语言大模型 / LLM

BabyReasoningBench: Generating Developmentally-Inspired Reasoning Tasks for Evaluating Baby Language Models

BabyReasoningBench: 生成发育启发式的推理任务以评估婴儿语言模型

Kaustubh D. Dhole

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

AI总结 本文提出BabyReasoningBench，基于发展心理学经典范式，设计19个推理任务，评估婴儿语言模型在因果推理、信念归因等任务上的表现，揭示不同任务对模型能力的影响。

VL-KGE: Vision-Language Models Meet Knowledge Graph Embeddings

VL-KGE：视觉-语言模型与知识图谱嵌入的结合

Athanasios Efthymiou, Stevan Rudinac, Monika Kackovic, Nachoem Wijnberg, Marcel Worring

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

AI总结 本文提出VL-KGE框架，结合视觉-语言模型的跨模态对齐与结构关系建模，提升多模态知识图谱的链接预测性能。

Comments Published in Proceedings of the ACM Web Conference 2026 (WWW '26). This arXiv version includes extended supplementary material

Journal ref In Proceedings of the ACM Web Conference 2026 (WWW '26)

Interpretable Markov-Based Spatiotemporal Risk Surfaces for Missing-Child Search Planning with Reinforcement Learning and LLM-Based Quality Assurance

可解释的基于马尔可夫的时空风险表面用于缺失儿童搜索规划的强化学习与基于LLM的质量保证

Joshua Castillo, Ravi Mukkamala

机构 * Old Dominion University（老奥尔巴尼大学） 纠错

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

AI总结 Guardian系统利用马尔可夫链、强化学习和LLM进行可解释的时空风险建模，以提升失踪儿童搜索规划的效率和准确性。

Comments 14 pages, 7 figures. Accepted at ICEIS 2026 (International Conference on Enterprise Information Systems)

From Pixels to Predicates: Learning Symbolic World Models via Pretrained Vision-Language Models

从像素到谓词：通过预训练视觉-语言模型学习符号世界模型

Ashay Athalye, Nishanth Kumar, Tom Silver, Yichao Liang, Jiuguang Wang, Tomás Lozano-Pérez, Leslie Pack Kaelbling

机构 * MIT（麻省理工学院） ； Princeton University（普林斯顿大学） ； University of Cambridge（剑桥大学） ； RAI Institute（RAI研究院） 纠错

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

AI总结 通过预训练视觉-语言模型学习符号世界模型，以实现复杂机器人领域中长周期决策制定的零样本泛化。

Comments A version of this paper appears in the official proceedings of RA-L, Volume 11, Issue 4

The Ends Justify the Thoughts: RL-Induced Motivated Reasoning in LLM CoTs

终点 justify 思维：RL 引导的动机推理在 LLM CoTs 中

Nikolaus Howe, Micah Carroll

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

AI总结 研究发现LLM在训练中会因冲突指令产生动机推理，导致监控器被欺骗，强调需进一步研究动机推理的检测与监管。

Comments 28 pages

ARM-FM: Automated Reward Machines via Foundation Models for Compositional Reinforcement Learning

基于基础模型的自动奖励机制：用于组合强化学习的自动化奖励机

Roger Creus Castanyer, Faisal Mohamed, Pablo Samuel Castro, Cyrus Neary, Glen Berseth

机构 * Université de Montréal（蒙特利尔大学） ； Mila – Quebec AI Institute（魁北克人工智能研究所） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 ARM-FM通过基础模型实现自动化奖励设计，利用自然语言生成奖励机并实现跨任务泛化，提升强化学习的通用性和效率。

Comments Published at ICLR 2026

IMPACT: Intelligent Motion Planning with Acceptable Contact Trajectories via Vision-Language Models

IMPACT: 通过视觉-语言模型实现可接受接触轨迹的智能运动规划

Yiyang Ling, Karan Owalekar, Oluwatobiloba Adesanya, Erdem Bıyık, Daniel Seita

机构 * Thomas Lord Department of Computer Science, Viterbi School of Engineering, University of Southern California（托马斯·劳德计算机科学系，维特里比工程学院，南加州大学） 纠错

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

AI总结 IMPACT通过视觉-语言模型实现高效的接触丰富运动规划，在杂乱环境中优于其他方法。

Consensus is Not Verification: Why Crowd Wisdom Strategies Fail for LLM Truthfulness

共识并非验证：为何众智策略在LLM诚实性上失效

Yegor Denisov-Blanch, Joshua Kazdan, Jessica Chudnovsky, Rylan Schaeffer, Sheng Guan, Soji Adeshina, Sanmi Koyejo

机构 * stanford（斯坦福大学） ； amazon（亚马逊） 纠错

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

AI总结 研究发现，扩展计算量无法提升LLM在无验证领域的诚实性，因模型错误高度相关，聚合方法反而放大误解。

The Cascade Equivalence Hypothesis: When Do Speech LLMs Behave Like ASR$\rightarrow$LLM Pipelines?

