大模型推理能力

EvoAgentX: An Automated Framework for Evolving Agentic Workflows

Yingxu Wang, Siwei Liu, Jinyuan Fang, Zaiqiao Meng

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫莫德·本·扎耶德人工智能大学） ； University of Aberdeen（阿伯丁大学） ； University of Glasgow（格拉斯哥大学） 纠错

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

Medical priority fusion: achieving dual optimization of sensitivity and interpretability in nipt anomaly detection

Xiuqi Ge, Zhibo Yao, Yaosong Du

机构 * University of Electronic Science and Technology of China-Glasgow College（电子科技大学-格拉斯哥学院） 纠错

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

Comments 24 pages, 47 figures, publish to BIBM

DebFlow: Automating Agent Creation via Agent Debate

Jinwei Su, Yinghui Xia, Yiqun Duan, Jun Du, Jianuo Huang, Tianyu Shi, Lewei He

机构 * School of Artificial Intelligence, South China Normal University（人工智能学院，华南师范大学） ； University of Toronto（多伦多大学） 纠错

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

KAIO: A Collection of More Challenging Korean Questions

Nahyun Lee, Guijin Son, Hyunwoo Ko, Kyubeen Han

机构 * Chung-Ang University（Chung-Ang 大学） ； MODULABS ； OneLineAI ； Konkuk University（Konkuk 大学） 纠错

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

Comments 4 pages paper

From Understanding to Generation: An Efficient Shortcut for Evaluating Language Models

Viktor Hangya, Fabian Küch, Darina Gold

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

Comments Accepted to EMNLP 2025 (Main Conference)

V-Math: An Agentic Approach to the Vietnamese National High School Graduation Mathematics Exams

Duong Q. Nguyen, Quy P. Nguyen, Nguyen Van Nhon, Quang-Thinh Bui, H. Nguyen-Xuan

机构 * CIRTech Institute, HUTECH University, Ho Chi Minh City, Viet Nam（CIRTech研究院，HUTECH大学，胡志明市，越南） ； Faculty of Information Technology, HUTECH University, Ho Chi Minh City, Vietnam（信息科技学院，HUTECH大学，胡志明市，越南） ； Nguyen Thai Hoc High School, Gia Lai Province, Vietnam（Nguyen Thai Hoc高中，嘉莱省，越南） ； Office of Scientific Research, Technology Management and International Cooperation, Tien Giang University, Vietnam（科研办公室，技术管理与国际合作办公室，Tien Giang大学，越南） 纠错

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

Another Turn, Better Output? A Turn-Wise Analysis of Iterative LLM Prompting

Shashidhar Reddy Javaji, Bhavul Gauri, Zining Zhu

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

Inpainting-Guided Policy Optimization for Diffusion Large Language Models

Siyan Zhao, Mengchen Liu, Jing Huang, Miao Liu, Chenyu Wang, Bo Liu, Yuandong Tian, Guan Pang, Sean Bell, Aditya Grover, Feiyu Chen

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； Tsinghua University, College of AI（清华大学人工智能学院） ； MIT（麻省理工学院） 纠错

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

Comments preprint; 21 pages

Parallel-R1: Towards Parallel Thinking via Reinforcement Learning

Tong Zheng, Hongming Zhang, Wenhao Yu, Xiaoyang Wang, Runpeng Dai, Rui Liu, Huiwen Bao, Chengsong Huang, Heng Huang, Dong Yu

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

Comments Project website: https://zhengkid.github.io/Parallel_R1.github.io/

All for One: LLMs Solve Mental Math at the Last Token With Information Transferred From Other Tokens

Siddarth Mamidanna, Daking Rai, Ziyu Yao, Yilun Zhou

机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； George Mason University（乔治·马歇尔大学） ； Datadog AI Research（Datadog人工智能研究） 纠错

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

Comments EMNLP 2025 Main Conference

HOFT: Householder Orthogonal Fine-tuning

Alejandro Moreno Arcas, Albert Sanchis, Jorge Civera, Alfons Juan

机构 * MLLP group, Valencian Research Institute for Artificial Intelligence（瓦伦西亚人工智能研究 institute 的 MLLP 组） ； Universitat Politècnica de València, Spain（瓦伦西亚理工大学，西班牙） 纠错

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

Learning to Reason for Long-Form Story Generation

Alexander Gurung, Mirella Lapata

机构 * School of Informatics University of Edinburgh（信息学院爱丁堡大学） 纠错

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

Error Classification of Large Language Models on Math Word Problems: A Dynamically Adaptive Framework

Yuhong Sun, Zhangyue Yin, Xuanjing Huang, Xipeng Qiu, Hui Zhao

机构 * Software Engineering Institute, East China Normal University（东华师范大学软件工程研究院） ； School of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Shanghai Key Laboratory of Trustworthy Computing, Shanghai, China（上海可信计算关键实验室） 纠错

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

Comments 28 pages, 10 figures, accepted by Findings of EMNLP2025

Proof or Bluff? Evaluating LLMs on 2025 USA Math Olympiad

Ivo Petrov, Jasper Dekoninck, Lyuben Baltadzhiev, Maria Drencheva, Kristian Minchev, Mislav Balunović, Nikola Jovanović, Martin Vechev

