PIVOT: Preference-based Intervention Vectors for Pedagogical Tutor Steering
PIVOT：用于教学导师引导的基于偏好的干预向量
专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；prompting(abstract)；分类 cs.AI
AI总结 研究针对LLM对话辅导缺乏教学策略推理时控制的问题，提出PIVOT框架，通过偏好干预向量实现导师动作控制，在用户研究中获多数教师认可。
AI 大模型
语言大模型 / LLM
大语言模型、预训练、指令微调、后训练和语言模型应用。
1. 推理与问题求解 18936 篇
Sparks of Cooperative Reasoning: LLMs as Strategic Hanabi Agents
合作推理的火花：LLMs作为战略汉诺塔代理
专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；instruction tuning(abstract)；分类 cs.CL
AI总结 本文研究了在不完全信息下多智能体系统的合作推理挑战，通过汉诺塔游戏评估不同LLM模型在策略沟通和状态跟踪中的表现，展示了模型在协作游戏中的改进效果。
MiraMind: Benchmarking Reliable Mental Health Reasoning beyond Answer Accuracy
MentraSuite：面向心理健康推理与评估的训练后大语言模型
机构 * School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； Center for Language and Information Research, Wuhan University（武汉大学语言信息研究中心） ； The University of Manchester（曼彻斯特大学） ； School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； Mount Holyoke College（马歇尔学院） ； Hefei University of Technology（合肥工业大学）
专题命中 推理与问题求解 ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；post-training(abstract)
AI总结 MentraSuite通过训练后模型Mindora，提升心理健康推理的可靠性与一致性，适用于复杂的心理健康评估与诊断场景。
Disentangling 3D Modeling from Spatial Reasoning
将3D建模与空间推理解耦
专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG
AI总结 该研究提出解耦空间推理器（DiSR）框架，将3D感知与LLM推理解耦，在空间推理基准上取得竞争力性能，兼具可解释性、模块化性与计算效率，为空间智能提供替代范式。
Clinician input steers AI toward accurate and harmful recommendations
临床输入引导前沿AI模型做出准确和有害的决策
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 研究评估了临床输入如何影响AI模型在诊断生成和下一步建议中的表现，发现专家上下文显著提升诊断准确性，而对抗性上下文导致诊断退化，且模型在多轮对话中表现出不同的特性。
Learning to Diagnose and Correct Moral Errors: Beyond Shallow Heuristics in Moral Alignment
学习诊断和纠正错误：大型语言模型中的道德敏感性获取
机构 * University of Mississippi（密西根州立大学） ； Nanyang Technological University（南洋理工大学） ； Northeastern University（东北大学） ； AWS AI Labs（AWS AI实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Qualcomm（高通） ； Michigan State University（密西根州立大学） ； Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）
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 提出一种实用推理方法，通过让大型语言模型诊断和纠正道德错误来获取道德敏感性，并在多个任务上验证了其有效性。
FLARE: Few-shot Learning-based Adaptive Reflective Engine
FLARE：基于小样本学习的自适应反思引擎
机构 * Microsoft（微软）
专题命中 推理与问题求解 ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 本研究提出FLARE框架，利用小样本学习与反思机制优化指令，在多基准任务中优于GEPA，数据效率更高且稳定性更强，凸显小样本学习策略优化对提升LLM性能的重要性。
Which Modality Decides? Counterfactual Modality Attribution for Multimodal LLMs
