推理 LLM-DailyDigest 2025-09-26 2025-09-26 约 100 字 预计阅读 1 分钟 推理 历史条目已迁入对应日报，本页「相关消息」自动聚合。 相关消息（按子主题自动聚合） 一致性评测 1 ConsistencyChecker：基于树结构评估大模型泛化一致性 06-18 上下文压缩 1 UNREAL：单一模型统一检索与长上下文证据选择 10-08 上下文学习 1 超出预训练支持的指令与组合任务上下文学习 10-19 上下文进化 1 ACE：无需微调的语言模型自我进化范式 12-31 不确定性量化 1 Forking Fast：高效估计文本生成的不确定性动态 08-22 专家智能 1 AAI 推动人工专家智能新路径 12-31 世界模型 2 通用决策大模型 Decitron：开放世界推演与求解闭环 09-03 PEVA：基于全身动作条件的第一视角视频预测世界模型 07-02 中期训练 2 首创 Mid-training 范式破解 RL 奥秘，Llama 推理性能追平 Qwen 07-01 OctoThinker：中期训练促进强化学习规模化 06-25 主动学习 1 推理 LLM 中的序贯实验设计摊销 10-18 主动推理 1 从被动推理到主动推理：大型语言模型能否在不完整信息下提出正确问题？ 06-12 事实一致性 1 AssertBench：评估大型语言模型自我断言能力的基准 06-16 事实核查 2 ReflectFact：自反思智能体提升多跳事实核查 08-16 验证验证者：揭示事实验证器的陷阱与潜力 06-18 人工监督 1 强化人工监督以验证 AI 推理 12-31 代码评测 4 真实程序精确输出与检查点状态预测评测 10-09 OJBench：面向大语言模型的竞赛级代码评测基准 06-24 LiveCodeBench Pro：奥赛级竞技编程基准揭示顶尖 LLM 的推理短板 06-19 人类最后的代码考试：高级大模型能否攻克最难编程竞赛？ 06-18 价值估计 2 TPPO：面向语言模型推理的价值跟踪 PPO 10-18 Le Critique：用于 LLM 强化学习的特权价值函数 08-18 价值权衡 1 你内心有许多狼：运用认知模型解读 LLM 中的价值权衡 06-25 低成本训练 1 游戏玩家可以训练数学推理模型吗？ 06-12 低资源学习 1 面向低资源大模型任务的可迁移提示与对齐策略 07-01 信用分配 6 S3AC：面向 LLM 推理的稳定、选择性、可扩展 Actor-Critic 10-27 DTCA：扩散语言模型强化学习的去噪词元信用分配 10-27 ReAPO：面向高效探索的重试感知策略优化 10-22 用于算术推理的 Bellman 一致轨迹强化学习 10-18 SCAPO：半事实信用增强策略优化 10-09 SCAPO：基于半事实稳定性的细粒度信用分配优化 10-01 偏好优化 2 小模型生成更优拒绝样本：偏好蒸馏的规模规律 10-01 隐式奖励作为桥梁：SFT 与 DPO 连接的统一视图 06-15 偏好推理 1 大模型不确定条件下的偏好推理 08-20 元推理 1 当前模型缺乏推理过程的内在调节机制 12-31 元认知 6 MERA：分离推理与控制的元认知推理框架 12-31 MERA：通过推理-控制分离与 CSPO 实现元认知控制 12-31 元优化与元认知：从训练效率到模型自我反思 08-06 SAGE-nano：通过逆向推理实现大模型元认知自我解释 06-30 推理模型如何识别无益想法并从中恢复？ 06-13 大型语言模型具有内在元认知，但需要良好的评估透镜 06-12 内在奖励 1 Learning to Reason without External Rewards：无需外部奖励的推理学习 05-26 决策解释 1 使用强化学习训练大型语言模型解释人类决策 05-16 决策说服 1 LLM 中理解与说服之间的细线 07-03 分层推理 2 借鉴人类思考的分层推理：清华大学最新研究 08-05 HRM：无需预训练或 CoT 数据的分层推理模型 07-01 分层验证 1 给验证器打分：LLM 推理验证自治等级 L0–L5 08-20 分布式训练 1 并行与分布式推理语言模型的性能基础 08-28 创造力评测 1 人类创造力的核心机制，AI 已开始掌握：IEI 分层评估框架 06-26 前沿挑战 1 大模型强化学习的关键挑战与下一代范式 12-31 动作推理 1 Chain-of-Action：通过轨迹自回归实现动作推理的模仿学习新范式 07-18 动机推理 1 MotiveBench：大型语言模型距离类人动机推理还有多远？ 06-18 医学影像分析 1 GPT-5医学影像推理与理解准确率超过人类专家 12-31 医疗人工智能 1 百川开源医疗推理模型 Baichuan-M2-32B，HealthBench 超越 GPT-OSS-120B 08-11 医疗人工智能评测 1 Jev 医疗能力基准评测：初步结果 09-29 协作博弈 1 推理腐蚀：推理语言模型成为公共产品博弈中的搭便车者 07-01 协同演化 2 清华 CPMöbius：Coach-Player 协作共演化实现自主出题训练 08-12 Socratic-Zero：以苏格拉底式教学推动智能体协同进化 12-31 博弈推理 1 以玩促泛化：通过游戏学习推理 06-11 博弈评测 4 Game Arena：竞争环境中的大模型战略能力评测 09-28 多智能体决策中的上下文学习：递归推理还是统计外推？ 09-17 Game Arena：以游戏评估 AI 的复杂推理与规划能力 08-07 Grok 4夺得首届大模型国际象棋对抗赛冠军 08-07 原型推理 1 ProtoReasoning：以推理原型提升大模型跨领域泛化能力 06-23 反例推理 1 ICML 2025：首个反例驱动推理基准揭示大模型“刷题式假象” 10-23 反思回溯 1 ASTRO：通过上下文反思与回溯训练语言模型推理 07-01 反思早停 1 EvoResearcher：免训练的推理时自我反思与成本约束早停 08-20 反馈优化 1 Critique-GRPO：利用自然语言与数值反馈推进大模型推理 06-04 反馈规划 2 KRCL：借鉴人类运动学习反馈的双向闭环规划机制 12-31 按需激活反馈接收的正向规划机制 12-31 句子简化 1 句子简化的LLM：混合多智能体提示方法 06-16 可信执行 1 VeriLoop E2以循证递归实现可验证状态提交，黎曼零点比例下界达67.35% 10-09 可信推理 14 最小对探测潜在推理：信息存在不等于可读或被使用 10-21 VERITAS：通过计算言语化检测思维链忠实性 10-19 自引导 LLM 推理诊断车辆路径问题中的错误 10-18 AlphaGo作者：LLM尚未掌握可审计的搜索式推理 10-08 人机协商即交互式证明：无需透明性的可验证条件 09-22 LogicTrack：用形式逻辑求解器审计大模型推理轨迹 09-21 MOCC-R1：强化多模态心理咨询的推理—回复一致性 09-16 Deposon：可审计且守恒保证的 LLM 推理路径散射层 09-09 LEAP：逐证据似然聚合实现可追溯概率预测 09-07 以论证分析衡量 AI 问责性：模型推理能否经受质询 09-07 验证器引导的可解释推理框架：QLoRA、符号路由与群组相对 RLVR 09-07 GUT：基于图复杂度量化与优化大模型推理不确定性 09-07 FLARE：基于逻辑辅助搜索的可信推理与探索方法 12-31 ReliableMath：评估大模型数学推理可靠性的开源基准 07-17 可扩展推理 1 SLR：可扩展逻辑推理的自动化综合框架 06-23 可解释性 1 MetaExplainer：生成多类型、以用户为中心的人工智能解释框架 07-03 可靠性训练 1 基于可验证奖励训练接地大模型的经验总结 06-23 可验证奖励 1 具有可验证奖励的强化学习可隐式激励基础大模型正确推理 06-19 因果推理 5 ECI2D：以可执行因果干预蒸馏自生成上下文示例 10-18 VepAgent：工具增强强化学习驱动的视频事件预测 10-09 小型 Transformer 以跨上下文不变机制追踪潜在共同原因的贝叶斯证据 09-30 揭示大型语言模型中的因果推理：现实还是海市蜃楼？ 