语言大模型 / LLM

Induce, Align, Predict: Zero-Shot Stance Detection via Cognitive Inductive Reasoning

诱导、对齐、预测：通过认知归纳推理实现零样本立场检测

Bowen Zhang, Jun Ma, Fuqiang Niu, Li Dong, Jinzhou Cao, Genan Dai

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CIRF框架，通过认知归纳推理实现零样本立场检测，实现高效且可解释的推理，在低资源环境下取得新突破。

Comments Accepted at AAAI 2026

UniPACT: A Multimodal Framework for Prognostic Question Answering on Raw ECG and Structured EHR

UniPACT：一种多模态框架，用于基于原始ECG和结构化EHR的预后问题回答

Jialu Tang, Tong Xia, Yuan Lu, Aaqib Saeed

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 UniPACT通过多模态融合和结构化提示机制，实现对ECG和EHR的预后问题回答，取得优异的AUROC性能。

Comments Accepted to IEEE ICASSP 2026

SymCode: A Neurosymbolic Approach to Mathematical Reasoning via Verifiable Code Generation

SymCode：通过可验证代码生成实现数学推理的神经符号方法

Sina Bagheri Nezhad, Yao Li, Ameeta Agrawal

机构 * Portland State University（波特兰州立大学） ； ElastixAI 纠错

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 SymCode通过可验证代码生成实现数学推理，显著提升准确性并增强模型的透明度和可靠性。

Comments camera-ready EACL 2026 Findings

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%。

StrucSum: Graph-Structured Reasoning for Long Document Extractive Summarization with LLMs

StrucSum: 图结构推理用于基于LLM的长文档提取式摘要

Haohan Yuan, Sukhwa Hong, Haopeng Zhang

机构 * ALOHA Lab, University of Hawaii at Manoa（夏威夷大学曼纳亚分校ALOHA实验室） ； University of Hawaii at Hilo（夏威夷大学希洛分校） 纠错

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 StrucSum通过图结构推理提升基于LLM的长文档提取式摘要质量，有效增强文档结构建模与关键信息识别能力。

Comments 14 pages. Accepted by the findings of EACL 2026

Interpretable Probability Estimation with LLMs via Shapley Reconstruction

通过Shapley重构实现LLM的可解释概率估计

Yang Nan, Qihao Wen, Jiahao Wang, Pengfei He, Ravi Tandon, Yong Ge, Han Xu

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 PRISM通过Shapley值重构提升LLM概率估计的透明性和准确性，适用于金融、医疗等多个领域。

Recursive Knowledge Synthesis for Multi-LLM Systems: Stability Analysis and Tri-Agent Audit Framework

多LLM系统的递归知识合成：稳定性分析与三代理审计框架

Toshiyuki Shigemura

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出三代理框架用于多LLM系统稳定性分析，通过递归知识合成实现安全可靠的知识生成。

Comments 25 pages, 9 figures. Pilot feasibility study using public-access large language models without API-level orchestration

IFDNS: An Iterative Feedback-Driven Neuro-Symbolic Method for Faithful Logical Reasoning

IFDNS: 一种迭代反馈驱动的神经符号方法用于忠实的逻辑推理

Xiaoheng Wang, Tongxuan Liu, Zi Gong, Xianzhe Dong, Yuting Zeng, Minhan Hu, Weizhe Huang, Jing Li

机构 * College of Computer Science and Technology, University of Science and Technology of China（计算机科学与技术学院，中国科学技术大学） 纠错

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 IFDNS通过迭代反馈机制提升LLM逻辑推理的忠实性，有效缓解信息丢失问题，显著提高CoT和CoT-SC的性能。

Comments 13 pages,5 figures

AI Agent Smart Contract Exploit Generation

AI代理智能合约漏洞生成

Arthur Gervais, Liyi Zhou

机构 * University College London（伦敦大学学院） ； The University of Sydney（悉尼大学） ； Decentralized Intelligence AG（去中心化智能有限公司） ； UC Berkeley RDI（伯克利大学RDI） 纠错

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 A1通过代理系统结合大语言模型，实现智能合约漏洞的高效生成与验证，成功率达63%，并揭示了攻击与防御在经济上的不对称性。

DaGRPO: Rectifying Gradient Conflict in Reasoning via Distinctiveness-Aware Group Relative Policy Optimization

DaGRPO：通过意识性群相对策略优化纠正推理中的梯度冲突

Xuan Xie, Xuan Wang, Wenjie Wang, Shuai Chen, Wei Lin

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

AI总结 DaGRPO通过意识性群相对策略优化纠正推理中的梯度冲突，提升推理能力和样本效率。

LexChain: Modeling Legal Reasoning Chains for Chinese Tort Case Analysis

LexChain：为中文侵权案件分析建模法律推理链

Huiyuan Xie, Chenyang Li, Huining Zhu, Chubin Zhang, Yuxiao Ye, Zhenghao Liu, Zhiyuan Liu

