University of California, San Diego（加州大学圣迭戈分校）

Let Me Think! A Long Chain-of-Thought Can Be Worth Exponentially Many Short Ones

让我思考！一个长的推理链可能比许多短的链多出指数倍

Parsa Mirtaheri, Ezra Edelman, Samy Jelassi, Eran Malach, Enric Boix-Adsera

机构 * UC San Diego（UC圣地亚哥大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Harvard University（哈佛大学） 纠错

AI总结 本文探讨了推理链扩展策略，证明在特定图连通性问题中顺序扩展比并行扩展更有效。

Comments Published at NeurIPS 2025

Transformer Is Inherently a Causal Learner

Transformer本质上是一种因果学习者

Xinyue Wang, Stephen Wang, Biwei Huang

机构 * Halıcıoğlu Data Science Institute（哈利奇奥格鲁数据科学研究所） ； University of California San Diego（加州大学圣地亚哥分校） ； ABEL Intelligence, Inc.（ABEL智能公司） 纠错

AI总结 本文证明Transformer通过自回归训练自然编码因果结构，无需显式因果目标即可恢复因果图，且在复杂场景中表现优于传统方法。

SceneAlign: Aligning Multimodal Reasoning to Scene Graphs in Complex Visual Scenes

SceneAlign: 在复杂视觉场景中将多模态推理对齐到场景图

Chuhan Wang, Xintong Li, Jennifer Yuntong Zhang, Junda Wu, Chengkai Huang, Lina Yao, Julian McAuley, Jingbo Shang

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Toronto（多伦多大学） ； University of New South Wales（新南威尔士大学） 纠错

AI总结 SceneAlign通过利用场景图进行结构干预，提升多模态推理在复杂视觉场景中的准确性和忠实性。

Comments Preprint