Learning to Plan with Natural Language
专题命中 推理与问题求解 :large language model(abstract,comments);language model(abstract,comments);LLM(abstract);prompting(abstract)
Comments Large Language Model, Learning from feedback, Planning and Reasoning
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
专题命中 推理与问题求解 :large language model(abstract,comments);language model(abstract,comments);LLM(abstract);prompting(abstract)
Comments Large Language Model, Learning from feedback, Planning and Reasoning
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL
Comments 34 pages, 10 figures
专题命中 推理与问题求解 :LLM(title);large language model(abstract);language model(abstract);分类 cs.CL
专题命中 推理与问题求解 :prompting(title,abstract);language model(abstract);分类 cs.CL
专题命中 推理与问题求解 :foundation model(title,abstract);language model(abstract);分类 cs.AI
Comments EMNLP 2023
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL
Comments Accepted in EMNLP2023 Findings
专题命中 推理与问题求解 :prompting(title);large language model(abstract);language model(abstract);分类 cs.CL
Comments EMNLP 2023
专题命中 推理与问题求解 :LLM(title);large language model(abstract);language model(abstract);分类 cs.AI
Comments Accepted by ACM MM 2023
专题命中 推理与问题求解 :prompting(title);large language model(abstract);language model(abstract);分类 cs.CL
Comments Accepted by Findings of ACL 2023
专题命中 推理与问题求解 :prompting(title,abstract);language model(abstract);分类 cs.CL
专题命中 推理与问题求解 :prompting(title);large language model(abstract);language model(abstract);分类 cs.CL
Journal ref In Proceedings of the 46th International ACM SIGIR Conference on Research and Development in Information Retrieval (Short-Paper Track), 2023
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL
Comments Published as a conference paper at ICLR 2023
专题命中 推理与问题求解 :prompting(title,abstract);language model(abstract);分类 cs.CL
Comments EMNLP 2022
专题命中 推理与问题求解 :language model(title,abstract);prompting(abstract);分类 cs.CL
Comments EMNLP-2022 Camera-Ready. Code will be available at https://github.com/sunlab-osu/IterPrompt
专题命中 推理与问题求解 :prompting(title,abstract);language model(abstract);分类 cs.CL
Comments ACL 2022 main conference
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL
专题命中 推理与问题求解 :language model(title,abstract);large language model(abstract);分类 cs.CL
Comments NAACL 2022
意图一目了然:通过基础模型实现的注视引导的机器人操作
机构 * University of California, Los Angeles(加州大学洛杉矶分校)
专题命中 推理与问题求解 :foundation model(title,abstract);language model(abstract)
AI总结 GAMMA通过结合基础模型和注视技术,实现无需特定任务训练的机器人操作自主控制,提升人机交互的直观性和可扩展性。
Comments Accepted to 2025 RSS Robot Planning in the Era of Foundation Models (FM4RoboPlan) Workshop
机构 * Anthropic Fellows Program(Anthropic Fellow项目) ; Constellation ; Anthropic
专题命中 推理与问题求解 :language model(title);pretraining(abstract);分类 cs.CL、cs.AI、cs.LG;LLM(comments)
Comments Version 2: updated related works section on LLM steganography
机构 * University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