06-27 CLEAR-3K：评估语言模型的因果解释能力 06-24 图像评测 1 MMMG：面向文本到图像推理的大规模多学科多层级生成基准 06-13 图形用户界面纠错 1 GUI-Critic-R1：为GUI智能体操作加上“紧急刹车” 06-18 图逻辑 1 Courcelle 定理：树状图上的一元二阶逻辑问题可在线性时间内求解 10-23 在策略蒸馏 27 MCPD：降低在策略自蒸馏的参考答案敏感性 10-23 TeachBack：双向偏好优化改进在策略自蒸馏 10-22 OnQ：以自生成轨迹恢复量化模型推理能力 10-22 Waypoint-OPD：门控在策略蒸馏迁移强化学习策略转变 10-18 批评引导的在策略蒸馏恢复可靠监督 10-18 共享残差蒸馏：从未经验证的同伴轨迹中学习 10-18 CCE-OPD：条件对比外推的在策略蒸馏 10-18 ReCal：面向在策略蒸馏恢复的结构化剪枝校准 10-10 极端稀疏监督提升大模型后训练推理能力 10-08 在策略蒸馏传递新技能而非新知识 10-08 SAKI：最大耦合路由教师监督的在策略蒸馏 10-01 OPSRD：在策略自角色蒸馏 10-01 Neighborhood OPSD：邻域专家增强在策略自蒸馏 10-01 诊断推理语言模型的在策略自蒸馏 10-01 在线蒸馏缓解强化学习的长度扩展税 10-01 极端稀疏监督以单Token更新提升大模型推理能力 09-30 ESCD：跨分词器在策略蒸馏的事件集补全 09-30 EOPSA：高效在策略自蒸馏安全对齐 09-30 LSPD：面向高样本效率推理的最小二乘策略蒸馏 09-30 奖励对齐重加权的在策略蒸馏（R²-OPD） 09-30 共享前缀的隐患：用于在策略蒸馏的轨迹丢弃 09-29 RL 始于 RL 之前：在策略蒸馏提升强化学习效果 09-24 面向低比特推理的在策略蒸馏 09-23 Cal-OPD：校准教师—学生差异的在策略蒸馏 09-21 特权信息对在策略自蒸馏的增益有多大？ 09-18 不完美教师下的离线在策略蒸馏轨迹可学习性 09-17 OPD-Aha：以视觉反思纠正多模态在策略蒸馏中的语言惯性 09-16 基础模型 1 华为发布盘古大模型 5.5 系列 06-23 多元推理 1 思想定理：面向溯因、演绎与归纳推理的多智能体框架 06-11 多教师蒸馏 1 Jev：从概率判断到搜索决策与多教师蒸馏 10-08 多智能体协作风险 1 LLM 群体重演人类推理时夸大共识 09-18 多智能体系统 9 集体涌现对齐：多智能体交互诱导推理对齐的测量与增强 10-27 Noam Brown谈多智能体扩展与递归自我改进 09-30 SAGE：自适应专家组提升多智能体推理 09-30 条件渐进剪枝提升多智能体辩论效率 09-29 蚂蚁 AWorld 以多智能体系统复现 DeepMind IMO 解题成果 07-24 许多 LLM 比一个更实用：多智能体协作中的道德判断 07-01 Xolver：基于整体经验学习的多智能体推理框架 06-19 通过多智能体反思增强大语言模型推理 06-12 从辩论到均衡：基于贝叶斯纳什均衡的信念驱动多智能体 LLM 推理 06-12 多模态学习 3 GLM-4.5V：视觉多模态能力达到开源 SOTA 12-31 阶跃星辰发布多模态旗舰基座模型 Step 3 12-31 CPGD：仅用数学训练，跨学科推理超越 o1并缓解强化学习训练崩溃 06-24 多模态推理 7 OmniReasoning：音视频联合推理基准、数据引擎与自蒸馏方法 10-08 DLR：强化视觉语言模型的隐空间推理 09-28 CoRGI：以视觉证据验证思维链的多模态推理框架 08-05 智谱开源 GLM-4.1V-9B-Thinking：9B 参数模型斩获 23 项 SOTA 07-03 推理越多，幻觉越重？多模态推理模型的「幻觉悖论」 06-26 GRPO-CARE：面向多模态推理的一致性感知强化学习 06-24 香港中文大学 MMLab 发布多模态数学推理方案 MINT-CoT 06-17 多模态证明 1 MATP-BENCH：多模态大模型能否成为自动定理证明器？ 07-17 多维推理 1 突破思维模式：面向大语言模型的多维推理框架 06-18 多路径推理 1 华为提出思维森林：多路径推理破解大模型数学瓶颈 12-31 多跳推理 9 Explore-on-Graph：面向不完整知识图谱的混合嵌入与 LLM 推理 10-01 ConRAG：轻量级多跳关系推断 09-30 EIR：分离证据检索与推理重建，减少多跳智能体重试 09-29 LADDER：图引导扩散语言模型加速多跳推理 09-22 Hi-Q：层次化证据引导的多跳问答查询优化 09-03 AdaPath：基于 Path-Bank 的查询自适应生物医学知识图谱路径搜索 09-01 自动修补：增强语言模型中的多跳推理 08-15 Rex-Thinker：基于思维链的指代物体检测模型 07-01 Auto-Patching：增强语言模型的多跳推理能力 06-04 多跳问答 1 Hop, Skip, and Overthink：诊断推理模型多跳分析失误 08-07 多轮验证 1 Gemini 2.5 Pro结合多轮验证框架系统拆解IMO解题方法 12-31 奖励建模 7 HSRM：用于测试时验证的隐藏状态奖励模型 09-01 响应级奖励就是 LLM 在线强化学习所需的一切：数学视角 12-31 周志华团队理论证明：LLM中可挖掘内源性通用奖励模型 07-03 通才奖励建模的推理时间缩放：SPCT 06-28 ReasonGRM：借助大型推理模型增强生成奖励模型 06-24 ReasonGRM：通过大型推理模型增强生成式奖励模型 06-23 从通用奖励到定向奖励：在开放式长文本生成任务中超越 GPT-4 06-23 奖励机制设计 4 SIF：通过选择性内部反馈学习推理 10-18 Claude 优化数学与编程能力导致写作风格退化 09-24 DCRL：通过策略-奖励流形对齐改进强化学习 09-24 结果奖励驱动可泛化推理策略 12-31 奖励蒸馏 2 OPDVR：基于可验证奖励的在线策略蒸馏 08-27 AdvDistill：通过奖励引导的数据集蒸馏增强小语言模型推理能力 07-02 奖励黑客 1 让模型在思维链中明确解释奖励黑客行为 06-28 对齐失配 1 安全方向惩罚缓解推理诱发的模型失配 08-25 工具使用元学习 1 MetaAgent：通过元工具学习实现持续自我进化 12-31 工具推理 1 大模型推理崩溃论战：从「思维错觉」到多重反驳 06-25 工具调用 1 多工具智能体的全自动推理轨迹生成与训练 