语言大模型 / LLM

TangramPuzzle: Evaluating Multimodal Large Language Models with Compositional Spatial Reasoning

TangramPuzzle: 通过组合空间推理评估多模态大语言模型

Daixian Liu, Jiayi Kuang, Yinghui Li, Yangning Li, Di Yin, Haoyu Cao, Xing Sun, Ying Shen, Hai-Tao Zheng, Liang Lin, Philip S. Yu

机构 * Tsinghua University（清华大学） ； Sun-Yat Sen University（孙逸人大学） ； Tencent Youtu Lab（腾讯优图实验室） ； University of Illinois Chicago（伊利诺伊大学香槟分校） 纠错

专题命中 推理与问题求解 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 TangramPuzzle通过几何基准测试评估多模态大语言模型的组合空间推理能力，发现模型在匹配轮廓时忽视几何约束，导致碎片变形。

Towards Reasoning for PDE Foundation Models: A Reward-Model-Driven Inference-Time-Scaling Algorithm

面向PDE基础模型的推理：一种基于奖励模型的推理时扩展算法

Siddharth Mansingh, James Amarel, Ragib Arnab, Arvind Mohan, Kamaljeet Singh, Gerd J. Kunde, Nicolas Hengartner, Benjamin Migliori, Emily Casleton, Nathan A. Debardeleben, Ayan Biswas, Diane Oyen, Earl Lawrence

机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） 纠错

专题命中 推理与问题求解 ：foundation model(title,abstract)；large language model(abstract)；language model(abstract)；pretraining(abstract)

AI总结 本文提出了一种基于奖励模型的推理时扩展算法，用于提升PDE基础模型在分布外情况下的预测准确性，减少对训练样本和模型规模的依赖。

LLMs Got Rhythm? Hybrid Phonological Filtering for Greek Poetry Rhyme Detection and Generation

LLMs Got Rhythm? 希腊诗歌押韵检测与生成的混合语音过滤

Stergios Chatzikyriakidis, Anastasia Natsina

专题命中 推理与问题求解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文提出混合语音学算法与LLMs结合，解决希腊诗歌押韵检测与生成问题，通过验证循环提升性能至73.1%。

M3Kang: Evaluating Multilingual Multimodal Mathematical Reasoning in Vision-Language Models

M3Kang: 评估视觉-语言模型在多语言多模态数学推理中的表现

Aleix Torres-Camps, Nathaniel Mitrani Hadida, Víctor Conchello Vendrell, Àlex Batlle Casellas, Arnau Padrés Masdemont, Jordi Ros-Giralt

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 M3Kang是一个大规模多语言多模态数学推理数据集，用于评估视觉-语言模型在多语言数学推理中的表现，通过基准测试揭示模型在基础数学和图表推理上的不足，并展示多语言技术在多模态设置中的有效性。

Comments 10 pages, 8 figures

Reasoning Promotes Robustness in Theory of Mind Tasks

推理促进理论思维任务的鲁棒性

Ian B. de Haan, Peter van der Putten, Max van Duijn

机构 * LIACS, Leiden University（莱顿大学人工智能与计算科学研究所） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.CL、cs.AI

AI总结 本文研究了推理导向的LLMs在理论思维任务中的鲁棒性，发现其在提示变化和任务扰动中表现更稳定，认为鲁棒性提升源于解决正确问题的能力增强而非新的推理形式。

Comments 14 pages, 2 figures

Bridging Expert Reasoning and LLM Detection: A Knowledge-Driven Framework for Malicious Packages

弥合专家推理与大语言模型检测：一种基于知识的恶意包检测框架

Wenbo Guo, Shiwen Song, Jiaxun Guo, Zhengzi Xu, Chengwei Liu, Haoran Ou, Mengmeng Ge, Yang Liu

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 IntelGuard通过整合专家推理与大语言模型，实现高准确率的恶意包检测，发现54个未报告恶意包。

Doc2AHP: Inferring Structured Multi-Criteria Decision Models via Semantic Trees with LLMs

Doc2AHP: 通过语义树利用LLMs推断结构化的多准则决策模型

Hongjia Wu, Shuai Zhou, Hongxin Zhang, Wei Chen

机构 * State Key Laboratory of CAD&CG（计算机辅助设计与图形学国家重点实验室） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 Doc2AHP通过结合AHP原理和LLMs，实现结构化多准则决策模型的高效推断，提升决策模型的逻辑完整性和准确性。

Mixing Expert Knowledge: Bring Human Thoughts Back To the Game of Go

融合专家知识：将人类思维带回围棋游戏

Yichuan Ma, Linyang Li, Yongkang Chen, Peiji Li, Jiasheng Ye, Qipeng Guo, Dahua Lin, Kai Chen

