语言大模型 / LLM

Cross-lingual Collapse: How Language-Centric Foundation Models Shape Reasoning in Large Language Models

跨语言崩溃：语言中心化基础模型如何塑造大语言模型的推理

Cheonbok Park, Jeonghoon Kim, Joosung Lee, Sanghwan Bae, Jaegul Choo, Kang Min Yoo

机构 * NAVER Cloud（NAVER云） ； KAIST（韩国科学技术院） 纠错

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

AI总结 该研究探讨了多语言模型在长链思考中因语言中心化先验导致的推理能力下降问题，并提出通过语言一致性奖励等方法缓解这一现象。

Comments Preprint

Think$^{2}$: Grounded Metacognitive Reasoning in Large Language Models

Think$^{2}$: 大语言模型中的 grounded 元认知推理

Abraham Paul Elenjical, Vivek Hruday Kavuri, Vasudeva Varma

机构 * IIIT Hyderabad（IIIT海得拉尔） 纠错

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

AI总结 Think$^{2}$通过引入基于心理理论的元认知框架，提升大语言模型的自我诊断与纠正能力，显著提高推理准确性和可信度。

Can Large Language Models Replace Human Coders? Introducing ContentBench

大语言模型能取代人类程序员吗？引入ContentBench

Michael Haman

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

AI总结 本文通过ContentBench基准测试，评估低成本大语言模型在解释性编程任务中的表现，揭示其在高精度任务中的优势及在讽刺处理上的局限性。

Comments Project website: https://contentbench.github.io

Reasoning Capabilities of Large Language Models. Lessons Learned from General Game Playing

大语言模型的推理能力。从通用游戏玩法中获得的教训

Maciej Świechowski, Adam Żychowski, Jacek Mańdziuk

机构 * Grail Team（Grail团队） ； Warsaw University of Technology（华沙技术大学） ； AGH University of Krakow（克拉科夫AGH大学） 纠错

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

AI总结 本文通过通用游戏玩法任务评估大语言模型的推理能力，发现部分模型在多步骤任务中表现稳定，但随着任务复杂度增加性能下降。

ArabicNumBench: Evaluating Arabic Number Reading in Large Language Models

阿拉伯数字阅读基准：评估大型语言模型在阿拉伯数字阅读任务中的表现

Anas Alhumud, Abdulaziz Alhammadi, Muhammad Badruddin Khan

机构 * Imam Mohammad Ibn Saud Islamic University Saudi Arabia（伊玛目穆罕默德·本·沙特伊斯兰大学） 纠错

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

AI总结 阿拉伯数字基准评估大型语言模型在阿拉伯数字阅读任务中的表现，揭示不同提示策略和模型在准确率上的显著差异，指出结构化输出生成的挑战。

Bayesian Network Structure Discovery Using Large Language Models

利用大语言模型进行贝叶斯网络结构发现

Yinghuan Zhang, Yufei Zhang, Parisa Kordjamshidi, Zijun Cui

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Michigan State University（密歇根州立大学） 纠错

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

AI总结 本文提出了一种利用大语言模型进行贝叶斯网络结构发现的统一框架，支持数据自由和数据感知设置，在无数据场景下通过PromptBN生成完整DAG，在有数据时通过ReActBN进一步优化结构。

Comments Accepted to TMLR

Calibrating Large Language Models with Sample Consistency

通过样本一致性校准大型语言模型

Qing Lyu, Kumar Shridhar, Chaitanya Malaviya, Li Zhang, Yanai Elazar, Niket Tandon, Marianna Apidianaki, Mrinmaya Sachan, Chris Callison-Burch

机构 * University of Pennsylvania（宾夕法尼亚大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； Allen Institute for AI（人工智能研究院） 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

AI总结 通过样本一致性方法提升大型语言模型的校准效果，改进其预测置信度评估和性能表现。

Comments AAAI 2024

Incentivizing Agentic Reasoning in LLM Judges via Tool-Integrated Reinforcement Learning

通过工具集成强化学习激励LLM裁判的代理推理

Ran Xu, Jingjing Chen, Jiayu Ye, Yu Wu, Jun Yan, Carl Yang, Hongkun Yu

机构 * Emory University（埃默里大学） ； Google（谷歌） ； Google Cloud AI Research（谷歌云人工智能研究） 纠错

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

AI总结 TIR-Judge通过工具集成强化学习提升LLM裁判的推理能力，在多个基准测试中取得显著成效。

Comments ICLR 2026

Journal ref ICLR 2026

DSDR: Dual-Scale Diversity Regularization for Exploration in LLM Reasoning

DSDR：双尺度多样性正则化用于LLM推理中的探索

Zhongwei Wan, Yun Shen, Zhihao Dou, Donghao Zhou, Yu Zhang, Xin Wang, Hui Shen, Jing Xiong, Chaofan Tao, Zixuan Zhong, Peizhou Huang, Mi Zhang