12-31 并行推理 7 将自回归 LLM 控制编译为策略精确的并行推理 10-23 DPT：以路径多样性增强大语言模型并行思考 10-22 PLRM：可并行的概率潜空间推理 10-22 PTTS：规划式测试时扩展协调多分支推理路径 09-24 腾讯AI Lab俞栋团队开源首个并行思考强化学习框架 Parallel-R1 12-31 Parallel-R1：通过强化学习让大模型学会并行思维 09-17 谷歌发布 IMO 金牌级模型 Gemini 2.5 Deep Think 08-01 幻觉检测 1 HARP：通过推理子空间投影进行幻觉检测 09-15 开放式推理 1 PuzzleWorld：面向益智寻谜的多模态开放式推理基准 06-10 开源模型 2 OpenAI 开源推理模型 gpt-oss-120b 与 gpt-oss-20b 08-05 华为开源盘古 Embedded 7B 与盘古 Pro MoE 72B 模型 07-01 弱点合成 1 SwS：LLM 推理强化学习中的自我感知弱点驱动问题合成 06-12 强化学习 4 Outcome RL 的收益：提升完成率与可靠性，鲜少拓展能力边界 10-27 清华、上海AI Lab等团队发布推理模型强化学习综述 12-31 大型推理模型的强化学习研究综述 09-11 Magistral：Mistral 首个推理模型与可扩展强化学习管线 06-13 形式化推理 1 字节 Seed-Prover：以引理为核心的 Lean 4 数学证明模型 12-31 形式化证明 15 AlphaProof Nexus攻克9项埃尔德什问题并证明44项OEIS猜想 10-18 LEVER：基于 AND/OR 图的自适应成本感知证明搜索 10-09 Claude被曝以Lean证明渗流理论连续相变猜想 10-08 让方法库自荐：面向形式化证明的适用性感知方法选择 10-08 GPT-6 Astra证明刘维尔–哥德巴赫猜想并经Lean 4验证 09-21 传 AI 巨头未公开数百项数学证明，真实性尚待确认 09-16 Claude 11天完成费马大定理证明 09-07 AlphaProof 技术解析：结合强化学习、自动形式化与 Lean 证明反馈 12-31 MATT-BENCH：多模态大模型能否成为优秀的自动定理证明器？ 12-31 阶跃星辰发布并开源 StepFun-Prover 系列形式化定理证明模型 12-31 StepFun-Prover：基于环境反馈的形式化证明训练 12-31 Goedel-Prover-V2：通过分阶段数据合成与自我纠正扩展形式定理证明 08-05 Goedel-Prover-V2开源：72B模型定理证明超越DeepSeek-Prover-V2 671B 07-18 通过一阶逻辑定理证明提升大模型数学推理能力 06-24 MATP-BENCH：多模态大模型自动定理证明正确率仅约4% 06-18 循环推理 1 Recirculation：基础模型的推理时再循环 08-19 循环深度 1 循环模型为何越想越错：隐空间推理的深度困境 08-16 心智理论 2 Decrypto：多智能体推理与心智理论基准测试 06-26 ToMAP：以心智理论训练具备对手感知能力的大模型说服者 06-25 忠实性验证 1 以因果验证机制检验 AI 推理忠实性 12-31 思维框架 1 姚期智领衔提出大模型“思维”框架，逻辑推理正确率达98% 09-23 思维链 24 CausalCoT：通过上下文隔离缓解思维链注意力泄漏 10-24 TraceForge：用学生模型自身思维风格蒸馏推理轨迹 10-22 用上下文感知解码缓解思维链中的查询捷径 10-22 ReDiST：面向学生能力的推理轨迹构造与蒸馏 10-19 推理模型可通过自我指令控制思维链 10-19 思维密度：预测与引导大模型推理 10-18 潜在思维链真的在推理吗？潜在推理的统一分类体系 10-18 CoTranslator：从逆向到正向的思维链翻译与推理蒸馏 10-18 推理轨迹与证据冲突时：回答配置如何影响证据遵循 10-18 模式识别与逐步推理的二分机制 10-08 CIA：衡量并提升思维链与模型内部推理的一致性 10-01 无意义填充词显著提升 GPT-6 Astra 深层推理表现 09-23 通过工具调用提取并刻画前沿模型的隐藏思维链 09-23 会“边想边说”的口语语言模型 09-23 中间层激活揭示大模型算错时仍处于计算状态 09-13 重新审视后训练中的完整推理轨迹 09-11 推理表征能否帮助人类评估大模型输出？ 09-09 思维链推理操作的内部表征几何机制 09-07 SHAPE：解析数学推理中思维链的形态 09-02 MIST：基于模型内部显著性的思维链 Token 压缩 09-01 重新定义思维链的角色：线索而非完整解释 12-31 Bengio等质疑CoT忠实度：语言化步骤未必反映LLM真实推理 07-03 ECCoT：通过认知链验证增强大型语言模型的有效推理 06-25 CoT-Bridge：为模型补上思维跳跃的“桥梁” 06-04 思维链泄露 1 EchoCoT：从大推理模型中提取隐藏思维链 08-21 思维链监测 1 CoT监测或成为控制AI智能体的核心方法 07-17 意识表征 1 能否从大型语言模型内部状态中观察到“意识”？基于综合信息理论与 Span 表示的分析 07-01 成本优化 1 DynScaling：基于动态集成采样的无验证器高效推理扩展 06-24 扩散模型 6 扩散模型的纠错训练 10-22 层次化掩码扩散语言模型 HMDLM 10-22 二元离散扩散：面向逻辑与规划的候选集扩散 10-21 HC-DLM：分层连续扩散语言模型 10-08 Mercury：首个扩散式 LLM，推理速度超过主流模型 7 倍 06-28 DiffuCoder：理解并改进用于代码生成的掩码扩散模型 06-25 扰动推理 1 PertMind：用细胞扰动强化学习激发生物推理能力 08-18 批评微调 1 通过单问题批评微调释放预训练大模型的推理潜力 06-09 批评模型训练 1 BPCO：稳定高效训练大模型评论器 08-25 技术趋势分析 3 通往 AGI 的路：DeepSeek 走到哪了？ 09-16 无需外部数据！AI自问自答实现推理能力进化 12-31 智能体的自主决策与递归自我改进 12-31 技能演化 2 CoSkill：推理与元技能智能体联合强化学习实现分层技能演化 09-07 清华推出 Ctx2Skill：通过多智能体自博弈实现 Skill 自主进化 08-12 指令优化 1 教学学习范式：融合白盒与黑盒 LLM 的指令优化框架 06-30 指令数据合成 1 腾讯优图提出 RAIF 激励推理方法，复杂指令性能提升 11.74% 06-24 探索推理 1 探索推理：一种熵的视角 06-19 推测解码 1 S⁴C：利用语法与语义一致性加速大模型推理 06-19 推理优化 14 并非所有测试时计算都是证据：LLM 推理中的模型特定偏差 10-19 SAGE以结构信号纠正长程推理偏差 10-08 STAIR：复用历史计算提升大模型新问题推理 10-01 CORE：基于冲突核回跳的可验证语言模型搜索 10-01 递归推理模型的优化、架构与测试时扩展瓶颈 10-01 SAGE：以拓扑引导缓解长程推理偏差 09-26 推理拓扑影响大模型网络安全分析性能 09-22 构建逆向思维：提升大语言模型的反向推理能力 09-22 MIRAGE：强化学习引导的多视角创造性推理 