级联等价假设：当语音大语言模型表现得像ASR→LLM流水线时

Jayadev Billa

机构 * San Jose CA, USA（加州圣何塞） 纠错

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

AI总结 本文研究语音大语言模型是否等价于ASR→LLM流水线，通过匹配骨干测试和机理分析，揭示其行为特性及在噪声下的性能差异。

Comments 10 pages, 6 figures, 7 tables. submitted for review Interspeech 2026

Free Lunch for Pass@$k$? Low Cost Diverse Sampling for Diffusion Language Models

免费午餐吗？低成本的多样化采样用于扩散语言模型

Sean Lamont, Christian Walder, Paul Montague, Amir Dezfouli, Michael Norrish

机构 * Australian National University（澳大利亚国立大学） ； Defence Science and Technology Group（国防科学与技术集团） ； Google DeepMind（谷歌DeepMind） ； BIMLOGIQ 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 本文提出了一种低成本方法，通过修改中间样本以增强扩散语言模型的生成多样性，从而提升Pass@$k$任务的性能。

HELIOS: Harmonizing Early Fusion, Late Fusion, and LLM Reasoning for Multi-Granular Table-Text Retrieval

HELIOS: 协调早期融合、后期融合和大语言模型推理以实现多粒度表格-文本检索

Sungho Park, Joohyung Yun, Jongwuk Lee, Wook-Shin Han

机构 * POSTECH（POSTECH大学） ； Sungkyunkwan University（成均馆大学） 纠错

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

AI总结 HELIOS通过结合早期融合、后期融合和LLM推理，提升多粒度表格-文本检索性能，实验显示在召回率和nDCG上显著优于现有模型。

Comments 9 pages, 6 figures. Accepted at ACL 2025 main. Project page: https://helios-projectpage.github.io/

Journal ref Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 32424-32444, July 2025

Quantile Advantage Estimation: Stabilizing RLVR for LLM Reasoning

分位数优势估计：稳定LLM推理的RLVR

Junkang Wu, Kexin Huang, Jiancan Wu, An Zhang, Xiang Wang, Xiangnan He

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 通过分位数优势估计方法，稳定RLVR训练过程，提升LLM推理性能。

OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models

OmniSpatial：迈向视觉语言模型的空间推理综合基准

Mengdi Jia, Zekun Qi, Shaochen Zhang, Wenyao Zhang, Xinqiang Yu, Jiawei He, He Wang, Li Yi

机构 * Tsinghua University（清华大学） ； Xian Jiaotong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学） ； Galbot ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院） 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 OmniSpatial是一个基于认知心理学的综合性空间推理基准，通过动态推理、复杂空间逻辑等四个类别，评估视觉语言模型在空间推理上的能力与局限。

Comments ICLR 2026

Toward Guarantees for Clinical Reasoning in Vision Language Models via Formal Verification

通过形式验证为视觉语言模型中的临床推理提供保证

Vikash Singh, Debargha Ganguly, Haotian Yu, Chengwei Zhou, Prerna Singh, Brandon Lee, Vipin Chaudhary, Gourav Datta

机构 * Case Western Reserve University（凯斯西储大学） 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 通过形式验证框架，为视觉语言模型的临床推理提供保证，验证诊断主张的数学推导性，提升生成临床助手的正确性和精度。

Circuit Tracing in Vision-Language Models: Understanding the Internal Mechanisms of Multimodal Thinking

视觉-语言模型中的电路追踪：理解多模态思维的内部机制

Jingcheng Yang, Tianhu Xiong, Shengyi Qian, Klara Nahrstedt, Mingyuan Wu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出首个透明电路追踪框架，用于分析视觉-语言模型的多模态推理机制，揭示不同视觉特征电路在数学推理和跨模态关联中的作用。

Comments To appear in the Findings of CVPR 2026

EconEvals: Benchmarks and Litmus Tests for Economic Decision-Making by LLM Agents