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

AI总结 本文提出LexChain框架，用于显式建模中国侵权案件中的法律推理过程，通过构建评估基准和基线方法，提升了语言模型在民事侵权分析中的推理能力。

Benchmarking Contextual Understanding for In-Car Conversational Systems

车载对话系统上下文理解评估

Philipp Habicht, Lev Sorokin, Abdullah Saydemir, Ken E. Friedl, Andrea Stocco

机构 * Humboldt University of Berlin（柏林洪堡大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

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 本文通过LLM和提示技术评估车载对话系统上下文理解，发现非推理模型在成本效率上表现最佳，DeepSeek-R1达到高F1分数。

PRO-V-R1: Reasoning Enhanced Programming Agent for RTL Verification

PRO-V-R1：基于推理增强的RTL验证编程代理

Yujie Zhao, Zhijing Wu, Boqin Yuan, Zhongming Yu, Hejia Zhang, Wentao Ni, Chia-Tung Ho, Haoxing Ren, Jishen Zhao

机构 * University of California San Diego（加州大学圣地亚哥分校） ； NVIDIA（NVIDIA公司） 纠错

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

AI总结 PRO-V-R1是一种基于推理增强的开源框架，通过结合LLM推理与编程工具，提升RTL验证的功能正确性和故障检测能力。

Using LLMs in Generating Design Rationale for Software Architecture Decisions

在软件架构决策中使用LLMs生成设计理由

Xiyu Zhou, Ruiyin Li, Peng Liang, Beiqi Zhang, Mojtaba Shahin, Zengyang Li, Chen Yang

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； RMIT University（皇家墨尔本理工大学） ； School of Computer Science, Central China Normal University（中央师范大学计算机学院） ； School of Artificial Intelligence, Shenzhen Polytechnic University（深圳职业技术学院人工智能学院） 纠错

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 本研究评估了LLMs在生成软件架构决策设计理由方面的性能，通过实验和访谈探讨了不同提示策略的效果及实际应用的可行性。

Comments Preprint accepted for publication in ACM Transactions on Software Engineering and Methodology (TOSEM), 2025

Do Persona-Infused LLMs Affect Performance in a Strategic Reasoning Game?

带有个性特征的LLM是否会影响战略推理游戏中的表现？

John Licato, Stephen Steinle, Brayden Hollis

机构 * Bellini College of Artificial Intelligence, Cybersecurity and Computing（人工智能、网络安全与计算学院） ； University of South Florida（佛罗里达州立大学） ； Information Directorate（信息 Directorate） ； Air Force Research Library（空军研究图书馆） 纠错

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 本研究探讨了个性提示对战略推理游戏表现的影响，提出了一种基于心理测量原理的启发式生成方法，通过中介过程提升启发式策略的可靠性。

Comments Accepted at IJCNLP-AACL 2025

Too Late to Recall: Explaining the Two-Hop Problem in Multimodal Knowledge Retrieval

太迟回忆：多模态知识检索中双跳问题的解释

Constantin Venhoff, Ashkan Khakzar, Sonia Joseph, Philip Torr, Neel Nanda

机构 * University of Oxford（牛津大学） ； McGill University（麦吉尔大学） ； Meta ； MATS 纠错

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 本文研究了多模态知识检索中双跳问题的影响，发现VLMs在处理视觉输入时过晚解决实体表示导致事实回忆性能下降，并提出通过修补和提示方法恢复性能。

Beyond Greenfield: The D3 Framework for AI-Driven Productivity in Brownfield Engineering

超越Greenfield：面向Brownfield工程的D3框架：AI驱动的生产力框架

Krishna Kumaar Sharma

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D3框架，通过双代理提示架构提升Brownfield工程中LLM的应用效果，实验证明在遗留系统探索、文档重建等任务中，AI辅助显著提升生产力和减少认知负荷。

Comments 53 pages, 7 figures

Training a Scientific Reasoning Model for Chemistry

为化学训练一个推理模型

Siddharth M. Narayanan, James D. Braza, Ryan-Rhys Griffiths, Albert Bou, Geemi Wellawatte, Mayk Caldas Ramos, Ludovico Mitchener, Samuel G. Rodriques, Andrew D. White

机构 * FutureHouse Inc.（FutureHouse公司） 纠错

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

AI总结 本文提出了一种基于强化学习的推理模型，用于化学领域，能高效处理多种化学任务，超越现有模型和人类专家。

Beware of Reasoning Overconfidence: Pitfalls in the Reasoning Process for Multi-solution Tasks

警惕推理过度自信：多解任务中推理过程的陷阱

Jiannan Guan, Qiguang Chen, Libo Qin, Dengyun Peng, Jinhao Liu, Liangyu Huo, Jian Xie, Wanxiang Che