哪种模态起决定作用？多模态大语言模型的反事实模态归因
专题命中 推理与问题求解 ：large language model(abstract,abstract_cn)；language model(abstract,abstract_cn)；foundation model(abstract)；分类 cs.AI
AI总结 该研究针对多模态大语言模型无法确定预测驱动模态的问题，提出反事实模态归因（CMA）框架，经实验验证其能准确识别决策驱动模态，可用于多模态模型的安全审计。
Comments 9 pages, 5 figures
Distilling Reasoning Traces into Advisory Prompts for Software Engineering Tasks
将推理痕迹提炼为软件工程任务的建议提示词
专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；language model(abstract)；分类 cs.AI
AI总结 本文受编程学习过程启发，提出将LLM推理痕迹提炼为建议提示词的方法，可减少LLM代码错误，部分提示词还能跨模型迁移，同时明确了方法适用场景。
TokenSwap: Benchmarking and Reducing the Modality Gap in Multimodal LLMs
TokenSwap：多模态大语言模型中模态差距的基准测试与缩减
机构 * University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Google DeepMind（谷歌DeepMind）
专题命中 推理与问题求解 ：large language model(abstract,abstract_cn)；language model(abstract,abstract_cn)；prompting(abstract)；分类 cs.CL
AI总结 本文提出TokenSwap方法构建基准TokenSwap-Bench，发现42个多模态大语言模型普遍存在模态差距，推理模型差距更小，训练中引入TokenSwap可有效缓解该差距。
Multimodal Reinforcement Learning with Adaptive Verifier for AI Agents
具有自适应验证器的多模态强化学习
机构 * Microsoft Research（微软研究院） ； UMass Amherst（马萨诸塞大学阿默斯特分校） ； ETH Zurich（苏黎世联邦理工学院） ； UW–Madison（威斯康星大学麦迪逊分校）
专题命中 推理与问题求解 ：SFT(summary_cn,abstract)；post-training(abstract)；分类 cs.AI
AI总结 本文提出Argos验证器，通过结合SFT数据筛选与RL训练，提升多模态推理模型在空间推理、视觉幻觉及机器人任务中的性能，同时减少奖励黑客问题。
WhisperRec: Latent Reasoning for Efficient Foundation Recommendation Models
WhisperRec：用于高效基础推荐模型的潜在推理方法
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；post-training(abstract)
AI总结 WhisperRec是一种高效潜在推理框架，通过将教师CoT压缩为可学习潜在标记，在快手数据集上优于显式CoT方法，SID@64提升显著且推理吞吐量更高。
A Reference-Free Score for Detecting Silent Reasoning Failures in Large Language Models
检测大语言模型中沉默推理失败的无参考分数
专题命中 推理与问题求解 ：large language model(title)；language model(title)；分类 cs.AI
AI总结 该研究针对大语言模型数学思维链评估的推理-答案一致性差距问题，提出无参考的RAFS分数，结合多维度指标诊断沉默推理与答案提取错误，相关研究在GSM8K、MATH数据集上开展验证。
REFACT: Adaptive Fact Restatement for Compact and Faithful Chain-of-Thought Reasoning
REFACT：用于紧凑且忠实的思维链推理的自适应事实重述
机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学）
专题命中 推理与问题求解 ：SFT(abstract,abstract_cn)；LLM(abstract)；large language model(abstract)；language model(abstract)
AI总结 研究复杂任务中语言模型推理轨迹易偏离上下文的问题，提出REFACT自适应事实重述框架，经两阶段优化，实验证明其能提升长上下文问答等能力，减少令牌消耗，保留更多证据使推理轨迹更优。
Stress-testing large language model agents in a robotic chemistry laboratory
在机器人化学实验室中对大型语言模型智能体进行压力测试
专题命中 推理与问题求解 ：large language model(title)；language model(title)；分类 cs.AI
AI总结 研究以机器人化学实验室为测试平台，使科学智能可衡量，通过4608次试验发现工作流程执行率低、长期规划有挑战，反馈促使局部调整，提供了部署评估及改进诊断框架。