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

Autoformalization in the Wild: Assessing LLMs on Real-World Mathematical Definitions

Lan Zhang, Marco Valentino, Andre Freitas

机构 * Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院） ； Idiap Research Institute（Idiap研究机构） ； National Biomarker Centre, CRUK Manchester Institute（国家生物标志物中心、CRUK曼彻斯特研究所） 纠错

专题命中 数学推理 ：self-correction(abstract)；分类 cs.CL

Comments EMNLP 2025 Camera-Ready Version

Hermes 4 Technical Report

Ryan Teknium, Roger Jin, Jai Suphavadeeprasit, Dakota Mahan, Jeffrey Quesnelle, Joe Li, Chen Guang, Shannon Sands, Karan Malhotra

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

HiVA: Self-organized Hierarchical Variable Agent via Goal-driven Semantic-Topological Evolution

Jinzhou Tang, Jusheng Zhang, Qinhan Lv, Sidi Liu, Jing Yang, Chengpei Tang, Keze Wang

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

Bitune: Leveraging Bidirectional Attention to Improve Decoder-Only LLMs

Dawid J. Kopiczko, Tijmen Blankevoort, Yuki M. Asano

机构 * Fundamental AI Lab University of Technology Nuremberg（基础人工智能实验室 汉诺威技术大学） 纠错

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

Thinking Before You Speak: A Proactive Test-time Scaling Approach

Cong Liu, Wenchang Chai, Hejun Wu, Yan Pan, Pengxu Wei, Liang Lin

机构 * Sun Yat-sen University（中山大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

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

Journal ref EMNLP 2025

fLSA: Learning Semantic Structures in Document Collections Using Foundation Models

Weijia Xu, Nebojsa Jojic, Nicolas Le Roux

机构 * Microsoft Research Redmond（微软研究院雷德蒙德） 纠错

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

Comments EMNLP 2025 Camera Ready

Dream 7B: Diffusion Large Language Models

Jiacheng Ye, Zhihui Xie, Lin Zheng, Jiahui Gao, Zirui Wu, Xin Jiang, Zhenguo Li, Lingpeng Kong

机构 * The University of Hong Kong（香港大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

Agent RL Scaling Law: Agent RL with Spontaneous Code Execution for Mathematical Problem Solving

Xinji Mai, Haotian Xu, Zhong-Zhi Li, Xing W, Weinong Wang, Jian Hu, Yingying Zhang, Wenqiang Zhang

机构 * Fudan University（复旦大学） ； Xiaohongshu（小红书） ； East China Normal University（华东师范大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

Too Easily Fooled? Prompt Injection Breaks LLMs on Frustratingly Simple Multiple-Choice Questions

Xuyang Guo, Zekai Huang, Zhao Song, Jiahao Zhang

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

G$^2$RPO-A: Guided Group Relative Policy Optimization with Adaptive Guidance

Yongxin Guo, Wenbo Deng, Zhenglin Cheng, Xiaoying Tang

机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, Guangdong（科学与工程学院，香港中文大学（深圳）） ； Alibaba Group（阿里巴巴集团） ； School of Engineering, Westlake University（工程学院，西湖大学） 纠错

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

Wisdom of the Crowd: Reinforcement Learning from Coevolutionary Collective Feedback

Wenzhen Yuan, Shengji Tang, Weihao Lin, Jiacheng Ruan, Ganqu Cui, Bo Zhang, Tao Chen, Ting Liu, Yuzhuo Fu, Peng Ye, Lei Bai

机构 * Shanghai AI Lab（上海AI实验室） 纠错

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

AdaptFlow: Adaptive Workflow Optimization via Meta-Learning

Runchuan Zhu, Bowen Jiang, Lingrui Mei, Fangkai Yang, Lu Wang, Haoxiang Gao, Fengshuo Bai, Pu Zhao, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

机构 * Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Microsoft（微软公司） ； Shanghai Jiaotong University（上海交通大学） 纠错

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

Can You Trick the Grader? Adversarial Persuasion of LLM Judges

Yerin Hwang, Dongryeol Lee, Taegwan Kang, Yongil Kim, Kyomin Jung

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

Comments 19 pages, 8 figures

Large Language Models Don't Make Sense of Word Problems. A Scoping Review from a Mathematics Education Perspective

Anselm R. Strohmaier, Wim Van Dooren, Kathrin Seßler, Brian Greer, Lieven Verschaffel

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

Comments v2: added analyses for GPT-5, also leading to small adjustments in the text, no major new interpretations

Echo Chamber: RL Post-training Amplifies Behaviors Learned in Pretraining

Rosie Zhao, Alexandru Meterez, Sham Kakade, Cengiz Pehlevan, Samy Jelassi, Eran Malach

机构 * Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） 纠错

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

Comments COLM 2025

Large Language Model's Multi-Capability Alignment in Biomedical Domain

Wentao Wu, Linqing Chen, Hanmeng Zhong, Weilei Wang

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