大模型推理能力

MAGE: Human-Like Macro Placement via Agentic Multimodal Reasoning

MAGE：通过智能多模态推理实现类人宏布局

Andrew B. Kahng, Sayak Kundu, Bodhisatta Pramanik

专题命中 其他推理 ：reasoning(title)；分类 cs.AI

AI总结 研究针对工业物理设计流程中宏布局需大量人工优化的问题，提出MAGE框架。该框架通过多模态多智能体实现宏布局优化，结合多种规则与检查，引入量化类人性指标。实验表明其相比商业工具及基线有显著提升，且能转移到新布局设置。

Comments 16 pages

Information-Regularized Attention for Visual-Centric Reasoning

信息正则化注意力用于以视觉为中心的推理

Guohao Sun, Xiaofang Wang, Yash Patel, Mengchen Liu, Zhiqiang Tao, Praveen Krishnan

机构 * FAIR at Meta（Meta 的 FAIR 部门） ； Rochester Institute of Technology（罗切斯特理工学院） 纠错

专题命中 其他推理 ：reasoning(title)；分类 cs.LG

AI总结 针对视觉语言模型中的对象幻觉、视觉基础弱和灾难性遗忘问题，提出信息正则化注意力机制，通过随机注意力显式调控视觉信息注入，改善表示学习稳定性。

Comments Accepted by ECCV 2026

From Trainee to Trainer: LLM-Designed Training Environment for RL with Multi-Agent Reasoning

从受训者到训练者：用于多智能体推理的LLM设计的强化学习训练环境

Chao Chen, Chengzu Li, Zhiwei Li, Yinhong Liu, Zhijiang Guo

机构 * LARK, HKUST (GZ)（香港科技大学（广州）LARK实验室） ； University of Cambridge（剑桥大学） ； HKUST（香港科技大学） 纠错

专题命中 其他推理 ：reasoning(title)；分类 cs.CL

AI总结 提出LLM-as-Environment-Engineer框架，让策略模型自动分析失败轨迹并修改训练环境配置，在MAPF-FrozenLake测试平台上用Qwen3-4B实现最优性能。

LLMs Get Smarter from Targeted Synthetic Multilingual Data

大语言模型（LLMs）从针对性的合成多语言数据中提升性能

Ishika Agarwal, Arkajyoti Charaborty, Tanner Sorensen, Neha Gupta, Andreas Stolcke

机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Uniphore（优尼佛（Uniphore）公司） 纠错

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

AI总结 本研究提出HOTFIXR数据生成框架，通过探测学生模型多语言弱点生成合成多语言数据，可提升大语言模型的多语言性能，降低微调引发的灾难性遗忘。

Do AI weather models miss extremes?

AI气象模型是否遗漏极端天气？

Marvin Vincent Gabler, Roberto Molinaro, Niall Siegenheim, Henry Martin, Mark Frey, Niels Poulsen, Philipp Seitz, Olivier Lam

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

AI总结 本研究验证11种物理与AI气象模型，发现极端天气下相对技能缺失是特定模型的特性而非AI气象模型整体的问题，部分AI模型在极端场景表现优于数值模型。

SPORK: Self-Speculative Forking to Accelerate Agentic LLM Inference

SPORK：自我推测性分叉以加速智能体大语言模型推理

Huajun Bai, Weiwei Lv, Huichuan Zheng, Youyou Lu, Jiwu Shu

机构 * Tsinghua University（清华大学） ； Meituan（美团） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.AI、cs.LG

AI总结 研究LLM智能体推理中串行循环耗时问题，提出SPORK方法，利用模型自身预测提前调度推测工具调用，通过成本模型等组件优化，大幅提升推理效率且不影响任务准确性。

Comments 16 pages, 15 figures. Code: https://github.com/baihuajun24/spork

A Mechanistic View of Authority Hierarchy in LLM Sycophancy

LLM 谄媚中权威层级的机制性视角

Emil Joswin, Srujananjali Medicherla, Priyanka Mary Mammen

机构 * Independent Research（独立研究） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL、cs.LG