09-21 Looped Transformer 有限步失效的几何分析 09-16 GMTS：基于梯度幅度的词元选择改进大模型 RLVR 推理训练 09-01 马尔可夫思考机将 LLM 推理成本降至线性 12-31 直接推理优化：LLM 自我奖励并完善开放式任务推理 06-18 NoWait：移除“等待”等思考标记可提升推理效率 06-12 推理安全 1 专有 LLM API 推理轨迹窃取攻击 08-12 推理异常 1 GPT-oss 无提示生成问题并陷入数千次重复推理 12-31 推理强化 1 SPIRAL：强化学习筛选并强化可泛化推理模式 12-31 推理归因 1 Thought Anchors：识别大模型推理中的关键步骤 06-25 推理扩展 8 ReLaDrift：漂移模型的循环语言生成与测试时扩展 10-19 LEV：通过循环决策模型实现快速与深度思考 10-18 InfiLoop：以循环原生注意力残差扩展至数万次测试时迭代 10-10 GPT-6 Astra借助空白 Token 显著提升隐式推理能力 09-26 Trace as State：轨迹前置提升长上下文推理 09-14 Thinking with Looped Flows：基于循环流的可扩展推理 09-11 五年前的“开放式推理”设想预见 OpenAI o1、o3 路线 08-15 推理时扩展的概率最优性：OptScale 动态确定最佳采样数 06-27 推理效率 26 多智能体共享上下文中的 Token 预算理论：多思考还是多阅读？ 10-19 RACE：基于跨轮估计的智能体自适应推理 10-09 SSR：基于选择的高效多模态搜索智能体推理 10-08 低价模型未必省钱：Gemini 3 Flash部分任务总成本反超GPT-5.2 10-08 SpecScale：面向测试时扩展的高效推测搜索服务系统 10-01 TokenProbe：利用词元价值不均衡提升推理效率 09-29 JET：基于候选似然与前缀复用的高效决策推理 09-29 自监督置信度训练提升推理效率 09-28 Flash-dLLM：IO 感知 KV 缓存与并行解码加速扩散语言模型 09-24 扩散语言模型的因果捷径学习与高效推理 09-24 FLEET：基于熵轨迹记忆的高效文本生成 09-24 SKIP：自知识引导的逐步偏好学习实现简洁推理 09-16 BeaconKV：查询引导的 KV 缓存压缩提升大型推理模型推理效率 09-10 分形吸引域揭示潜在推理减速机制 09-10 Random Attention：随机驱逐 KV 缓存提升推理效率 09-07 语言模型通过声明式注意力自主控制上下文访问 09-07 BeaconKV：信标查询引导的 KV 缓存压缩 09-07 极稀疏监督可有效激发大模型推理能力 09-07 MCPO：多模态思维链的模态对比偏好优化与压缩 09-07 分形吸引盆地困住潜在推理 09-07 无 LM Head 的软潜空间思考 09-01 思维令牌是帮助还是陷阱？迈向更高效的大型推理模型 07-01 Long-to-Short 是免费的午餐吗？研究大型推理模型的一致性与推理效率 06-25 PREMISE：面向大模型高效数学推理的可扩展战略提示优化 06-13 简单问题快速答，困难问题深入想：基于幂次长度惩罚的高效推理 06-13 Bingo：通过动态与显著性强化学习提升大模型推理效率 06-12 推理早停 7 StreamStop：语言模型智能体的流式推理自适应早停 10-21 StartLux-Decision v1.1：RLCD² 驱动自适应决策推理 10-18 AURA：效用引导的自适应推理提升文本检索效率 10-18 Adaptive Self-Consistency：基于分布反馈的自适应推理早停 10-01 递归模型何时完成计算 09-23 AI 何时停止过度思考？长推理模型的早停难题 09-14 答案收敛可作为推理早停信号 06-04 推理模型 2 大推理模型强化学习综述 12-31 蚂蚁开源 Ling-flash-2.0 MoE 模型，小参数量实现越级推理性能 12-31 推理研究综述 3 推理-搜索增强 LLM：操作分类、基准分析与受控证据综述 10-22 香港中文大学发布基础模型推理能力综述：方法、基准与未来方向 10-23 逻辑学研究中心联合发表大模型逻辑推理能力综述《思维机器》 10-15 推理系统 1 Frontier：模拟下一代大语言模型推理系统 08-05 推理范式 1 CMU 与斯坦福提出新型推理范式：让 LLM 自主发现抽象“窍门” 12-31 推理蒸馏 1 NaturalThoughts：为通用推理任务选择和提炼推理轨迹 07-03 推理训练 1 MERA 训练提升模型推理效率与准确性 08-06 推理记忆 1 ReasoningBank：通过推理记忆扩展智能体自我进化 09-30 推理评测 29 时间计算与时间理解均无法单独解释 LLM 时序推理 10-22 LLM 智能体能否在上下文中执行贝叶斯推断？ 10-22 同答异因：多语言大模型的推理轨迹分歧 10-22 思维惯性：被要求停止思考时，LLM 仍会显式推理 10-18 先采纳，再取消：思考如何让推理模型字面理解 some 与 or 10-18 ProloNg：用 Prolog 探测长程演绎推理能力 10-10 Thinking Inertia：LLM 被要求停止思考后仍持续推理 10-09 PHRBench：大模型幻觉后推理行为评测 10-08 增加推理预算未能消除大模型认知偏差 10-08 SCB：语音模型多轮数学推理评测基准 10-01 EnigmaForge：问题隐藏在故事中的逻辑推理评测 09-25 PetriBench：动态状态空间中的 LLM 推理评测 09-18 GPT-6 Astra补全FrontierMath Tier 4最后一道未解题 09-11 PerfReasoning：大模型硬件性能推理与建模评测 09-07 OneEval：面向多元化知识库的LLM知识密集型推理基准 12-31 FormulaOne：图结构动态规划评估集 12-31 Maximal-Cluster-Graph 难题中的动态规划推理链 12-31 不可解谜题暴露纯程序化推理评估的缺陷 12-31 组合深度并非可靠的推理复杂度指标 12-31 ICML 2025 新基准揭示 LLM 推理短板：高分或源于符号记忆 10-23 挑战 LLM 逻辑推理极限：新基准 TEXTGAMES 10-23 MMReason：面向 AGI 的开放式多模态多步骤推理基准 07-01 从思考到输出：推理语言模型中的思维链与文本生成特征 06-30 RE-IMAGINE：用于推理评估的符号化基准合成 06-23 大语言模型的“波将金式理解”：正确答案背后的推理不一致 06-21 IneqMath：29个大模型奥数级不等式证明成功率不足50% 06-20 苹果《思考的错觉》再遭质疑：Claude与人类共著论文指出三大测试缺陷 06-20 苹果《思考的错觉》再遭质疑：Claude 与人类共著论文指出三大关键缺陷 06-14 《思考幻觉》的幻觉：重新审视大模型推理能力崩溃 06-14 推理调控 1 AlphaOne：大模型先慢后快的测试时推理调控框架 06-23 推理迁移 1 数学推理训练能否提升 LLM 的通用能力？