Reason Popper-ly: Patching In-Context Reasoning with Inductive Logic Programming
合理地运用波普尔方法：用归纳逻辑编程修补上下文推理
机构 * Vanderbilt University（范德堡大学）
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 研究针对思维链提示中间步骤逻辑不合理问题，提出Reason Popper-ly框架，用归纳逻辑编程学习规则作在线验证器校正步骤，在CLUTRR基准测试中提升了模型准确率，还产生细粒度错误分类法，优于完全外部符号管道。
Comments Accepted at the 20th Conference on Neurosymbolic Learning and Reasoning
Lost in Context: Addressing Context Anxiety in Large Language Models
迷失在上下文中：解决大语言模型中的上下文焦虑
专题命中 推理与问题求解 ：large language model(title)；language model(title)；分类 cs.AI
AI总结 研究大语言模型中因过早自我怀疑导致的上下文焦虑，通过系统研究发现其部分源于对完成任务所需tokens估计不准，会致效率损失，还表明模型可学替代策略，性能提升或可通过提高评估与适应自身局限能力实现。
Comments Accepted at ICML 2026. 17 pages
From Chatbot to Digital Colleague: The Paradigm Shift Toward Persistent Autonomous AI
从聊天机器人到数字同事：向持久自主人工智能的范式转变
专题命中 推理与问题求解 ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI
AI总结 本文提出LLM从聊天机器人向数字同事的范式转变，通过认知核心（思考型LLM）和工具增强任务执行（OpenClaw工作站系统）两个维度，实现持久工作、状态持久化、可重用技能和自改进能力。
Comments The paper is available on the project website: https://from-chatbot-to-digital-colleague.github.io/
CUSUM-Shaped Inference-Time Monitoring and Targeted Re-Decoding for Quantized Small Language Model Reasoning
用于量化小语言模型推理的CUSUM形状的推理时间监测和目标重解码
机构 * Novelis Research（诺贝丽斯研究中心）
专题命中 推理与问题求解 ：language model(title)；small language model(title)；分类 cs.AI
AI总结 研究量化小语言模型推理时轨迹问题，提出MGT - B方法，通过映射窗口到概率、累积因子等操作监测并响应警报，经实验得出该方法对特定设置有一定效果，支持选择性监测与修复机制。
Taxonomy-Targeted Error Generation for Quantitative Reasoning
错误作为透镜：通过合成误解生成探究LLM推理
机构 * CUNY Graduate Center（纽约大学研究生中心） ； CUNY Queens College（纽约市立大学皇后学院）
专题命中 推理与问题求解 ：LLM(title_cn,summary_cn)；分类 cs.CL
AI总结 提出一个框架，通过生成针对Bloom分类学五类错误的合成误解，以诊断LLM推理能力，并发现目标错误生成比自由形式错误生成更难。
MASTE: A Multi-Agent Pipeline for Zero-Shot Aspect Sentiment Triplet Extraction
MASTE：一种用于零样本方面情感三元组提取的多智能体管道
机构 * Tsinghua University（清华大学） ； Wuhan University（武汉大学）
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 研究针对方面情感三元组提取问题，提出多智能体管道MASTE，将其分解为四个阶段，由专门智能体处理不同子任务，实现完全无训练的零样本提取，在多个基准测试中显著优于基线，缩小与全监督方法差距。
Beyond Skepticism: Evaluating LLMs Pedagogical Intent Reasoning with the Adaptive Pedagogical Vigilance Framework
超越怀疑：用自适应教学警觉框架评估大语言模型的教学意图推理
机构 * Zhejiang University（浙江大学）
专题命中 推理与问题求解 ：LLM(summary_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 提出自适应教学警觉（APV）框架，通过贝叶斯教学意图推理引擎建模教学选择与学习者推理，显著提升LLM区分教学与暴露内容的能力，与人类判断高度相关。
Comments 22 pages
TerraBench: Can Agents Reason Over Heterogeneous Earth-System Data?
