语言大模型 / LLM

Cognitive Agent Compilation for Explicit Problem Solver Modeling

认知代理编译用于显式问题求解器建模

Hyeongdon Moon, Carolyn Rosé, John Stamper

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出Cognitive Agent Compilation框架，利用强教师LLM将问题解决知识编译为显式目标代理，旨在提高教育场景中问题解决的可检查性和可编辑性。

Comments Accepted to AIED 2026 Blue Sky

Scaling Reasoning Hop Exposes Weaknesses: Demystifying and Improving Hop Generalization in Large Language Models

推理步扩展揭示弱点：解密和改进大语言模型中的推理泛化

Zhaoyi Li, Jiatong Li, Gangwei Jiang, Linqi Song, Defu Lian, Ying Wei

机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Zhejiang University（浙江大学） ； City University of Hong Kong, Shenzhen Research Institute（香港城市大学深圳研究院） 纠错

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

AI总结 本文通过多领域任务研究发现，推理错误集中在少数关键错误类型的位置，而非均匀分布。提出在推理过程中动态识别并禁用错误处理头，从而提升推理步泛化能力。

Comments 52 pages, accepted by ICLR 2026 main conference

Beyond Context: Large Language Models' Failure to Grasp Users' Intent

超越上下文：大型语言模型对用户意图的把握失败

Ahmed M. Hussain, Salahuddin Salahuddin

机构 * KTH Royal Institute of Technology Network Systems Security (NSS) Group（皇家理工学院网络系统安全小组） 纠错

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

AI总结 研究指出大型语言模型在理解上下文和识别用户意图方面存在缺陷，导致安全机制被恶意用户利用，需转向以上下文理解和意图识别为核心的安全能力。

Comments 22 pages and 23 figures; updated authors list and revised manuscript

PR-CAD: Progressive Refinement for Unified Controllable and Faithful Text-to-CAD Generation with Large Language Models

PR-CAD：基于大语言模型的统一可控且忠实的文本到CAD生成的渐进式细化

Jiyuan An, Jiachen Zhao, Fan Chen, Liner Yang, Zhenghao Liu, Hongyan Wang, Weihua An, Meishan Zhang, Erhong Yang

机构 * School of Information Science, Beijing Language and Culture University, China（北京语言大学信息学院） ； School of Computer Science and Technology, Beijing Jiaotong University, China（北京交通大学计算机科学与技术学院） ； School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Tsinghua University, China（清华大学计算机科学与技术系） ； School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), China（哈尔滨工业大学（深圳）计算机科学与技术学院） 纠错

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

AI总结 PR-CAD通过统一生成与编辑任务，提升文本到CAD生成的可控性和忠实性，采用高保真交互数据集和强化学习框架，实现设计创建与细化的一体化解决方案。

OThink-SRR1: Search, Refine and Reasoning with Reinforced Learning for Large Language Models

OThink-SRR1: 通过强化学习增强大语言模型的搜索、细化与推理

Haijian Liang, Zenghao Niu, Junjie Wu, Changwang Zhang, Wangchunshu Zhou, Jun Wang

机构 * Shenzhen University（深圳大学） ； OPPO Research Institute（OPPO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)；LLM(abstract_cn)；分类 cs.CL、cs.AI

AI总结 OThink-SRR1通过强化学习训练的迭代搜索-细化-推理流程，有效解决复杂多跳问题中的检索噪声干扰和计算成本问题，实验表明其在多跳问答基准上准确率优于现有方法。

Impact of large language models on peer review opinions from a fine-grained perspective: Evidence from top conference proceedings in AI

大型语言模型对同行评审意见的影响：从细粒度视角看证据：来自顶级人工智能会议论文的证据

Wenqing Wu, Chengzhi Zhang, Yi Zhao, Tong Bao

机构 * School of Management, Anhui University（安徽大学管理学院） 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 本文研究大型语言模型对同行评审意见的影响，分析了评审报告在语言特征、评价重点和推荐信号方面的变化，发现评审文本变得更长、更流畅，但深入评价维度有所下降。

Comments Scientometrics

Plausibility as Commonsense Reasoning: Humans Succeed, Large Language Models Do not

可解释性作为常识推理：人类成功，大语言模型却不成功

Sercan Karakaş

机构 * University of Chicago（芝加哥大学） 纠错

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

AI总结 研究探讨大语言模型是否能像人类一样在歧义解析中结合世界知识与句法结构。通过土耳其前置定语从句附着歧义，发现人类表现出显著的可解释性效应，而大语言模型则表现不一致。