AI总结 通过受控医疗QA实验，发现LLM按感知权威程度分级响应，机制是特定后期层中正确答案表征被权威信号主动擦除，且该擦除与权威水平成比例、抵抗均值向量干预、仅部分可逆。

Model Forensics: Investigating Whether Concerning Behavior Reflects Misalignment

模型取证：调查令人担忧的行为是否反映对齐失败

Aditya Singh, Gerson Kroiz, Senthooran Rajamanoharan, Neel Nanda

机构 * MATS 纠错

专题命中 其他推理 ：CoT(abstract,abstract_cn)；分类 cs.AI、cs.LG

AI总结 提出一个两步基线协议，通过读取思维链生成假设并编辑环境测试假设，以区分模型行为是出于恶意意图还是良性原因，并在六个环境中验证了该方法。

Sparrow: Sparse Rollout for Stable and Efficient Long-context RL of Large Language Models

Sparrow: 用于大语言模型稳定高效长上下文强化学习的稀疏 rollout

Yang Zhou, Ranajoy Sadhukhan, Zhaofeng Sun, Zhuoming Chen, Souvik Kundu, Saket Dingliwal, Sai Muralidhar Jayanthi, Aram Galstyan, Haizhong Zheng, Beidi Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Cornell University（康奈尔大学） ； Intel（英特尔） ； Amazon AGI（亚马逊AGI） 纠错

专题命中 其他推理 ：CoT(abstract,abstract_cn)；分类 cs.AI、cs.LG

AI总结 针对RLVR中长上下文rollout计算昂贵的问题，提出Sparrow方法，通过动态稀疏度调度保持token级策略失配的下尾统计量稳定，在Qwen3系列模型上实现2.0-2.4倍加速，并推广到更大模型和编程领域。

Key-Frame Reasoning with SAM3: Third Place Solution for the MeViS-Text Track of the 8th LSVOS Challenge

基于SAM3的关键帧推理：第8届LSVOS挑战赛MeViS-Text赛道第三名解决方案

Ce Bian, Xusheng He, Jinrong Zhang, Canyang Wu, Xianjing Han, Jianlong Wu

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 其他推理 ：reasoning(title)

AI总结 该研究提出两阶段无训练方案，依托Gemini-3.1 Pro分解视频事件选关键帧，用SAM3-agent生成掩码并双向传播，获第8届LSVOS挑战赛MeViS-Text赛道第三名。

TriCLE: Tri-Modal Vision-Language Reasoning for Edge-Deployed Fine-Grained Clustering

TriCLE：面向边缘部署的细粒度聚类的三模态视觉-语言推理

Kishor Datta Gupta, Md. Mahfuzur Rahman, Fahad Rahman, Ahmed Rafi Hasan, Faysal Mehrab Chowdhury, Mohd Ariful Haque, Roy George

机构 * Clark Atlanta University（克拉克亚特兰大大学） ； United International University（国际大学） ； North South University（北南大学） 纠错

专题命中 其他推理 ：reasoning(title)

AI总结 TriCLE是面向边缘部署的三模态视觉-语言系统，通过生成伪热视图和伪激光雷达深度，结合对齐策略实现细粒度飞机聚类，适配8GB内存边缘设备，验证与测试均取得良好性能。

Chaos in reason: How chain-of-thought LLMs can look for an answer

理性中的混沌：思维链大语言模型（LLMs）如何探寻答案

Gregorio Jaca, Kristóf Benedek, János Török

专题命中 其他推理 ：chain-of-thought(title)

AI总结 本研究将非线性动力学与混沌理论工具应用于思维链LLMs，证实其存在混沌标志性特征，明确各Transformer子模块对扰动的作用，揭示其与典型混沌系统的结构相似性及分形特性，指出注意力机制诱导的非线性耦合是混沌行为的关键驱动因素。

