出结构化推理框架SCR，通过生成-验证-修改范式提升LLM的推理效率和自我验证能力，减少输出标记长度达50%。

TCAndon-Router: Adaptive Reasoning Router for Multi-Agent Collaboration

TCAndon-Router: 多智能体协作的自适应推理路由

Jiuzhou Zhao, Chunrong Chen, Chenqi Qiao, Lebin Zheng, Minqi Han, Yanchi Liu Yongzhou Xu Xiaochuan Xu Min Zhang

机构 * Tencent Cloud Andon（腾讯云安顿） 纠错

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

AI总结 TCAndon-Router通过动态智能体接入和自然语言推理链提升多智能体协作的路由准确性与鲁棒性。

Comments 16 pages, 6 figures. Under review at IJCAI

Detecting Hallucinations in Retrieval-Augmented Generation via Semantic-level Internal Reasoning Graph

通过语义层面内部推理图检测检索增强生成中的忠实性幻觉

Jianpeng Hu, Yanzeng Li, Jialun Zhong, Wenfa Qi, Lei Zou

机构 * Wangxuan Institute of Computer Technology, Peking University（王轩计算机技术研究所，北京大学） ； Institute of Artificial Intelligence and Future Networks, Beijing Normal University（人工智能与未来网络研究院，北京师范大学） 纠错

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

AI总结 本文提出基于语义层面内部推理图的方法，用于检测检索增强生成中的忠实性幻觉，通过构建依赖关系图和动态阈值调整提升检测性能。

Rationale-Grounded In-Context Learning for Time Series Reasoning with Multimodal Large Language Models

基于理由的上下文学习用于多模态大语言模型的时间序列推理

Qingxiang Liu, Zhiqing Cui, Xiaoliang Luo, Yuqian Wu, Zhuoyang Jiang, Huaiyu Wan, Sheng Sun, Lvchun Wang, Wei Yu, Yuxuan Liang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； China Mobile (Jiangxi) Virtual Reality Technology Co., Ltd.（中国移动（江西）虚拟现实技术有限公司） ； School of Computer and Information Technology, Beijing Jiaotong University（北京交通大学计算机与信息学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 本研究提出RationaleTS方法，通过基于理由的上下文学习提升多模态大语言模型在时间序列推理中的性能。

Vision-Language Reasoning for Geolocalization: A Reinforcement Learning Approach

基于视觉-语言推理的地理定位：一种强化学习方法

Biao Wu, Meng Fang, Ling Chen, Ke Xu, Tao Cheng, Jun Wang

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

AI总结 本文提出Geo-R，一种基于强化学习的无检索地理定位框架，通过链式区域生成可解释的监督，提升定位准确性与可解释性。

Comments Accepted to AAAI 2026. Project Page: https://github.com/aialt/geo-r

A Training-Free Large Reasoning Model-based Knowledge Tracing Framework for Unified Prediction and Prescription

基于大推理模型的无训练知识追踪框架：用于统一预测与处方

Unggi Lee, Joo Young Kim, Ran Ju, Minyoung Jung, Jeyeon Eo

机构 * Chosun University（全州大学） ； Neudive Inc（Neudive公司） ； Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出Thinking-KT框架，利用测试时缩放技术，使小型LLM在无需训练的情况下实现高效的知识追踪预测、个性化反馈和学习推荐。

Empowering Small Language Models with Factual Hallucination-Aware Reasoning for Financial Classification

赋能小型语言模型以实现金融分类的事实幻觉感知推理

Han Yuan, Yilin Wu, Li Zhang, Zheng Ma

机构 * Decision Science Center of Excellence（决策科学中心卓越机构） ； American Express（美国运通） 纠错

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

AI总结 本文提出AAAI流程，通过缓解事实幻觉提升小型语言模型在金融分类中的性能。

Breadcrumbs Reasoning: Memory-Efficient Reasoning with Compression Beacons

痕迹推理：通过压缩信标实现的内存高效推理

Giovanni Monea, Yair Feldman, Shankar Padmanabhan, Kianté Brantley, Yoav Artzi

机构 * Cornell University（康奈尔大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本研究提出通过压缩信标实现内存高效推理，利用联合蒸馏和强化学习框架优化缓存压缩，提升大语言模型在长上下文推理中的内存与准确性平衡。

Tiny Recursive Control: Iterative Reasoning for Efficient Optimal Control

Tiny Recursive Control: 迭代推理用于高效的最优控制

Amit Jain, Richard Linares

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

AI总结 TRC通过递归推理实现高效最优控制，在非线性控制问题中达到接近最优性能，且内存和计算需求显著低于语言模型基线。