专题命中 推理与问题求解 :language model(title,abstract);prompting(abstract);LLM(journal_ref)
Journal ref COLM 2025: First Workshop on the Application of LLM Explainability to Reasoning and Planning
机构 * Language Technology Lab, University of Amsterdam(阿姆斯特丹大学语言技术实验室) ; Computational Linguistics and Text Mining Lab, Vrije Universiteit Amsterdam(阿姆斯特丹自由大学计算语言学与文本挖掘实验室)
专题命中 推理与问题求解 :LLM(title);language model(abstract,comments);分类 cs.CL、cs.AI、cs.LG
Comments Second Conference on Language Modeling, 2025
专题命中 推理与问题求解 :language model(title,abstract);分类 cs.CL、cs.AI、cs.LG;foundation model(comments)
Comments Presented at NeurIPS 2022 Language and Reinforcement Learning Workshop (best paper) and NeurIPS 2022 Foundation Models for Decision Making Workshop. 4 pages main; 14 pages total (including references and appendix); 3 figures
通过安全方向惩罚缓解推理诱导的不一致性
机构 * University of Toronto(多伦多大学) ; King Abdullah University of Science and Technology(阿卜杜拉国王科技大学) ; University of Texas at Austin(德克萨斯大学奥斯汀分校)
专题命中 推理与问题求解 :LLM(summary_cn,abstract);分类 cs.CL、cs.AI
AI总结 针对推理微调引发LLM安全退化的RIM问题,本文提出安全方向惩罚(SDP)方法,通过定位安全决策层并惩罚安全方向位移,在Qwen2.5系列模型上实现安全与推理性能的平衡。
Comments 28 pages, 4 figures
利用半结构化数据增强大型语言模型(LLMs)在预测性政治问答(QA)中的表现
机构 * School of Computer Science and Engineering, Northeastern University(东北大学计算机科学与工程学院)
专题命中 推理与问题求解 :LLM(summary_cn,abstract);分类 cs.CL、cs.AI
AI总结 本研究针对预测性政治问答任务,提出双视图框架PSL,结合半结构化政治记录提取立场与结构信号,在三个真实数据集及多个LLM上均优于基线方法。
听、推理与分段:使大型音频语言模型(LALMs)与编辑判断对齐以实现媒体章节化
机构 * University of Surrey(萨里大学)
专题命中 推理与问题求解 :SFT(abstract,abstract_cn);language model(abstract);post-training(abstract);分类 cs.CL、cs.AI
AI总结 该研究针对LALMs在实际媒体章节化部署的不足,提出基于GRPO与CoT的AudioChaps框架,构建三类数据集,使AudioChaps-R1的平均F1较SOTA提升49个百分点,实现非结构化听觉流到结构化媒体的可靠转换。
Comments 19 pages, 9 figures, 8 tables
基于推理的稀疏数据用户个性化生成
机构 * Vanderbilt University(范德比尔特大学) ; Adobe Research(Adobe研究) ; Yale University(耶鲁大学) ; University of Oregon(俄勒冈大学)
专题命中 推理与问题求解 :LLM(abstract,abstract_cn);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI
AI总结 GraSPer通过预测用户未来交互并生成文本来增强稀疏上下文中的个性化生成,提升用户个性化输出质量。
StorySpark:面向故事前提生成的模块级进化搜索
机构 * The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) ; Renmin University of China(中国人民大学) ; Shandong University(山东大学) ; Institute of Deep Perception Technology, JITRI(JITRI深度感知技术研究院)
专题命中 推理与问题求解 :LLM(summary_cn,abstract);分类 cs.CL、cs.AI
AI总结 针对LLM故事生成中前提构思不足的问题,提出StorySpark模块级进化搜索框架,通过优化叙事模块生成更优质的故事前提,提升下游故事质量与创意性。
Comments 26 pages, 7 figures
大语言模型会照顾同类吗?相似性信号可诱导合作
专题命中 推理与问题求解 :LLM(summary_cn,abstract);分类 cs.CL、cs.AI
AI总结 该研究提出首个带分级相似性信号的LLM决策评估框架,发现不同LLM应对相似性信号差异大、数据集对诱导合作影响小等,构建的LLM-行为博弈论模型可在高相似性下支持合作均衡。
Comments 41 pages, 18 Figures, 4 Tables, 16 Listings
消息传递实现高效推理
机构 * Carnegie Mellon University(卡内基梅隆大学)
专题命中 推理与问题求解 :LLM(abstract,abstract_cn);large language model(abstract);language model(abstract);分类 cs.CL、cs.LG
AI总结 提出消息传递语言模型(MPLM),通过线程间直接通信和抢占机制,在Sudoku、3-SAT和长上下文问答任务中实现比串行CoT和并行FJ更高效的推理。
Comments COLM 2026