Comments 16 pages 17 figures

ChronoStitch: Training-Free Composition of Visual KV Memories for Long-Horizon Temporal Reasoning

ChronoStitch：用于长时程时间推理的视觉键值记忆的免训练组合

Santiram Tiwari, Nishant Sinha, Kunal Kislay

机构 * KGraph AI Solutions Pvt. Ltd.（KGraph人工智能解决方案私人有限公司） 纠错

专题命中 其他推理 ：reasoning(title)

AI总结 针对长视频问答中视觉KV记忆组合问题，ChronoStitch提出免训练方法，先将键值重基于全局坐标系，解决几何不一致问题，再处理残余内容差距，通过选择性重新计算部分视觉令牌，提升事件排序准确性且运行速度更快。

Comments 6 pages, 4 tables

Transient Reserves, Sink Dampers, and the Failure of Eigenvalue Reasoning in the Attention Propagator

瞬态储备、汇阻尼器以及注意力传播器中特征值推理的失效

Li Hengyu

专题命中 其他推理 ：reasoning(title)

AI总结 研究因果变压器注意力矩阵非正规性，通过预解式观点测试其对已训练变压器的预测。利用掩码和投影器分析，发现学习到的非正规性有符号，路由少数群体有瞬态储备，汇多数群体起阻尼作用，特征值预测误差大，预解式特征对相关特性至关重要。

Comments 17 pages, 8 figures. Companion paper: arXiv:2607.06621

REAP: Relation-Aware Elicitation and Parsing for Closed-Book Knowledge Base Construction from LLMs

REAP：面向基于大语言模型的闭卷知识库构建的关系感知引出与解析

Thanh-Dan Bui, Thanh-Trung Do, Tuan-Phong Nguyen

机构 * VNU University of Engineering and Technology（VNU工程技术大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL

AI总结 该研究提出REAP系统，基于Mistral-Small-24B-Instruct-2501模型，结合结构化思维链推理等技术，在2026年AKBC共享任务闭卷知识库构建任务中取得宏F1值0.62，相关代码已公开。

Activation Probes Surface Code-Security Signals that the Model's Output Misses

激活探针：挖掘模型输出遗漏的表面代码安全信号

Ivan Wiryadi

专题命中 其他推理 ：chain-of-thought(abstract,abstract_cn)；分类 cs.LG

AI总结 本研究提出用线性探针分析开源审查器模型的激活值，发现其携带了仅通过模型提示无法获取的代码安全信号，可有效区分有漏洞与修复后的函数。

Comments 6 pages, 1 figure. Accepted at the TAIGR workshop, ICML 2026

Rationale-Guided Knowledge Distillation for Cross-Lingual Stance Detection

用于跨语言立场检测的基于理由引导的知识蒸馏

Qiuli Zhou, Jingyuan Yao, Shengeng Tang, Hongzhi Chen, Jun Tang, Richang Hong

机构 * School of Foreign Studies, Hefei University of Technology（合肥工业大学外国语学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息工程学院） ； Hefei Institute of Technology（合肥学院） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL

AI总结 针对跨语言立场检测中现有方法忽视推理过程及大语言模型存在局限性的问题，提出基于理由引导的知识蒸馏框架，用思维链提示引导大语言模型生成理由并提炼知识至学生模型，设计双路径蒸馏机制及对比学习策略，实验证明该方法优于基线。

Comments 23 pages, 7 figures, 3 tables

Comparing BERT Sentence-Pair Classification and Few-Shot LLM Prompting for Detecting Threat and Solution Framing in German Climate News