机构 * The Ohio State University, USA（俄亥俄州立大学） ； Case Western Reserve University, USA（凯斯西储大学） ； The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Macquarie University, Australia（麦考瑞大学） ； University of Michigan, USA（密歇根大学） ； The University of Hong Kong, Hong Kong（香港大学） ； University College London, UK（伦敦大学学院） 纠错

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

AI总结 DSDR通过双尺度多样性正则化提升LLM推理中的探索能力，通过全局和局部正则化机制增强路径多样性，提高学习信号稳定性。

LLM-enabled Applications Require System-Level Threat Monitoring

依赖大语言模型的应用需要系统级威胁监控

Yedi Zhang, Haoyu Wang, Xianglin Yang, Jin Song Dong, Jun Sun

机构 * Department of Computer Science, National University of Singapore, Singapore（新加坡国立大学计算机科学系） ； School of Computing and Information Systems, Singapore Management University, Singapore（新加坡管理学院计算机与信息系统学院） 纠错

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

AI总结 本文主张对依赖大语言模型的应用进行系统级威胁监控，以应对由此带来的安全挑战和确保可靠操作。

Comments 26 pages

Seeing Clearly, Reasoning Confidently: Plug-and-Play Remedies for Vision Language Model Blindness

清晰可见，自信推理：用于视觉语言模型盲点的即插即用修复方法

Xin Hu, Haomiao Ni, Yunbei Zhang, Jihun Hamm, Zechen Li, Zhengming Ding

机构 * Department of Computer Science, Tulane University（路易斯安那大学计算机科学系） ； Department of Computer Science, University of Memphis（密苏里大学计算机科学系） 纠错

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

AI总结 本文提出一种无需微调的即插即用模块，通过细化视觉标记和丰富文本提示，提升VLM对罕见物体的推理能力。

Comments Accepted by CVPR 2026

MathScape: Benchmarking Multimodal Large Language Models in Real-World Mathematical Contexts

MathScape：在现实数学情境中评估多模态大语言模型

Hao Liang, Linzhuang Sun, Minxuan Zhou, Zirong Chen, Meiyi Qiang, Mingan Lin, Tianpeng Li, Fan Yang, Zenan Zhou, Wentao Zhang

机构 * Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nankai University（南开大学） ； Beijing Institute of Technology（北京理工大学） ； Baichuan Inc.（百度文心） 纠错

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

AI总结 MathScape是一个评估多模态大语言模型在现实数学情境中推理能力的新基准，揭示了现有模型在现实任务中的局限性。

Federated Reasoning Distillation Framework with Model Learnability-Aware Data Allocation

联邦推理蒸馏框架与模型可学习性感知的数据分配

Wei Guo, Siyuan Lu, Xiangdong Ran, Yiqi Tong, Yikun Ban, Zelong Xu, Jing Fan, Zixuan Huang, Xiao Zhang, Zhaojun Hu, Fuzhen Zhuang

机构 * Beihang University（北航） ； Heilongjiang University（黑龙江大学） ； Beijing University of Civil Engineering and Architecture（北京建筑大学） ； Yanshan University（燕山大学） ； Shandong University（山东大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 LaDa是一种联邦推理蒸馏框架，通过模型可学习性感知的数据分配和领域自适应推理蒸馏方法，解决双向模型可学习性差距和领域无关推理迁移问题。

MolReasoner: Toward Effective and Interpretable Reasoning for Molecular LLMs

MolReasoner：迈向分子大语言模型的有效且可解释的推理

Guojiang Zhao, Zixiang Lu, Yutang Ge, Sihang Li, Zheng Cheng, Haitao Lin, Lirong Wu, Hanchen Xia, Hengxing Cai, Wentao Guo, Hongshuai Wang, Mingjun Xu, Siyu Zhu, Guolin Ke, Linfeng Zhang, Zhifeng Gao

机构 * DP Technology, Beijing, China（DP技术有限公司） ； AI for Science Institute, Beijing, China（AI for Science研究院） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Fudan University, Shanghai, China（复旦大学） 纠错

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

AI总结 MolReasoner通过两阶段框架提升分子大语言模型的推理能力和可解释性，有效减少幻觉并提高生成质量。

Think2SQL: Reinforce LLM Reasoning Capabilities for Text2SQL

Think2SQL: 通过可验证奖励强化学习增强大语言模型的推理能力以实现文本到SQL

Simone Papicchio, Simone Rossi, Luca Cagliero, Paolo Papotti

机构 * Politecnico di Torino（托斯卡纳理工学院） ； EURECOM 纠错

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

AI总结 本文提出Think2SQL方法，通过可验证奖励强化学习增强大语言模型的推理能力，提升文本到SQL任务的性能。

Comments 26 pages, work in progress

HeatPrompt: Zero-Shot Vision-Language Modeling of Urban Heat Demand from Satellite Images