机构 * Research Center for Social Computing and Interactive Robotics（社会计算与交互机器人研究中心） ； Harbin Institute of Technology（哈尔滨工业大学） ； School of Computer Science and Engineering（计算机科学与工程学院） ； Central South University（中南大学） ； Du Xiaoman (Beijing) Science Technology Co., Ltd.（杜小蔓（北京）科技有限公司） 纠错

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 本文指出LLMs在多解任务中存在推理过度自信问题，通过引入MuSoBench基准测试发现Short-CoT方法存在过度自信，而Long-CoT方法通过迭代探索缓解此问题，并提出认知刚性假说解释其成因。

ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning

ChartPoint: 通过 grounding 反射引导 MLLMs 进行图表推理

Zhengzhuo Xu, SiNan Du, Yiyan Qi, SiwenLu, Chengjin Xu, Chun Yuan, Jian Guo

机构 * Tsinghua University（清华大学） ； International Digital Economy Academy（国际数字经济学院） ； Beihang University（北航） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 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 ChartPoint通过引入 grounding 反射机制，提升 MLLMs 在图表推理中的表现，开发了两个指令微调模型，在多个图表基准上取得显著提升。

Comments Accepted by ICCV 2025

$A^2Flow:$ Automating Agentic Workflow Generation via Self-Adaptive Abstraction Operators

$A^2Flow$：通过自适应抽象运算符自动化代理工作流生成

Mingming Zhao, Xiaokang Wei, Yuanqi Shao, Kaiwen Zhou, Lin Yang, Siwei Rao, Junhui Zhan, Zhitang Chen

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 $A^2Flow$通过自适应抽象运算符实现代理工作流的自动化生成，提升性能并降低资源消耗。

Comments Accepted by AAAI-2026

Can LLMs Faithfully Explain Themselves in Low-Resource Languages? A Case Study on Emotion Detection in Persian

LLMs能否在低资源语言中忠实解释自己？一种波斯语情感检测的案例研究

Mobina Mehrazar, Mohammad Amin Yousefi, Parisa Abolfath Beygi, Behnam Bahrak

机构 * School of Electrical and Computer Engineering College of Engineering, University of Tehran, Tehran, Iran（电气与计算机工程学院，德黑兰大学） ； Computer Science Department, University of British Columbia, Vancouver, Canada（计算机科学系，不列颠哥伦比亚大学） ； Tehran Institute for Advanced Studies, Khatam University, Tehran, Iran（德黑兰高级研究学院，卡坦大学） 纠错

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 研究评估了LLMs在低资源语言波斯语情感分类中的解释忠实性，发现模型生成的解释与人类判断不一致，强调了改进解释方法的必要性。

The promise and limits of LLMs in constructing proofs and hints for logic problems in intelligent tutoring systems

大型语言模型在智能辅导系统中构建证明和提示的潜力与限制

Sutapa Dey Tithi, Arun Kumar Ramesh, Clara DiMarco, Xiaoyi Tian, Nazia Alam, Kimia Fazeli, Tiffany Barnes

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 本研究评估了大型语言模型在智能辅导系统中构建逻辑证明和生成提示的潜力与限制，发现DeepSeek-V3在证明构建上表现优异，但生成的提示在解释原因和背景方面仍有不足。

Run, Ruminate, and Regulate: A Dual-process Thinking System for Vision-and-Language Navigation

Yu Zhong, Zihao Zhang, Rui Zhang, Lingdong Huang, Haihan Gao, Shuo Wang, Da Li, Ruijian Han, Jiaming Guo, Shaohui Peng, Di Huang, Yunji Chen

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

PRISM-0: A Predicate-Rich Scene Graph Generation Framework for Zero-Shot Open-Vocabulary Tasks

Abdelrahman Elskhawy, Mengze Li, Nassir Navab, Benjamin Busam

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

Towards AI-Assisted Generation of Military Training Scenarios

Soham Hans, Volkan Ustun, Benjamin Nye, James Sterrett, Matthew Green

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

Robustness of Neurosymbolic Reasoners on First-Order Logic Problems

Hannah Bansal, Kemal Kurniawan, Lea Frermann

机构 * RMIT University（皇家墨尔本理工大学） ； The University of Melbourne（墨尔本大学） 纠错

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

Comments Accepted to ALA Conference

Testing Cross-Lingual Text Comprehension In LLMs Using Next Sentence Prediction

Ritesh Sunil Chavan, Jack Mostow

机构 * Department of Computer Science（计算机科学系） ； Stony Brook University（石溪大学） ； School of Computer Science（计算机科学学院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

Does Rationale Quality Matter? Enhancing Mental Disorder Detection via Selective Reasoning Distillation

Hoyun Song, Huije Lee, Jisu Shin, Sukmin Cho, Changgeon Ko, Jong C. Park

机构 * School of Computing（计算学院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

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

Merge and Conquer: Evolutionarily Optimizing AI for 2048

Maggie Bai, Ava Kim Cohen, Eleanor Koss, Charlie Lichtenbaum

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

Comments 9 pages, 5 figures