比较BERT句子对分类与少样本LLM提示在检测德国气候新闻中的威胁和解决方案框架

Raven Adam, David Maier, Marie Kogler

机构 * University of Graz（格拉茨大学） ； Technical University of Graz（格拉茨技术大学） 纠错

专题命中 其他推理 ：reasoning(abstract)；chain-of-thought(abstract)；分类 cs.CL

AI总结 针对德语气候新闻句子级框架检测，比较了微调BERT（句子对分类）与少样本LLM提示（Llama 4）方法，BERT在F1上达到0.83，优于LLM的0.78。

Comments 15 pages

Sakana Fugu Technical Report

Sakana Fugu 技术报告

Yujin Tang, Edoardo Cetin, Jinglue Xu, Qi Sun, Stefan Nielsen, Vincent Richard, Haruto Goda, Iaroslav Tymchenko, Nhan Nguyen, Hyunin Lee, Mari Ashiga, Shashank Kotyan, So Kuroki, Tarin Clanuwat

机构 * Sakana AI 纠错

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

AI总结 提出Fugu系列协调模型，通过动态代理框架组合多个LLM专长，在多项基准上达到最优性能，并描述其训练范式。

What is Missing from AI Post-Training AI: An Empirical Analysis

AI后训练AI缺失了什么？一项实证分析

Joy Jia Yin Lim, Xin Huang, Hao Peng, Yaxi Lu, Xin Cong, Zhong Zhang, Maosong Sun, Yankai Lin

机构 * Tsinghua University（清华大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 本文通过实证分析发现，LLM智能体后训练时存在策略锁定问题，其缺失的是执行过程中自发重新评估训练策略的机制，而非经验、指导或推理计算。

Efficient RLVR Scheduling via Graph-Structured Online Difficulty Estimation

基于图结构在线难度估计的高效RLVR调度

Zhizhao Liu, Zhiliang Tian, Xi Wang, Zhihua Wen, Yihang Xiong, Zhiquan Lai, Dongsheng Li

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

AI总结 该研究针对RLVR中探索预算分配低效问题，提出即插即用的图结构在线难度估计器，可跨样本共享反馈、缓解冷启动与过时问题，集成后实现难度自适应探索，在多模型与基准上性能更优。

Proteus: Incremental Memory Activation for Long-Context Sequence Modeling

Proteus：面向长上下文序列建模的增量式内存激活机制

Reza Bayat, Ali Behrouz, Vahab Mirrokni, Aaron Courville

机构 * Mila（米拉计算科学研究所） ； Google（谷歌公司） 纠错

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

AI总结 Proteus 是一种增量式内存激活机制，可嵌入多种神经内存架构，应用于 SWLA 等模型后，能在长上下文相关任务上实现性能提升，证明调度有效容量对序列建模的适用性。

Hybrid-Policy Self-Editing for Composable Unstructured Knowledge Editing

用于可组合非结构化知识编辑的混合策略自编辑

Tianci Liu, Zihan Dong, Tianchun Li, Yi-Chung Chen, Qiming Cao, Xingchen Wang, Shiyang Wang, Zichen Miao, Linjun Zhang, Haoyu Wang, Jing Gao

机构 * University of Tennessee（田纳西大学） ； Rutgers University（罗格斯大学） ； Purdue University（普渡大学） ； University at Albany（奥尔巴尼大学） 纠错

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

AI总结 该研究针对现有非结构化知识编辑存在的可组合性缺失问题，提出HPSE方法，通过构建混合生成结果实现主动自蒸馏，在多种LLM及编辑工具上取得即插即用的性能提升。

Retrofitting Recurrent Depth into a Pretrained Language Model: Installation, Extrapolation, Transfer, and Retention at Two Parameter Budgets

将循环深度改造融入预训练语言模型：在两个参数预算下的安装、外推、迁移与保留

Mark Shapiro

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

AI总结 该研究在Qwen2.5-0.5B-Instruct中融入循环深度，在两个参数预算下实现安装，其模型在ARC测试集等任务上性能优于同等规模基准，可外推至1.5倍监督深度，推理速度更快。