HeatPrompt: 从卫星图像进行零样本的城市热需求视觉-语言建模

Kundan Thota, Xuanhao Mu, Thorsten Schlachter, Veit Hagenmeyer

机构 * Institute for Automation and Applied Informatics (IAI), Karlsruhe Institute of Technology (KIT), Germany（自动化与应用信息研究所（IAI）、卡尔斯鲁厄理工学院（KIT）） 纠错

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

AI总结 HeatPrompt通过卫星图像和地理信息数据，利用零样本视觉语言模型估算城市热需求，提升预测精度并支持数据稀缺地区的热规划。

TAPE: Tool-Guided Adaptive Planning and Constrained Execution in Language Model Agents

TAPE: 语言模型代理中的工具引导自适应规划与约束执行

Jongwon Jeong, Jungtaek Kim, Kangwook Lee

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

AI总结 TAPE通过工具引导的自适应规划与约束执行方法，提升语言模型代理在复杂任务中的成功率，特别是在困难设置中表现显著优于现有框架。

Comments Preprint

Watermarking LLM Agent Trajectories

对LLM代理轨迹进行水印标记

Wenlong Meng, Chen Gong, Terry Yue Zhuo, Fan Zhang, Kecen Li, Zheng Liu, Zhou Yang, Chengkun Wei, Wenzhi Chen

机构 * Zhejiang University, China（浙江大学） ； University of Virginia, USA（弗吉尼亚大学） ； Alibaba Qwen, China（阿里巴巴通义实验室） ； University of Alberta, Canada（阿尔伯塔大学） 纠错

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

AI总结 本文提出ActHook，一种针对LLM代理轨迹数据集的水印方法，通过在决策点插入钩子动作实现可靠的黑盒检测，实验显示其在数学推理等任务中具有高检测精度且性能影响小。

Comments 20 pages, 9 figures

Can Vision-Language Models See Squares? Text-Recognition Mediates Spatial Reasoning Across Three Model Families

视觉-语言模型能识别正方形吗？文本识别在三种模型家族中介导空间推理

Yuval Levental

机构 * Rochester Institute of Technology（罗切斯特技术学院） 纠错

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

AI总结 本研究发现视觉-语言模型在处理非文本视觉元素时存在空间定位能力缺陷，文本识别性能显著优于其本机视觉路径。

Comments 9 pages, 3 figures, 2 tables. Workshop-length paper

To Reason or Not to: Selective Chain-of-Thought in Medical Question Answering

推理还是不推理：医学问答中的选择性推理

Zaifu Zhan, Min Zeng, Shuang Zhou, Yiran Song, Xiaoyi Chen, Yu Hou, Yifan Wu, Yang Ruan, Rui Zhang

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Minnesota（明尼苏达大学） ； Division of Computational Health Sciences, Department of Surgery（计算健康科学 division，外科系） ； Department of Computer Science and Engineering（计算机科学与工程系） ； Health Data Science, School of Public Health（公共卫生学院健康数据科学系） 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、cs.AI

AI总结 选择性推理通过动态调整推理深度和效率，提升医学问答的效率和准确性。

How to Allocate, How to Learn? Dynamic Rollout Allocation and Advantage Modulation for Policy Optimization

如何分配，如何学习？动态回放分配与优势调节用于策略优化

Yangyi Fang, Jiaye Lin, Xiaoliang Fu, Cong Qin, Haolin Shi, Chaowen Hu, Lu Pan, Ke Zeng, Xunliang Cai

机构 * Meituan（美团） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Peking University（北京大学） 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.AI、cs.LG

AI总结 DynaMO通过动态回放分配和梯度感知优势调节，优化策略学习中的资源分配与梯度更新稳定性，提升数学推理任务的性能。

Early Evidence of Vibe-Proving with Consumer LLMs: A Case Study on Spectral Region Characterization with ChatGPT-5.2 (Thinking)

早期证据表明使用消费者LLM进行Vibe-Proving：通过ChatGPT-5.2（Thinking）对频谱区域特征的案例研究

Brecht Verbeken, Brando Vagenende, Marie-Anne Guerry, Andres Algaba, Vincent Ginis

机构 * Data Analytics Lab, Vrije Universiteit Brussel（布鲁塞尔自由大学数据分析实验室） ； imec-SMIT, Vrije Universiteit Brussel（布鲁塞尔自由大学imec-SMIT） ； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） 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、cs.LG