推理能力的可转移性研究 07-01 推理预算 1 通过预算引导控制大模型思维长度 06-18 提示优化 3 结构税：结构化输出如何影响大模型性能 10-09 K2P：无标签知识到提示蒸馏 10-01 RiOT：基于残差优化树的高效提示词优化 06-24 提示合成 2 PromptCoT 2.0：面向大语言模型推理的可扩展提示合成 12-31 PromptCoT 2.0：以 EM 循环合成高难度推理任务 12-31 搜索推理 1 R-Search：通过多奖励强化学习与搜索增强大模型推理 06-09 搜索能力评测 1 TsuGO：以围棋死活题评测大模型推理搜索效率 08-16 效度审计 1 超越局部准确率：LLM 推理评测的协议级可识别性审计 08-16 效率评测 1 我们离最佳推理效率还有多远？ 06-11 数值推理 1 大语言模型数值能力：根本局限与改进路径 08-16 数学合成 1 MathFusion：融合数学问题，45K 合成数据带来 18% 能力提升 06-18 数学推理 26 OpenAI公开三维与四维挂谷猜想证明手稿 10-10 Meta Muse Spark协助解决六项数学开放问题 10-08 未发布 Claude 推进黎曼猜想相关下界并支持形式化验证 10-08 Tiny Transformer 的算法草稿纸与算术课程分阶段训练 10-08 ChatGPT 用四轮提示推翻 30 年图论猜想 10-08 AI攻克百余数学难题后：数学评价转向人类理解 09-28 数学推理中答案顺序不变但内部表征顺序敏感 09-24 GPT-6 Astra推动FrontierMath首个Major Advance 09-19 GPT-6 Astra攻破FrontierMath Tier 4最后未解题 09-13 Nemotron 的 IMO 金牌开放配方：奥数证明训练与推理 09-13 GPT-6 Astra据称实现FrontierMath Tier 4满分 09-11 OpenAI被曝在霍奇猜想等数学难题上取得进展 09-11 LLM 数学推理中的知识结构是否连贯？基于知识空间理论的评估 09-07 共享回路预测 LLM 算术推理的跨格式泛化 09-07 哈萨比斯：数学 AI 的“第37手”只是时间问题 08-11 MiroMind-M1：基于 Qwen-2.5 的开源数学推理模型 12-31 DeepMind FunSearch 发现目前最大的 Cap Set 12-31 OpenAI与DeepMind在IMO 2025中均攻克5道题 12-31 OpenAI IMO 金牌团队：模型拒答难题，长时推理面临评估瓶颈 12-31 AI Mathematician（AIM）框架探索前沿理论研究 12-31 大语言模型的数学推理：代码合成、证明生成与逻辑状态 08-05 仅靠提示词与自我验证，Gemini 2.5 Pro 达到 IMO 2025 金牌水平 07-21 有道开源14B「子曰3」数学模型，多项任务超越DeepSeek-R1 06-28 AceReason-Nemotron 1.1：通过 SFT 与 RL 协同提升数学和代码推理 06-18 大语言模型数学推理综述 06-12 数学推理大型语言模型研究综述 06-10 数学数据 1 DeepMath-103K：用 10.3 万道高难数学题突破大模型推理瓶颈 06-12 数学研究 1 AIM：面向数学理论研究的自动化智能体 12-31 数学评测 1 超越黄金标准：用于形式数学推理评估的LLM法官认识论集成 06-13 数学语言 1 使用多语言数字谜题研究语言模型中语言与数学推理的相互作用 06-19 数据合成 4 LongZero：零数据增强长上下文推理 10-22 从扰动公开文档合成上下文学习训练数据 09-29 REER-PT：以困惑度引导逆向推理增强预训练数据 09-01 Code2Logic：游戏代码驱动的多模态推理数据合成 09-23 数据归因 1 推理模型中“Wait”标记的训练来源追踪 10-24 数据混合 2 数据混合支撑多语言同语推理泛化 09-10 AutoMixer：利用训练检查点自动优化数据混合 06-30 数据策展 2 多样化 SFT 推理轨迹提升强化学习后泛化 09-29 On-Policy Distillation中的数据效率与难例选择 09-07 文本扩散模型 1 Cosmos：用于文本扩散建模的压缩平滑潜在空间 06-27 旗舰模型 1 Grok 4 与 Grok 4 Code 发布：强化推理与编程能力 07-03 无监督训练 1 MM-UPT：基于 GRPO 的多模态大模型无监督持续自我改进框架 05-28 时序推理 1 TEPCA：时序知识图谱的证据—参数协同对齐 10-21 时序问答 1 SABET-QA：时序知识图谱多步问答 08-21 智能体 2 SWE-Dev：构建具备训练与推理扩展能力的软件工程智能体 06-07 SWE-Dev：通过训练与推理扩展构建软件工程智能体 06-07 智能体工作流 1 WebAgents 完成用户指令的三个核心过程 12-31 智能体推理 1 Agentic-R1：7B小模型的逆袭，让LLM学会“见招拆招” 07-18 智能体框架 1 GRASP：面向复杂任务的生成、修订与评估式智能体规划 09-26 智能体自进化 1 MetaAgent：无需参数更新的自我进化智能体范式 06-13 智能体评测 7 Arena 上线 GPT-6 Sol 与 GPT-6 Luna 测试 09-23 CordisBench：动态智能体脚手架的组件生命周期推理评测 09-02 AI Agent 评测基准的“环境—能力”分类框架 12-31 ALE-Bench：编程智能体跻身 NP 难题竞赛前 2% 06-18 EconWebArena：现实 Web 环境中的经济任务自治智能体评测基准 06-12 面向未来的基准：预测智能体的 Pastcasting 基准 06-11 TextAtari：使用语言智能体挑战10万步Atari游戏 06-05 机制发现 1 Looped Transformer 如何通过隐状态路由共享计算 10-01 检索停止 1 多轮 RAG 何时停止：Search-R1 的结构化停止判断 08-16 概率推理 1 不完全是夏洛克·福尔摩斯：语言模型无法可靠区分不可能与不太可能的事件 06-11 模型发布 9 疑似 Gemini 4 Pro 匿名现身 Arena，多项能力传闻领先 09-19 StepAudio 3 Realtime：实时全双工语音基础模型 09-17 ZGCM-1：面向数学推理与智能体搜索的开放高效 7B 基础模型 09-16 财跃星辰与上海交大开源8B金融推理模型 Alpha-R1 09-10 Qwen3.8-27B开源：消费级显卡可运行“Opus级”Agent 08-16 OpenAI 发布 GPT-5 系列模型 08-07 OpenRouter 神秘模型 Cypher Alpha 上线 07-03 Gemini 2.5 Pro 稳定版全面可用 06-19 Mistral AI 发布推理模型系列 Magistral 06-12 模型可靠性 6 Prism-1：位置与竞争选项无关的系统一评分 10-18 RoleCapBench：测量角色提示推理模型的能力泄漏 10-01 超越准确率：低精度快速矩阵乘法的前缀不变实现 10-01 Jev 算术任务中的拒答瓶颈 10-01 贪心解码并非精度不变：LLM 跨精度输出分歧 09-23 首个 Token 决定安全：大推理模型的起始拒答崩塌 09-17 模型安全 1 思想犯罪：推理模型中的后门与涌现失调 06-18 模型对抗 1 Grok 