Comments Accepted to The Workshop on Cognitive Modeling and Computational Linguistics co-located with LREC 2026

VLegal-Bench: Cognitively Grounded Benchmark for Vietnamese Legal Reasoning of Large Language Models

VLegal-Bench: 用于大型语言模型越南法律推理的认知导向基准

Nguyen Tien Dong, Minh-Anh Nguyen, Thanh Dat Hoang, Nguyen Tuan Ngoc, Dao Xuan Quang Minh, Phan Phi Hai, Nguyen Thi Ngoc Anh, Dang Van Tu, Binh Vu

机构 * CMC OpenAI ； VinUniversity ； HUST ； SRH University Heidelberg 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 VLegal-Bench是首个系统评估大型语言模型在越南法律任务上的基准，包含10450个样本，通过严格标注流程确保样本基于权威法律文件，涵盖法律问题解答、检索增强生成、多步推理等任务。

METER: Evaluating Multi-Level Contextual Causal Reasoning in Large Language Models

METER：评估大型语言模型中的多级上下文因果推理

Pengfeng Li, Chen Huang, Chaoqun Hao, Hongyao Chen, Xiao-Yong Wei, Wenqiang Lei, See-Kiong Ng

机构 * College of Computer Science, Sichuan University（四川大学计算机学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； Engineering Research Center of Machine Learning and Industry Intelligence, Ministry of Education, China（中国教育部机器学习与产业智能工程研究中心） 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 本文提出METER基准，系统评估大型语言模型在因果阶梯的三个层级上的表现，发现随着任务层级升高，模型能力显著下降，揭示了模型在因果推理中的两大失效模式。

Comments ACL 2026. Our code and dataset are available at https://github.com/SCUNLP/METER

In Context Learning and Reasoning for Symbolic Regression with Large Language Models

在大型语言模型中进行上下文学习和推理以实现符号回归

Samiha Sharlin, Tyler R. Josephson

机构 * Department of Chemical, Biochemical, and Environmental Engineering, University of Maryland Baltimore County（化学、生物化学与环境工程系，马里兰大学巴尔的摩县分校） ； Department of Computer Science and Electrical Engineering, University of Maryland Baltimore County（计算机科学与电气工程系，马里兰大学巴尔的摩县分校） 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 本文探讨了大型语言模型在符号回归中的潜力，通过上下文学习和推理生成并优化表达式，成功复现了吸附 Langmuir 模型和 Nikuradse 数据集，展示了提示策略对模型性能的提升作用。

General365: Benchmarking General Reasoning in Large Language Models Across Diverse and Challenging Tasks

General365：在多样化和具有挑战性的任务中评估大语言模型的通用推理能力

Junlin Liu, Shengnan An, Shuang Zhou, Dan Ma, Shixiong Luo, Ying Xie, Yuan Zhang, Wenling Yuan, Yifan Zhou, Xiaoyu Li, Ziwen Wang, Xuezhi Cao, Xunliang Cai

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Meituan（美团） 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 本文提出General365基准，通过限制背景知识至K-12水平，评估大语言模型在通用推理任务中的表现，揭示当前模型在非专业领域推理能力的不足。

Comments 17 pages, 9 figures

LaMI: Augmenting Large Language Models via Late Multi-Image Fusion

LaMI：通过晚期多图像融合增强大型语言模型

Guy Yariv, Idan Schwartz, Yossi Adi, Sagie Benaim

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Bar-Ilan University（巴伊兰大学） 纠错

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

AI总结 LaMI通过在测试时融合多个图像提升视觉常识推理能力，同时保持文本推理性能，适用于视觉和NLP任务。

Comments Accepted to ACL 2026

Search-R3: Unifying Reasoning and Embedding in Large Language Models

Search-R3：在大型语言模型中统一推理与嵌入

Yuntao Gui, James Cheng

机构 * 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 ：large language model(title,abstract)；language model(title,abstract)；post-training(abstract)；分类 cs.CL、cs.AI

AI总结 Search-R3通过统一推理与嵌入生成过程，提升大型语言模型在检索任务中的性能，采用监督学习、强化学习和专用环境机制实现有效嵌入生成。

Comments CHANGELOG: (1) Completed training of Search-R3-Large; (2) Corrected error formulation; (3) Added a `Discussion` section to the appendix. We appreciation to the anonymous reviewers