AI总结 本文通过ChatGPT-5.2研究了LLM在数学证明中的应用，展示了其在高阶证明搜索中的有效性，并提出了LLM协助的局限性及改进方向。

Comments 41 pages

ML-Tool-Bench: Tool-Augmented Planning for ML Tasks

ML-Tool-Bench: 为机器学习任务增强的工具辅助规划

Yaswanth Chittepu, Raghavendra Addanki, Tung Mai, Anup Rao, Branislav Kveton

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Adobe Research（Adobe研究） 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、cs.LG

AI总结 本文提出ML-Tool-Bench，通过引入内存中的命名对象管理，评估工具增强的ML代理，改进了ReAct方法，提升了16.52个百分点。

An LLM-Enabled Frequency-Aware Flow Diffusion Model for Natural-Language-Guided Power System Scenario Generation

基于LLM的频率感知流扩散模型：用于自然语言引导的电力系统场景生成

Zhenghao Zhou, Yiyan Li, Fei Xie, Lu Wang, Bo Wang, Jiansheng Wang, Zheng Yan, Mo-Yuen Chow

专题命中 推理与问题求解 ：LLM(title,abstract)

AI总结 本文提出LLM赋能的频率感知流扩散模型，通过自然语言引导生成多样可控的电力系统场景，提升生成效率和质量。

QiMeng-CodeV-R1: Reasoning-Enhanced Verilog Generation

QiMeng-CodeV-R1: 基于推理增强的Verilog生成

Yaoyu Zhu, Di Huang, Hanqi Lyu, Xiaoyun Zhang, Chongxiao Li, Wenxuan Shi, Yutong Wu, Jianan Mu, Jinghua Wang, Yang Zhao, Pengwei Jin, Shuyao Cheng, Shengwen Liang, Xishan Zhang, Rui Zhang, Zidong Du, Qi Guo, Xing Hu, Yunji Chen

机构 * State Key Lab of Processors, Institute of Computing Technology, CAS（处理器国家重点实验室，计算技术研究所，中国科学院） 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.LG

AI总结 QiMeng-CodeV-R1通过改进的RLVR框架，实现了基于推理增强的Verilog生成，提升了硬件描述语言生成的准确性和效率。

Adaptive Multi-Agent Reasoning for Text-to-Video Retrieval

自适应多智能体推理用于文本到视频检索

Jiaxin Wu, Xiao-Yong Wei, Qing Li

机构 * Shenzhen University（深圳大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） 纠错

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

AI总结 本文提出自适应多智能体框架，通过动态协调检索、推理和查询重述智能体，提升文本到视频检索的零样本跨模态对齐与复杂查询处理能力。

Adaptive Collaboration of Arena-Based Argumentative LLMs for Explainable and Contestable Legal Reasoning

面向可解释和可争议法律推理的 Arena 基础论证 LLM 自适应协作

Hoang-Loc Cao, Phuc Ho, Truong Thanh Hung Nguyen, Phuc Truong Loc Nguyen, Dinh Thien Loc Nguyen, Hung Cao

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 ACAL通过自适应多智能体协作和 Arena 基础论证框架，提升法律推理的可解释性和可争议性，实验证明其在效率和透明度上的优势。

RewardMap: Tackling Sparse Rewards in Fine-grained Visual Reasoning via Multi-Stage Reinforcement Learning

RewardMap: 通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励

Sicheng Feng, Kaiwen Tuo, Song Wang, Lingdong Kong, Jianke Zhu, Huan Wang

机构 * Westlake University（西湖大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 RewardMap通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励问题，提升多模态大语言模型的视觉理解和推理能力。

Comments ICLR 2026, website: https://fscdc.github.io/RewardMap/

VideoMind: A Chain-of-LoRA Agent for Temporal-Grounded Video Reasoning

VideoMind: 一种用于时序 grounded 视频推理的链式 LoRA 代理

Ye Liu, Kevin Qinghong Lin, Chang Wen Chen, Mike Zheng Shou

机构 * The Hong Kong Polytechnic University（香港理工大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 VideoMind 提出了一种基于角色的链式 LoRA 机制，用于提升视频时序 grounded 推理的效率与灵活性。

Comments ICLR 2026 Camera Ready

HEART: Emotionally-Driven Test-Time Scaling of Language Models

HEART: 语言模型在测试时的情感驱动扩展

Gabriela Pinto, Palash Goyal, Mihir Parmar, Yiwen Song, Souradip Chakraborty, Zifeng Wang, Jinsung Yoon, Tomas Pfister, Hamid Palangi

机构 * Google（谷歌） ； University of Southern California（南加州大学） 纠错

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

AI总结 HEART通过情感驱动的测试时扩展方法，提升语言模型在复杂任务中的推理能力与准确性。