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 LoGos通过融合围棋专家知识与通用推理能力，实现了在围棋领域的专业水平表现，展示了自然语言推理和战略决策能力。

Comments Accepted to NeurIPS 2025

Intention Collapse: Intention-Level Metrics for Reasoning in Language Models

意图坍缩：语言模型推理中的意图级度量

Patricio Vera

机构 * School of Engineering and Applied Science（工程与应用科学学院） ； George Washington University（乔治·华盛顿大学） 纠错

专题命中 推理与问题求解 ：language model(title)；分类 cs.CL、cs.AI

AI总结 研究提出意图级度量用于评估语言模型推理性能，通过意图熵、有效维度和可恢复性分析CoT方法的效果差异。

Comments 41 pages, 8 figures, 6 tables. Code: https://github.com/patriciomvera/intention-collapse-experiments

SoundBreak: A Systematic Study of Audio-Only Adversarial Attacks on Trimodal Models

SoundBreak: 对三模态模型上仅音频对抗攻击的系统研究

Aafiya Hussain, Gaurav Srivastava, Alvi Ishmam, Zaber Hakim, Chris Thomas

机构 * Department of Computer Science, Virginia Tech, USA（计算机科学系，弗吉尼亚理工大学） 纠错

专题命中 推理与问题求解 ：language model(abstract)；foundation model(abstract)；分类 cs.CL、cs.AI、cs.LG

AI总结 SoundBreak研究了对三模态模型的仅音频对抗攻击，发现音频扰动可导致严重多模态失败，攻击成功率高达96%，并揭示了多模态系统中被忽视的单模态攻击面。

SafeThinker: Reasoning about Risk to Deepen Safety Beyond Shallow Alignment

SafeThinker: 通过风险推理深化安全对齐

Xianya Fang, Xianying Luo, Yadong Wang, Xiang Chen, Yu Tian, Zequn Sun, Rui Liu, Jun Fang, Naiqiang Tan, Yuanning Cui, Sheng-Jun Huang

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Didi International Business Group（滴滴国际商务集团） ； Institute for AI, Tsinghua University（清华大学人工智能研究院） ； Nanjing University of Information Science & Technology（南京信息科学技术大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 SafeThinker通过动态分配防御资源，有效提升模型对伪装攻击的防御能力，同时保持实用性。

ResAgent: Entropy-based Prior Point Discovery and Visual Reasoning for Referring Expression Segmentation

ResAgent：基于熵的先验点发现与视觉推理的指称表达分割

Yihao Wang, Jusheng Zhang, Ziyi Tang, Keze Wang, Meng Yang

机构 * Sun Yat-sen University（中山大学） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 ResAgent通过熵引导的点发现和视觉推理方法，提升指称表达分割的准确性与效率。

Comments 23 pages, 7gigures

Towards Open-World Retrieval-Augmented Generation on Knowledge Graph: A Multi-Agent Collaboration Framework

面向知识图谱的开放世界检索增强生成：一种多智能体协作框架

Jiasheng Xu, Mingda Li, Yongqiang Tang, Peijie Wang, Wensheng Zhang

机构 * School of Computer Science and Cyber Engineering（计算机科学与网络工程学院） ； Guangzhou University（广州大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

专题命中 推理与问题求解 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 AnchorRAG通过多智能体协作框架，在无需预定义锚实体的情况下提升开放世界检索增强生成的鲁棒性与准确性。

Shape of Thought: When Distribution Matters More than Correctness in Reasoning Tasks

思维的形状：当分布比正确性更重要时在推理任务中的表现

Abhranil Chandra, Ayush Agrawal, Arian Hosseini, Sebastian Fischmeister, Rishabh Agarwal, Navin Goyal, Aaron Courville

机构 * University of Waterloo（滑铁卢大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； MILA - Quebec AI Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Microsoft Research India（微软印度研究院） ； Google DeepMind（谷歌DeepMind） ； Periodic Labs（周期实验室） 纠错

专题命中 推理与问题求解 ：language model(abstract)；分类 cs.AI、cs.LG

AI总结 通过训练合成数据集中的链式思考轨迹，即使最终答案错误，也能提升语言模型的推理能力，表明分布比正确性更重要。

VMMU: A Vietnamese Multitask Multimodal Understanding and Reasoning Benchmark

VMMU：一个多任务多模态理解和推理基准

Vy Tuong Dang, An Vo, Emilio Villa-Cueva, Quang Tau, Duc Dm, Thamar Solorio, Daeyoung Kim