Analysis of Optimality of Large Language Models on Planning Problems

大型语言模型在规划问题中的最优性分析

Bernd Bohnet, Michael C. Mozer, Kevin Swersky, Wil Cunningham, Aaron Parisi, Kathleen Kenealy, Noah Fiedel

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 本文研究了大型语言模型在规划问题中的最优性，通过Blocksworld领域和Path-Star图任务，发现增强推理的LLM在复杂多目标配置中显著优于传统规划器，且能精确跟踪理论最优限。

DrugPlayGround: Benchmarking Large Language Models and Embeddings for Drug Discovery

DrugPlayGround：大型语言模型和嵌入式在药物发现中的基准测试

Tianyu Liu, Sihan Jiang, Fan Zhang, Kunyang Sun, Teresa Head-Gordon, Hongyu Zhao

机构 * Yale University（耶鲁大学） ； Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学博德研究所） ； The Chinese University of Hong Kong（香港中文大学） ； University of California, Berkeley（加州大学伯克利分校） ； UC Berkeley（加州大学伯克利分校） 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.AI、cs.LG

AI总结 本文提出DrugPlayGround框架，用于评估大型语言模型在生成药物物理化学特性、药物协同作用等文本描述方面的性能，同时通过专家解释验证模型的化学和生物推理能力。

Comments 29 pages, 6 figures

Debiasing Large Language Models toward Social Factors in Online Behavior Analytics through Prompt Knowledge Tuning

通过提示知识微调去偏大型语言模型在在线行为分析中的社会因素

Hossein Salemi, Jitin Krishnan, Hemant Purohit

机构 * George Mason University（乔治梅森大学） 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 本文研究了在社交情境中通过引入用户目标推断 dispositional 因果性和消息上下文推断 situational 因果性对 LLM 性能的影响，提出了一种通过增强指令提示来减少社会归因偏见的方法，提升零样本分类任务的性能。

Comments This is a preprint of the accepted paper for publication in IEEE Transactions on Computational Social Systems

Attention-Aligned Reasoning for Large Language Models

面向大语言模型的注意力对齐推理

Hongxiang Zhang, Yuan Tian, Tianyi Zhang

机构 * Purdue University（普渡大学） 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 本文提出ATAR方法，通过利用推理结构引导LLM注意力，提升复杂任务处理性能，实验显示在六个基准上表现优于现有方法，且非推理模型性能可与推理模型媲美。

PepThink-R1: LLM for Interpretable Cyclic Peptide Optimization with CoT SFT and Reinforcement Learning

PepThink-R1：基于CoT SFT和强化学习的可解释环状肽优化LLM

Ruheng Wang, Hang Zhang, Trieu Nguyen, Shasha Feng, Hao-Wei Pang, Xiang Yu, Li Xiao, Peter Zhiping Zhang

机构 * Merck & Co., Inc., Rahway, NJ, USA（默克公司，美国新泽西州拉威） ； UT Southwestern Medical Center, Dallas, TX, USA（得克萨斯大学西南医学中心，美国得克萨斯州达拉斯） ； University of Pittsburgh, Pittsburgh, PA, USA（匹兹堡大学，美国宾夕法尼亚州匹兹堡） 纠错

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

AI总结 本文提出PepThink-R1，结合CoT SFT和强化学习，通过显式推理生成可解释的环状肽，提升药理性质表现，优于现有通用LLM和领域模型。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: AI for Science (Spotlight)

Scalable Object Relation Encoding for Better 3D Spatial Reasoning in Large Language Models

可扩展的对象关系编码以提升大语言模型中的3D空间推理

Shengli Zhou, Minghang Zheng, Feng Zheng, Yang Liu

机构 * Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） 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.AI、cs.LG

AI总结 本文提出QuatRoPE，通过线性增长的对象数量输入长度和注意力层中的点积计算配对空间关系，提升大语言模型在3D空间推理中的性能。

Comments Accepted by CVPR 2026

Can Large Language Models Reason and Optimize Under Constraints?