4晋级大模型对抗赛决赛，Gemini全军覆没 12-31 模型微调 4 Nemotron 3 微调系统达 IOI 与 IMO 2026 金牌水平 10-08 T-Router：面向参数高效强化学习的丘脑式推理路由 10-01 从模式保留视角理解 Pause Token 微调动态 09-07 在不损害能力的前提下精简大语言模型 06-13 模型架构 1 GPT-5：基础模型、深度推理与实时路由一体化系统 12-31 模型架构创新 9 LAW：基于纯自条件的扩散语言建模 10-22 ALoDLM：自适应循环扩散语言模型 10-08 单纯形上的推理：几何不动点模型 GFPR 09-29 Transformer 可同时生成双重思路：LLM 线性叠加证据 09-26 QART：面向长程推理的量子—经典混合架构 09-16 OpenAI Astra被曝采用循环深度Transformer 09-07 阿里 MeSH 与 SpiralFormer 优化循环 Transformer 09-07 DODR：潜空间中的确定性算子驱动推理 09-07 Intern-S2-Mobius：知识与推理解耦的基础模型 08-17 模型评测 10 Jev 专用决策模型与通用 LLM 的多任务基准对比 10-09 面向决策的推荐重排序：Jev 实证研究 10-01 语言模型树结构表达序列化的通信瓶颈 09-21 错误预测中的正确证据：修复 LLM 序列评分坍塌 09-01 实测蚂蚁万亿参数思考模型 Ring-1T：对比 DeepSeek V3.2 12-31 GPT-5 首波实测：SimpleBench 超越人类平均水平 12-31 GLM-4.5 逻辑能力评测：推理模式显著降低幻觉与计算误差 07-26 SuperCLUE推理榜惊现黑马：中兴AI模型表现亮眼 07-02 OpenAI 发布 o3-pro，引入严格的“4/4 可靠性”评估 06-11 大型语言模型在框架与符号落地问题上的零样本评估基准 06-11 模型路由 3 System Switch：快速决策模型何时应停下来思考？ 10-08 SeLMRoute：基于概率语义证据的大模型路由 09-30 Router-R1：通过强化学习实现多轮大模型路由与聚合 06-12 模型轻量化 4 CRD：基于交叉反馈与连贯策展的协作式推理蒸馏 10-08 TeacherGRPO：通过教师对齐弥合推理蒸馏的能力差距 09-29 Gated DeltaNet 混合式 27B LLM 的 NVFP4 全量化机制 09-07 DFM Mimir v1：仅用许可数据训练的 1B HRM 模型 08-17 模型验证 1 CompassVerifier：统一支持 LLM 评估与结果奖励的鲁棒验证器 08-06 泛化推理 1 General-Reasoner：面向跨领域泛化的推理框架 06-04 泛化能力 1 GPT-5数字母任务仍翻车：CoT分布外泛化问题未解 12-31 泛化迁移 1 打破领域障碍：强化后训练的推理收益能否迁移到未见领域？ 06-25 测试时优化 12 ARR：在修订与重采样间自适应分配测试时计算 10-21 EMO：交替上下文优化与 Logits 引导的闭环测试时计算框架 10-18 测试时 LLM 集成的双样本规模：缓冲 ERM 与极小极大理论 10-18 从帕累托到偏好：摊销式策略发现实现个性化测试时扩展 10-08 序列测试时扩展中的探索与吸引子逃逸 10-01 自适应循环 Transformer 改进测试时扩展 09-30 Token 解耦的视觉语言潜空间测试时扩展 09-30 CANOPY：利用分段平滑树先验的多保真老虎机 09-25 ExpBoN：基于指数噪声 Best-of-n 的高效测试时对齐 09-21 超越置信度：面向 LLM 推理的稳定性感知测试时适应 09-11 TTPO：测试时策略优化 08-28 MEMETRON：大型语言模型测试时响应优化的元启发式机制 06-12 测试时计算 1 e3：学习探索实现大模型测试时计算外推 06-12 测试时训练 1 无标签偏置子空间压缩测试时强化学习 09-17 涌现机制 1 为什么 LLM 的能力是涌现的？ 08-06 涌现能力 1 大型语言模型与涌现：复杂系统视角 06-16 深度研究智能体 2 WebWatcher：面向高难度多模态深度研究的智能体方案 12-31 深度研究智能体重塑知识发现与问题解决范式 08-07 混合微调 2 SRFT：单阶段融合监督与强化学习的大模型微调方法 07-03 SRFT：统一监督微调与强化学习的单阶段推理训练方法 06-25 混合规划 1 融合神经与符号系统的混合规划器 12-31 游戏推理 4 面向路径与支撑推理的混合定性模型 09-18 ViGaL：仅通过游戏强化学习提升多模态推理能力 06-25 ViGaL：用街机游戏训练多模态模型的跨领域推理能力 06-18 玩以致泛化：通过游戏学习推理 06-09 游戏生成 1 ViGaL：以游戏化合成任务培养通用多模态推理能力 12-31 游戏评测 1 LMGame-Bench：用经典游戏评测大模型感知、记忆与推理能力 07-02 溯因推理 1 LLM 不为“跃迁”付出代价：机器溯因缺少物理成本 08-17 演化能力评测 1 StudyBench：测量自我进化知识吸收与迁移效率的物理奥赛基准 09-10 潜空间推理 1 BDH-CQ：基于循环潜在推理的上下文学习 08-12 状态追踪 2 PAR：进度对齐循环机制提升状态跟踪长度泛化 10-22 神经网络状态追踪的陪集表征机制 09-26 理解能力评测 1 大型语言模型中的波将金式理解 06-27 真值表征 1 探索真理的几何学：LLM 真值方向在逻辑变换与问答任务中的一致性和泛化性 06-04 知识库问答 1 MCTS-KBQA：基于信息增益奖励的知识库问答 08-20 知识推理 1 OneEval：面向多样化知识库的大模型知识密集型推理评测 06-18 知识编辑 1 EngramEdit：通过条件记忆解耦更新大模型知识 10-08 研究综述 1 arXiv 2506.06034（原综述笔记，标题缺失） 06-10 神经符号人工智能 2 “神经-符号”融合规划器显著超越 o1 12-31 大型语言模型模仿逻辑推理，但代价是什么？ 09-16 科学发现 1 DrSR：基于数据与经验双重推理的科学方程发现框架 06-23 科学推理 1 史上最大高质量科学推理后训练数据集开源，快速让 Qwen3 等变“科学家” 12-31 科学数据 1 上海创智学院与上海交通大学发布科学推理数据集 MegaScience 12-31 科学检索增强生成 1 ScIRGen：为科学研究合成真实的大规模 RAG 数据集 06-16 科研智能体 1 Claude 完成 N=4 超杨-米尔斯理论九圈散射振幅计算 09-26 科研评测 3 TCSAlgBench：研究级理论计算机科学自动证明基准 09-30 ScienceArena：最新科学奥赛大模型评测基准 09-01 科学家的第一次考试：通过感知、理解与推理评测多模态大模型的科学认知能力 06-13 程序进化 1 自主进化推理程序提升 VLM 科学图表分析能力 10-27 空间推理 1 密室逃脱成 AI 新考场：通关率不足 50%，暴露空间推理短板 07-17 空间认知 1 MindCube：从有限视图构建空间心智模型 06-27 空间记忆 1 Spatial Memory Agent：基于经验程序记忆的空间智能 08-15 端侧模型 1 