机构 * KAIST（韩国科学技术院） ； MBZUAI（慕布扎伊大学） 纠错

专题命中 推理与问题求解 ：language model(abstract)；分类 cs.CL、cs.LG

AI总结 VMMU是一个评估视觉语言模型在非英语环境下多模态理解和推理能力的基准，通过2500个多模态问题测试模型对视觉和文本信息的整合与推理能力。

Enhancing Study-Level Inference from Clinical Trial Papers via Reinforcement Learning-Based Numeric Reasoning

通过基于强化学习的数值推理增强临床试验论文的论文级别推断

Massimiliano Pronesti, Michela Lorandi, Paul Flanagan, Oisin Redmond, Anya Belz, Yufang Hou

机构 * IBM Research Europe - Ireland（IBM欧洲研究院-爱尔兰） ； Dublin City University（都柏林城市大学） ； IT:U Interdisciplinary Transformation University Austria（IT:U跨学科转型大学奥地利） 纠错

专题命中 推理与问题求解 ：SFT(abstract)；分类 cs.CL、cs.AI

AI总结 本研究通过强化学习和数值推理提升临床试验论文的论文级别推断，实现更准确的系统评价自动化。

Comments Accepted at EMNLP 2025 Main Conference. This revision corrects a minor typo in the camera-ready version

Spatial-Agent: Agentic Geo-spatial Reasoning with Scientific Core Concepts

空间智能体：基于科学核心概念的地理空间推理

Riyang Bao, Cheng Yang, Dazhou Yu, Zhexiang Tang, Gengchen Mai, Liang Zhao

机构 * Emory University（埃默里大学） ； Rutgers University（罗格斯大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.AI

AI总结 Spatial-Agent通过基于空间信息科学的理论框架，实现了可解释的地理空间推理，优于现有方法并产生可执行的工作流。

Comments 15pages, 4 figures

A Two-Stage GPU Kernel Tuner Combining Semantic Refactoring and Search-Based Optimization

一种结合语义重构和基于搜索的优化的双阶段GPU内核调优器

Qiuyi Qu, Yicheng Sui, Yufei Sun, Rui Chen, Xiaofei Zhang, Yuzhi Zhang, Haofeng Wang, Ge Lan

机构 * NanKai University（南开大学） ； Beijing Institute of Computer Technology and Applications（北京计算机技术与应用研究所） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.CL

AI总结 本文提出一种结合语义重构和基于搜索的双阶段GPU内核调优器，通过模板化和参数优化提升内核性能，实现更稳定和高质量的加速效果。

SimWorld: An Open-ended Realistic Simulator for Autonomous Agents in Physical and Social Worlds

SimWorld：一种用于物理和社会世界中自主代理的开放式真实模拟器

Jiawei Ren, Yan Zhuang, Xiaokang Ye, Lingjun Mao, Xuhong He, Jianzhi Shen, Mrinaal Dogra, Yiming Liang, Ruixuan Zhang, Tianai Yue, Yiqing Yang, Eric Liu, Ryan Wu, Kevin Benavente, Rajiv Mandya Nagaraju, Muhammad Faayez, Xiyan Zhang, Dhruv Vivek Sharma, Xianrui Zhong, Ziqiao Ma, Tianmin Shu, Zhiting Hu, Lianhui Qin

机构 * UCSD（加州大学圣地亚哥分校） ； UVA（弗吉尼亚大学） ； UIUC（伊利诺伊大学香槟分校） ； JHU（约翰·霍普金斯大学） ； Purdue（Purdue 大学） ； PolyU ； USC（美国南加州大学） ； UMich（密歇根大学） 纠错

专题命中 推理与问题求解 ：LLM(abstract)；分类 cs.AI

AI总结 SimWorld是一个基于Unreal Engine 5构建的开放式真实模拟器，旨在开发和评估LLM/VLM代理在复杂物理和社会环境中的能力，通过多代理配送任务验证其推理模式与局限性。

CLASH: Collaborative Large-Small Hierarchical Framework for Continuous Vision-and-Language Navigation

CLASH：协作式大-小层级框架用于连续视觉-语言导航

Liuyi Wang, Zongtao He, Jinlong Li, Ruihao Xia, Mengxian Hu, Chenpeng Yao, Chengju Liu, Yang Tang, Qijun Chen

机构 * Tongji University（同济大学） ； Key Laboratory of Smart Manufacturing in Energy Chemical Process, Ministry of Education, East China University of Science and Technology（能源化工过程智能制造重点实验室，教育部，东华大学） 纠错

专题命中 推理与问题求解 ：prompting(abstract)

AI总结 CLASH通过整合反应式小模型规划器与反思式大模型推理器，实现连续视觉-语言导航任务中的高效协作与鲁棒导航，显著提升任务性能和鲁棒性。