大型语言模型能否在约束下进行推理和优化？

Fabien Bernier, Salah Ghamizi, Pantelis Dogoulis, Maxime Cordy

机构 * SnT – University of Luxembourg（卢森堡大学SnT分校） ； Luxembourg Institute of Health (LIH)（卢森堡健康研究院） 纠错

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

AI总结 本文研究了大型语言模型在最优功率流问题物理和操作约束下的推理与优化能力，发现现有模型在多数任务中表现不足，揭示了LLM在约束下结构推理的关键差距。

Insight-V++: Towards Advanced Long-Chain Visual Reasoning with Multimodal Large Language Models

Insight-V++: 向多模态大语言模型实现高级长链视觉推理迈进

Yuhao Dong, Zuyan Liu, Shulin Tian, Yongming Rao, Ziwei Liu

机构 * S-Lab（S实验室） ； Nanyang Technological University（南洋理工大学） ； Tencent Hunyuan（腾讯文言） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出Insight-V++框架，通过多代理视觉推理系统提升多模态大语言模型的长链视觉推理能力，采用ST-GRPO和J-GRPO算法增强空间时间推理和评估鲁棒性，实验显示在图像和视频推理任务中性能显著提升。

Comments arXiv admin note: text overlap with arXiv:2411.14432

Large language models show fragile cognitive reasoning about human emotions

大型语言模型在人类情感认知推理中的脆弱性

Sree Bhattacharyya, Evgenii Kuriabov, Lucas Craig, Tharun Dilliraj, Reginald B. Adams,, Jia Li, James Z. Wang

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

AI总结 本文探讨大型语言模型是否能通过认知维度而非标签进行情感推理，提出CoRE基准测试，发现模型在情感认知结构上有系统性关系，但与人类判断存在偏差且在不同上下文中不稳定。

Comments Under Review, a version was presented at WiML Workshop @ NeurIPS 2025

When Do Tools and Planning Help Large Language Models Think? A Cost- and Latency-Aware Benchmark

当工具和规划如何帮助大语言模型思考？一个成本和延迟感知的基准测试

Subha Ghoshal, Ali Al-Bustami

机构 * College of Engineering（工程学院） ； University of Michigan-Dearborn（密歇根大学-迪尔伯恩分校） 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 研究通过对比不同配置评估工具和规划对大语言模型性能的影响，发现工具增强能显著提升准确性但增加延迟，而复杂工具协调易导致模型退化。

Large Language Models are Contrastive Reasoners

大型语言模型是对比推理器

Liang Yao

机构 * Sun Yat-sen University Shenzhen, China（中山大学深圳校区） 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 本文提出对比提示方法，通过简单提示提升大型语言模型的推理能力，在算术和常识推理任务中优于零样本和少样本方法。

Journal ref Expert Systems With Applications 301 (2026) 130407

Truth as a Trajectory: What Internal Representations Reveal About Large Language Model Reasoning

真相作为轨迹：内部表示揭示大语言模型推理的本质

Hamed Damirchi, Ignacio Meza De la Jara, Ehsan Abbasnejad, Afshar Shamsi, Zhen Zhang, Javen Shi

机构 * Australian Institute for Machine Learning, Adelaide University（澳大利亚机器学习研究所，阿德莱德大学） ； Monash University（莫纳什大学） ； Concordia University（康科迪亚大学） 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.LG

AI总结 TaT通过分析大语言模型推理过程中的层间几何位移，揭示有效推理与虚假行为的区别，提升模型可解释性。

Tokenization, Fusion and Decoupling: Bridging the Granularity Mismatch Between Large Language Models and Knowledge Graphs

分词、融合与解耦：弥合大语言模型与知识图谱之间的粒度不匹配

Siyue Su, Jian Yang, Bo Li, Guanglin Niu

机构 * Beihang University（北航大学） 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 KGT通过专门的实体token分词、融合预训练特征及解耦预测，有效弥合大语言模型与知识图谱间的粒度不匹配，提升知识图谱补全性能。

Integrating Machine Learning Ensembles and Large Language Models for Heart Disease Prediction Using Voting Fusion

将机器学习集成与大型语言模型结合用于心脏病预测的投票融合

Md. Tahsin Amin, Tanim Ahmmod, Zannatul Ferdus, Talukder Naemul Hasan Naem, Ehsanul Ferdous, Arpita Bhattacharjee, Ishmam Ahmed Solaiman, Nahiyan Bin Noor

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.AI、cs.LG

AI总结 本研究通过结合机器学习集成与大型语言模型的投票融合方法，提高了心脏病预测的准确性与可靠性。

Comments 7 pages, 8 figures, (Accepted at a peer-reviewed conference)

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。