Qwen发布两款4B端侧模型，支持256K上下文 12-31 答案聚合 1 表示一致性：聚合准确且连贯的 LLM 候选答案 06-30 答案验证 1 迁移式验证：精确信息前沿与调用成本 10-09 策略优化 13 PICO：全失败采样下的策略兼容联合解码 10-29 Info-GRPO：面向长链推理的相关性感知探索 10-27 MOER：专家前缀引导与选择性回滚的混合策略优化 10-24 GIFT：梯度引导过滤的蒸馏增强推理强化学习 10-23 EPIC：基于精确 KL 前缀重要性比裁剪的自回归策略优化 10-22 Flat-RLVR：面向推理能力的锐度感知可验证奖励强化学习 10-22 重新审视 GRPO 的大推理模型安全对齐 10-19 ReSPO：缓解离策略学习梯度饥饿的重塑序列策略优化 09-30 Teach to Learn：提示退火驱动 LLM 推理自我改进 09-30 EAPO：面向 LLM 推理探索的熵引导信用分配 09-29 超越重复采样：学习大模型推理搜索策略 09-23 InfoPPO：信息时间近端策略优化 09-22 Bellman Policy Optimization：无 Critic 的 RLVR 方法 09-15 策略蒸馏 1 SimpleOPD：分词器无关的长上下文同策略蒸馏 08-17 系统优化 1 华为 CloudMatrix 论文披露 AI 数据中心新范式，推理效率超越英伟达 H100 06-30 组合学习 1 组合学习的谱理论 09-29 组合推理 1 Ineq-Comp：不等式自动定理证明中的人类直觉组合推理基准 12-31 经验学习 2 离线指导、在线推理：用可复用潜在纠正增强小语言模型 10-01 Learning to Coach：训练教练模型提炼可迁移经验 09-15 结构推理 1 通过结构化推理增强大语言模型 06-26 缩放定律 1 智谱唐杰：大模型只看参数的时代结束了 08-20 缺失前提识别 1 ACA-RL：面向缺失前提推理的询问、条件回答与弃答强化学习 08-18 置信度评估 13 U-Space：揭示语言模型不确定性的产生与演化 10-18 RL-ARC：以推理引导不确定性校准大型推理模型 10-10 以弃权认证：小校准预算下思维链验证器的分布无关保证 10-08 U-Space：定位语言模型推理中的不确定性来源 10-08 USteer：免训练不确定性引导推理，降低模型幻觉 10-01 OpenJev-RLCD：面向校准决策的强化学习实现 10-01 J4U：面向大型推理模型的黑盒不确定性量化 09-30 CREDO：用可微读出校准推理模型置信度 09-30 ConfLens：通过过早答案承诺检测捷径推理 09-30 GRUET：量化智能体推理与行动轨迹的不确定性 09-22 XConf：从推理到智能体的经验性置信度估计 09-18 LLM 的置信度能否反映回答正确性？ 12-31 用 KL 散度衡量模型的「自我确定性」 12-31 能力增强 1 GPT-5 幻觉减少，空间推理与规划能力提升 12-31 能力评测基准 1 FormulaOne 基准令 GPT-5、o3 Pro 等前沿模型集体零分 12-31 能力迁移 2 AI4AI 测试时强弱模型能力迁移：用 Harness 提升小模型表现 08-14 不同游戏训练会形成专门化认知能力 12-31 自主智能体 1 月之暗面推出 Kimi-Researcher，自主 Agent 在“人类最后一场考试”取得 SOTA 06-23 自动化科学研究 1 OpenAI 公开 722 篇 AI 生成数学手稿 10-08 自博弈 6 SPIRAL：零和游戏自对弈成为语言模型推理训练的「免费午餐」 12-31 零和博弈自对弈驱动模型自主学习推理 12-31 SPIRAL：通过多智能体多轮强化学习在零和博弈自博弈中激励推理 12-31 SPIRAL 强化学习代码仓库 12-31 以游戏自对弈筛选可泛化思维链 12-31 SPIRAL：零和博弈自博弈激发可迁移推理能力 06-30 自我反思 3 RetroThinker：让语音大模型实现回溯式思考 09-11 MAPS：通过自动提示与多层自我反思增强大模型多步数学推理 07-01 Double-Checker：通过自我批判微调增强慢思维大模型推理 06-27 自我奖励 1 一致的路径通向真理：面向LLM推理的自我奖励强化学习 06-12 自我改进 3 回望式分层规划：通过事后提炼思路训练推理模型 10-09 FlowBalance：基于验证器校准策略内经验的推理模型自我改进 09-09 在策略蒸馏真的在蒸馏吗？从噪声教师到自我改进 09-01 自我纠错 1 PAG：以策略作为生成式验证器的多轮强化学习自我纠错 06-13 自蒸馏 8 基于熵增益采样与答案混合的递归离线蒸馏 10-18 ReTeach：通过多轮反思与重试构建自教师 10-10 Pivot-SD：掩码扩散语言模型的高效自蒸馏 10-08 SAPD：步骤对齐特权蒸馏 10-08 DCSD：解耦信用方向与幅度的自蒸馏方法 09-30 吸引与排斥教师：解耦自蒸馏中的正确性与行为 09-21 负向自蒸馏：通过规避缺陷学习推理 09-11 无监督同策略自蒸馏 U-OPSD 08-12 自训练 1 CMU 提出自我奖励训练 SRT：大模型能否实现无标签自训练？ 05-27 自进化 7 R-Quest：以有效性与新颖性反馈维持推理模型自进化 10-09 DiagEvo：基于层次化错误记忆的诊断引导自进化 09-03 超越人类监督扩展大型推理模型：通往超级智能的路径 09-01 上交大推出机器学习智能体 ML-Master，登顶 OpenAI MLE-bench 07-02 阿里巴巴与上交等提出 Agent 自进化方法，Solver 性能提升 20.2 个百分点 06-30 ALITA：以最少预定义和最大自我进化实现可扩展智能体推理 05-27 多数投票驱动的推理模型迭代式自我训练 02-03 自进化框架 1 HarnessBank：面向 Agent-Harness 自进化的语义基因库 08-11 自适应引导 1 自适应引导加速推理模型的强化学习 06-19 自适应推理 1 推理混合：教大型语言模型使用自适应策略进行推理 07-01 蒸馏坍缩 1 一个症状、三个杠杆：在策自蒸馏批判性综述 08-27 蛋白质建模 3 Scinetics提出可验证科学Token链用于酶设计 10-18 学习蛋白质折叠能否泛化至更广泛推理？ 10-01 AMix-1：基于贝叶斯流网络的蛋白质基座模型新范式 12-31 裁判模型评测 1 LLM 作为评委的实证研究：设计选择如何影响评估可靠性 06-18 规划评测 1 看似简单的规划问题也具计算挑战：倒计时游戏基准 08-04 规则推理 2 StepFun-Prover-Preview：32B 规则推理模型 12-31 RuleReasoner：通过领域感知动态采样强化规则推理 06-12 规则评测 1 RuleWeaver：评测大模型规则中心场景推理 08-29 视觉推理 12 Spatial-TRM：递归细化空间上下文区域预测 10-19 NAT-ARC：自然图像预训练迁移至ARC视觉推理 10-08 NAT-ARC：自然图像预训练迁移至ARC视觉推理 10-01 谁在谁的左边？