TerraBench: 智能体能否对异构地球系统数据进行推理？
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；foundation model(abstract)
AI总结 提出TerraBench基准，基于TerraAgent框架，通过结合大语言模型规划与科学工具，实现跨网格数据、卫星图像、地理空间和模拟器的交互式推理，包含403个任务和24,500个执行步骤。
How LLMs See Creativity: Zero-Shot Scoring of Visual Creativity with Interpretable Reasoning
LLM如何看待创造力：具有可解释推理的视觉创造力零样本评分
机构 * Harvard University（哈佛大学） ； Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 推理与问题求解 ：LLM(title_cn,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL
AI总结 研究多模态大模型能否零样本评估视觉创造力，并分析其推理过程的可解释性。实验表明模型评分与人类高度一致，但推理并未提升评分准确性。
Comments 21 pages, 9 figures
AlgoSkill: Learning to Design Algorithms by Scheduling Human-Like Skills
AlgoSkill: 通过调度类人技能学习设计算法
机构 * Emory University（埃默里大学） ； The University of Tokyo（东京大学） ； LocationMind
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 提出AlgoSkill框架，将算法设计建模为基于类型化技能库的序列决策，通过MCTS和验证反馈调度技能，在竞赛编程和组合优化任务上优于直接生成和自优化方法。
Comments Under Review
Riazi-8B: An Urdu Large Language Model for Mathematical Reasoning
Riazi-8B：用于数学推理的乌尔都语大语言模型
机构 * School of Electrical Engineering and Computer Science (SEECS)（电气工程与计算机科学学院） ； National University of Sciences and Technology (NUST)（国家科学与技术大学） ； Department of Communication, Quality Management and Information Systems（通信、质量管理与信息系统系） ； Mid Sweden University（中瑞典大学）
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 针对乌尔都语数学推理资源匮乏的问题，提出Riazi-8B模型，通过乌尔都语维基百科继续预训练和GSM8K链式思维数据微调，在MGSM-乌尔都语基准上显著提升答案正确性和推理质量。
Polaris: A Gödel Agent Framework for Small Language Models through Experience-Abstracted Policy Repair
Polaris：通过经验抽象策略修复实现小型语言模型的Gödel代理框架
机构 * TCS Research, India（印度TCS研究）
专题命中 推理与问题求解 ：language model(title)；small language model(title)；分类 cs.LG
AI总结 Polaris通过经验抽象策略修复实现小型语言模型的Gödel代理框架，通过分析、策略形成、抽象和最小代码修补实现策略更新，提升模型在多个基准测试中的表现。
Comments Accepted to ACL 2026 (Findings). 33 pages
Cycle-Consistent Neural Explanation of Formal Verification Certificates
形式验证证书的循环一致性神经解释
机构 * J.P. Morgan AI Research（摩根大通人工智能研究院）
专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；prompting(abstract)；分类 cs.AI
AI总结 提出循环一致性神经架构，通过前向和逆向网络结合符号验证器，生成忠实于形式验证证书的自然语言解释，在金融合规领域测试中达到90.0%的循环验证正确性，比多LLM基线高13.9个百分点。
Comments 15 pages of main text
VeryTrace: Verifying Reasoning Traces through Compilable Formalism and Structured Verification
VeryTrace: 通过可编译形式化与结构化验证验证推理轨迹
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology, USA（佐治亚理工学院电子与计算机工程学院） ； Department of Electrical and Computer Engineering, Bogazici University, Turkey（博亚奇大学电子与计算机工程系）
专题命中 推理与问题求解 ：LLM(summary_cn,abstract)；prompting(abstract)；分类 cs.AI
AI总结 提出VeryTrace框架，将自然语言推理轨迹形式化为可编译的领域特定语言（DSL），结合确定性检查与LLM审计进行混合验证，实现步骤级错误定位与修复，在数学、机器人规划、亲属推理任务上提升准确率。
Comments Accepted at LM4Plan Workshop @ ICML 2026
GR2: Generative Reasoning Re-ranker
生成式推理重排序器
机构 * Meta AI
专题命中 推理与问题求解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)
AI总结 提出GR2框架，利用大语言模型的推理能力进行推荐重排序，通过语义ID编码、推理轨迹监督微调和强化学习优化，在Recall@5和NDCG@5上超越现有方法。
Comments 31 pages