EconEvals: 用于LLM代理经济决策的基准测试和litmus测试

Sara Fish, Julia Shephard, Minkai Li, Ran I. Shorrer, Yannai A. Gonczarowski

机构 * Harvard University（哈佛大学） ； Penn State University（宾夕法尼亚州立大学） 纠错

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

AI总结 EconEvals提出了一种用于评估LLM经济决策能力的基准测试和litmus测试框架，通过多个冲突目标任务量化LLM的权衡响应和可靠性，为经济决策中的LLM评估提供了新方法。

Comments v3 was a major revision with updated experiments and analysis; v4 consists of minor edits

Synthetic Reader Panels: Tournament-Based Ideation with LLM Personas for Autonomous Publishing

合成读者面板：基于比赛的创意生成与LLM角色用于自主出版

Fred Zimmerman

机构 * Nimble Books LLC（Nimble Books公司） ； Big Five Killer LLC（Big Five Killer公司） 纠错

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

AI总结 该研究提出利用合成读者面板进行自主出版，通过LLM角色模拟多样化读者进行比赛评估，有效识别内容问题并提升高质量概念比例。

Comments 5 tables, 1 figure

Reasoning Language Models for complex assessments tasks: Evaluating parental cooperation from child protection case reports

用于复杂评估任务的推理语言模型：从儿童保护案件报告中评估父母合作

Dragan Stoll, Brian E. Perron, Zia Qi, Selina Steinmann, Nicole F. Eicher, Andreas Jud

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

AI总结 本文研究了推理语言模型在评估儿童保护案件中父母合作方面的有效性，发现模型在母亲合作评估上表现更佳，但对父亲合作的评估准确性较低，提示需关注性别差异。

Multi-LLM Thematic Analysis with Dual Reliability Metrics: Combining Cohen's Kappa and Semantic Similarity for Qualitative Research Validation

多LLM主题分析与双可靠性指标：结合Cohen's Kappa和语义相似性进行定性研究验证

Nilesh Jain, Hyungil Suh, Seyi Adeyinka, Leor Roseman, Aza Allsop

机构 * AZA Lab, Department of Psychiatry, Yale University（AZA实验室、精神病学系、耶鲁大学） ； Department of Psychiatry and Behavioral Sciences, Center for Collective Healing, Howard University（精神病学与行为科学系、集体愈合中心、霍华德大学） ； Department of Psychology, University of Exeter（心理学系、埃克塞特大学） 纠错

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

AI总结 本文提出一种结合Cohen's Kappa和语义相似性的多LLM主题分析框架，通过多轮验证提升定性研究的可靠性。

Comments 11 pages, 1 figure, 3 tables

Agentic Jigsaw Interaction Learning for Enhancing Visual Perception and Reasoning in Vision-Language Models

代理拼图交互学习：提升视觉感知与推理能力在视觉-语言模型中

Yu Zeng, Wenxuan Huang, Shiting Huang, Xikun Bao, Yukun Qi, Yiming Zhao, Qiuchen Wang, Lin Chen, Zehui Chen, Huaian Chen, Wanli Ouyang, Feng Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； 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 ：language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 AGILE通过代理拼图交互学习提升视觉-语言模型的感知与推理能力，显著提高拼图任务性能并增强多模态模型的泛化能力。

Expanding Reasoning Potential in Foundation Model by Learning Diverse Chains of Thought Patterns

通过学习多样的思维链模式扩展基础模型的推理潜力

Xuemiao Zhang, Can Ren, Chengying Tu, Rongxiang Weng, Shuo Wang, Hongfei Yan, Jingang Wang, Xunliang Cai

机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； Meituan（美团） ； State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） 纠错

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

AI总结 本文提出通过学习富含高价值推理模式的多样化数据，扩展基础模型的推理潜力，显著提升模型在数学推理任务上的性能。

Unveiling the "Fairness Seesaw": Discovering and Mitigating Gender and Race Bias in Vision-Language Models

揭示'公平性之锯'：在视觉-语言模型中发现并缓解性别和种族偏见

Jian Lan, Udo Schlegel, Tanveer Hannan, Gengyuan Zhang, Haokun Chen, Thomas Seidl

机构 * LMU Munich（慕尼黑莱布尼茨大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 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 本文提出RES-FAIR框架，通过调整隐藏状态缓解视觉-语言模型中的性别和种族偏见，提升响应公平性和置信度校准。