相对位置推理中的空间证据追踪与角色绑定 09-30 SpatialSpeak：融合局部与全局重建的空间思维链推理 09-29 AI在门萨图形推理测试中触及151分理论上限 09-26 Circuit-MLLM：拓扑逻辑引导的电路图视觉推理 09-15 Autoregressive Mosaics：探测纯文本模型的二维空间推理 09-01 ViLaSR-7B：通过“边画边想”学习人类式空间推理 06-23 CaughtCheating：多模态大模型能否成为优秀的作弊侦探？ 06-23 SynthRL：以可验证数据合成扩展视觉推理 06-04 SynthRL：通过可验证的数据合成扩展视觉推理 06-03 视觉生成 2 清华、字节提出 PAROAttention：Token 重排实现 5 倍稀疏与 4 比特量化 07-01 GoT-R1：强化学习解锁多模态视觉生成推理新范式 06-26 视频理解 1 微软推出长视频探索智能体 Deep Video Discovery 07-01 视频生成 1 DraftAttention：无需训练的视频扩散模型动态稀疏注意力加速方法 06-30 计算复杂度 1 思考的错觉：从问题复杂性理解推理模型的优势与局限 06-11 认知习惯 1 了解大型推理模型的认知习惯：CogTest 基准评估 06-30 认知工具 1 用认知工具在语言模型中激发推理 06-18 认知推理 4 ARCANA：抽象与远类比推理评测基准 10-22 Bongard：训练机器直觉的开放权重 System One 模型 10-01 借鉴认知科学提升 AI 推理解释的真实性 12-31 抽象、对齐、预测：基于认知归纳推理的零样本立场检测 06-18 训练策略 1 无 CoT 数据下：Next-Chunk Reasoning RL 真的优于 SFT 吗？ 08-25 训练配方 1 字节跳动 Seed 开源强化学习配方 POLARIS，4B 模型数学推理接近 235B 模型表现 07-17 记忆能力评测 1 MemoReason：评估参数记忆对大模型上下文推理的影响 09-30 记忆陷阱 1 MemTrapBench：评测 LLM 记忆使用中的认知陷阱 08-22 评测偏差 1 自动化评估应区分模型能力与决策偏好 12-31 评测基准 9 CodeCap-Bench：以可执行代码表征视频内容 10-29 Gemini 4 Argon 在 ARC-AGI-3 Verified 评测中得分 97.5% 10-18 System1-Arena：哪些决策可交给 System 1？ 10-18 ArchitectureIQ：衡量模型训练直觉 10-01 MechReasoner：定性物理机械推理模拟器与评测基准 09-30 PotARCin：抽象推理技能习得的多维评测基准 09-24 Endless Exam：面向超级智能的数学构造评测基准 09-22 LLM 评测基准综述与多模态推理新基准 10-23 AI 基准测试：从专业难题到大众谜题，探索 AI 推理能力 10-23 评测审计 2 Molecular Déjà Vu：分子基准中的数字级记忆检索审计 09-07 垃圾输入，推理输出？为何基准分数不可靠及如何应对 07-01 课程学习 3 Frontier Learning：在能力边界训练大模型推理器 09-30 PAC：面向大模型多任务强化学习的进度增强优势课程 09-01 百个种子问题驱动的多智能体课程生成 12-31 负向微调 1 NFT：利用隐式负向策略提升数学推理能力 06-23 趋势预测 1 2026—2027年大模型行业两大里程碑 08-12 跨域经验迁移 1 Isaac 启发学习：跨域经验驱动大模型认知内生化 08-27 过程奖励模型 9 强 MoE 即可实现过程监督：基于专家路由的置信度与奖励建模 10-22 BoT-GRPO：基于词元袋聚合的高效过程奖励强化学习 10-08 RSP：通过推理状态传播学习过程奖励 10-01 确定性 PRM 引导为何在离散扩散推理中表现不佳 09-30 ConsensusBench：用共识节点稠密化大模型推理奖励 09-07 Cliff：从首次错误学习过程奖励 09-03 SPRO：使用掩码步骤优势进行自我引导的过程奖励优化 07-02 SPARE：基于参考引导评估的单次过程标注框架 06-23 从数学推理到代码：测试时扩展中过程奖励模型的泛化 06-04 过程评测 4 隐藏状态探针定位推理失败的有效性 10-18 路径很重要：超越答案准确率的知识图谱问答小模型评测 09-24 答案分布轨迹：LLM 推理的随机动力学视角 09-09 LCoT-GV：基于图注意力网络的长思维链验证 09-01 进化搜索 1 LLM 引导的进化搜索：通向超级智能混合系统的新方向 12-31 进化策略 1 进化策略实现比 GRPO 更广的 LLM 推理覆盖 08-28 连续推理 6 连续潜空间扩散推理：Latent Flow Reasoning Models 09-30 潜空间推理涌现可泛化的循环搜索算法 09-30 SALR：面向知识库问答的模式锚定潜在推理 09-18 扩散课程训练实现无时间步迭代推理 09-02 SynAdapt：利用合成连续思维链实现高效自适应推理 08-05 田渊栋团队：连续思维链通过“叠加态”实现多路径并行推理 06-20 逆合成规划 1 表征对齐成为 LLM 逆合成规划瓶颈 09-30 递归自我改进 1 RSI：LLM 递归自我改进算法全景解析 10-18 通用推理 1 RLPR：无需验证器将RLVR扩展到通用领域 06-28 逻辑增强 1 FLARE：忠实的逻辑辅助推理与探索 10-16 逻辑推理 3 面向自然语言推理的语义抽象框架 09-23 ACL 2025：让 LLM 像逻辑学家一样思考 07-28 清华推出“AI数学家”：可自主调用定理并构建证明思路 06-04 逻辑生成 1 LAG：从笛卡尔视角出发的逻辑增强生成 12-31 采样控制 4 Guided-RLVR：以引导式探索提升可验证奖励强化学习 10-29 GRAFT：恢复连续扩散语言模型缺失的采样接口 10-22 GRPODropout：筛除部分 Rollout 改善在线强化学习 10-09 扩散语言模型的自排斥采样 10-01 采样校准 1 正确概率更高，答案反而更差：Power Sampling 的失效与修复 08-17 量化感知训练 1 SageAttention3：FP4 量化加速注意力并探索 8 比特训练 06-19 金融推理 1 FinCoT：以专家知识为基础的金融思维链推理 06-24 错误共识 1 分解 LLM 自洽投票中的错误共识：GPT-4.1 案例研究 08-20 错误反思 1 LEMMA：用“错题本”反思学习提升大模型数学推理能力 06-19 长期记忆 3 SchemaMem：图式索引递归记忆架构 09-29 LGM：基于潜在神经符号推理的长期记忆解耦 09-17 ConvMem：用于长上下文推理的卷积式记忆框架 09-10 长程任务执行 1 SGG-ReflAct：子目标引导反思提升长程推理可靠性 09-30 音频生成 1 阿里通义开源首个 CoT 泛音频生成模型 ThinkSound 07-02 领域泛化 1 从一般推理到领域专业知识：揭示大型语言模型泛化的局限性 06-30 题目生成 1 自动生成用于阅读理解评估的推理问题 06-12 首步纠错 1 在推理的开始迷失：首个推理步骤对长链推理的关键影响 06-30 验证器模型 1 CompassVerifier：3B验证模型与多领域高难度基准 VerifierBench 12-31 高效探索 1 字节跳动与MAP提出FR3E：以结构化高效探索提升大模型强化学习上限 12-31