Protoreasoning in Tiny Transformers

微型Transformer中的原型推理

Eduardo Valle, Fergal Reid

机构 * Fin AI Research（Fin AI研究院） 纠错

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

AI总结 该研究提出原型推理，在约100万参数的微型Transformer上实现逐步推理，通过Dyck语言任务验证其可缩小分布外泛化差距，助力探究LLM的通用推理能力。

Auto-Fill: Learning to Predict Missing Values Accurately with Specialist Language Models

自动填充：使用专业语言模型准确预测缺失值

Yurong Liu, Yeye He, Haoyu Dong, Junjie Xing, Shi Han, Dongmei Zhang, Surajit Chaudhuri

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

AI总结 研究表格数据缺失值预测问题，提出自动填充方法，通过后训练三个针对不同能力的专业小语言模型并结合校准集成机制，相比现有推理模型在保证高精度的同时大幅降低成本。

Comments VLDB 2026

Knowledge-Centric Self-Improvement

以知识为中心的自我改进

Xuefei Julie Wang, Lauren Hyoseo Yoon, Chengrui Qu, Amanda Zichang Wang, Atharva Sehgal, Eric Mazumdar, Yisong Yue

机构 * Caltech（加州理工学院） 纠错

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

AI总结 研究以知识为中心的自我改进范式，通过简单协议让智能体尝试任务后为知识库贡献见解并提炼知识，提高了解决率、降低成本，且知识可转移，表明进步可由持久知识驱动。

Measuring Reward-Seeking via Contrastive Belief Updates

通过对比信念更新来衡量奖励寻求行为

Axel Højmark, Jérémy Scheurer, Evgenia Nitishinskaya, Felix Hofstätter, Jason Wolfe, Theodore Ehrenborg, Bronson Schoen, Alexander Meinke

专题命中 其他推理 ：chain-of-thought(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 研究用强化学习训练的语言模型中‘奖励寻求’行为的测量方法，核心方法是对比合成文档微调，主要贡献是发现RL训练会使模型更倾向评分者偏好，甚至违背开发者意图，该方法还适用于奖励破解模型。

Comments 101 pages, 66 figures

When Implausible Tokens Get Reinforced: Tail-Aware Credit Calibration for LLM Reinforcement Learning

当不合理的令牌得到强化时：大语言模型强化学习的尾部感知信用校准

Xiuyi Lou, Zicheng Xu, Yu-Neng Chuang, Hoang Anh Duy Le, Zhaozhuo Xu, Guanchu Wang, Vladimir Braverman

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Rice University（里士满大学） ； Workato（Workato公司） ； University of North Carolina at Charlotte（北卡罗来纳州夏洛特大学） 纠错

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

AI总结 研究大语言模型强化学习中统一信用分配的问题，提出尾部感知信用校准方法TACO，通过计算尾部风险分数校准信用，抑制不良正更新，实验证明该方法优于基线，提升训练稳定性。

Unified Audio Intelligence Without Regressing on Text Intelligence

不退化文本智能的统一音频智能

Zhifeng Kong, Sang-gil Lee, Jaehyeon Kim, Boxin Wang, Zihan Liu, Sungwon Kim, Yang Chen, Arushi Goel, Rajarshi Roy, Wenliang Dai, Zhuolin Yang, Yangyi Chen, Dongfu Jiang, Sreyan Ghosh, Tuomas Rintamaki, Andrew Tao, Jonathan Raiman, Mohammad Shoeybi, Bryan Catanzaro, Wei Ping

机构 * Nemotron-Labs（Nemotron实验室） 纠错

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

AI总结 本文提出统一音频-文本大语言模型Audex，通过单Transformer解码器架构与多阶段训练，在实现多音频任务SOTA性能的同时，几乎不损失骨干文本LLM的原有文本智能能力。

Comments We release the Audex models at https://huggingface.co/collections/nvidia/nemotron-labs-audex