Nudging the Boundaries of LLM Reasoning

推动大语言模型推理边界的 nudging

Justin Chih-Yao Chen, Becky Xiangyu Peng, Prafulla Kumar Choubey, Kung-Hsiang Huang, Jiaxin Zhang, Mohit Bansal, Chien-Sheng Wu

机构 * Salesforce AI Research（Salesforce AI研究） 纠错

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

AI总结 NuRL通过自动生成提示提升大语言模型推理上限，解决传统RL无法学习无法解决样本的问题。

Comments ICLR 2026 (Camera-Ready)

Bypassing the Rationale: Causal Auditing of Implicit Reasoning in Language Models

绕过理由：语言模型中隐式推理的因果审计

Anish Sathyanarayanan, Aditya Nagarsekar, Aarush Rathore

机构 * Birla Institute of Technology and Science, Pilani, K. K. Birla Goa Campus（比拉理工学院和科学学院，比里拉班加尔学院） 纠错

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

AI总结 本文通过因果审计揭示语言模型中隐式推理的可信度差异，发现CoT的因果影响在模型和任务间存在显著变化，需通过逐层审计来验证。

Comments Under Review at ICLR, 2026

On Entropy Control in LLM-RL Algorithms

在LLM-RL算法中的熵控制

Han Shen

机构 * Ant Group（蚂蚁集团） 纠错

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

AI总结 本文提出AEnt方法，通过改进的熵控制策略提升LLM-RL算法在数学推理任务中的性能。

Comments Updated with ICLR 2026 version

Beyond KL Divergence: Policy Optimization with Flexible Bregman Divergences for LLM Reasoning

超越KL散度：基于灵活Bregman散度的群体策略优化用于大语言模型推理

Rui Yuan, Mykola Khandoga, Vinay Kumar Sankarapu

机构 * Lexsi Labs（Lexsi实验室） 纠错

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

AI总结 本文提出GBMPO框架，通过灵活Bregman散度提升大语言模型在数学推理和代码生成任务中的性能。

Large-Scale Optimization Model Auto-Formulation: Harnessing LLM Flexibility via Structured Workflow

大规模优化模型自动生成：通过结构化工作流利用LLM的灵活性

Kuo Liang, Yuhang Lu, Jianming Mao, Shuyi Sun, Chunwei Yang, Congcong Zeng, Xiao Jin, Hanzhang Qin, Ruihao Zhu, Chung-Piaw Teo

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

AI总结 LEAN-LLM-OPT通过结构化工作流利用LLM灵活性，实现大规模优化模型自动生成，并在多个场景中展现优越性能。

Comments Updated version of https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5329027

HalluRNN: Mitigating Hallucinations via Recurrent Cross-Layer Reasoning in Large Vision-Language Models

HalluRNN: 通过大规模视觉-语言模型中的递归跨层推理缓解幻觉

Le Yu, Kaishen Wang, Jianlong Xiong, Yue Cao, Lei Zhang, Zhang Yi Tao He

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

AI总结 HalluRNN通过递归跨层推理模块缓解大规模视觉-语言模型中的幻觉问题，提升模型稳定性和性能。

Comments 6 figures, 10 tables

RAFFLES: Reasoning-based Attribution of Faults for LLM Systems

基于推理的LLM系统故障归因

Chenyang Zhu, Spencer Hong, Jingyu Wu, Kushal Chawla, Charlotte Tang, Youbing Yin, Nathan Wolfe, Erin Babinsky, Daben Liu

机构 * Capital One 纠错

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

AI总结 RAFFLES通过整合迭代推理的离线评估架构，实现了对LLM系统中步骤级故障的自动化检测，显著提高了故障识别的准确率。

Comments Accepted at EACL 2026 Main Conference

Vision-Language Models Unlock Task-Centric Latent Actions

视觉-语言模型解锁任务导向的潜在动作

Alexander Nikulin, Ilya Zisman, Albina Klepach, Denis Tarasov, Alexander Derevyagin, Andrei Polubarov, Lyubaykin Nikita, Vladislav Kurenkov

机构 * Innopolis University（因诺波利斯大学） ； Research Center for Trusted Artificial Intelligence, ISP RAS（可信人工智能研究所以及ISP俄罗斯科学院） 纠错

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

AI总结 本文提出利用视觉-语言模型的常识推理能力，通过可提示的表示分离可控变化与噪声，提升潜在动作质量，从而提高下游任务性能。

Comments Preprint