大模型Google AI Blog4 天前
Chain-of-table: Evolving tables in the reasoning chain for table understanding
Google 提出 Chain-of-Table 框架，让 LLM 通过逐步生成表格操作（选列、聚合、排序等）迭代演化表格，形成可解释的推理链，解决表格结构难以被语言模型理解的问题，在 WikiTQ、TabFact、FeTaQA 上取得 SOTA。
AI 与各行业落地的前沿信号寻行业之脉
寻行业之脉
接真实之需
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
249
累计条目
0
今日新增
12
权威信源
采集中每日 02:00 · UTC+8
L1 摘要
全量
L2 深度
0
人工抽检
每日
按领域浏览
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
筛选结果
共 12 条符合条件
当前筛选#reasoning×
大模型Google AI Blog4 天前
Talk like a graph: Encoding graphs for large language models
Google Research 在 ICLR 2024 提出将图结构编码为文本以提升 LLM 图推理能力，并发布 GraphQA 基准。研究发现编码方式、任务类型和图结构会影响性能，选对编码方法可使 LLM 图任务表现提升高达 60%。
行业落地OpenAI News4 天前
Sharing AI progress in mathematics
OpenAI 发布内部前沿模型在数学开放问题上的新成果，并在 GitHub 公开 Lean 证明形式化与研究细节，展示 AI 在数学推理与形式化证明上的进展，值得关注其对科研自动化的推动。
大模型arXiv cs.LG4 天前
Amortizing Sequential Experimental Design in Reasoning LLMs
该论文研究如何将序贯贝叶斯实验设计（BED）摊销进推理型LLM，通过信息增益奖励显式训练引导动作选择的推理过程。在二十问任务上，所得策略以更低计算成本超越训练与推理时BED基线，并迁移至临床对话基准Medi-Q，表明信息收集可作为可泛化的推理技能被学习。
已过时译
大模型arXiv cs.CL4 天前
Can LLMs Anticipate Their Cruxes?
论文研究如何从语言模型输出中提取影响决策的关键子问题（cruxes），提出三种成本递增的策略：先验询问、单次推理后提取、多次采样对比提取。实验发现前两种廉价方法均不足以识别完整关键因素，高 stakes 决策仍需多次采样，但可用 reranker 将成本降至 judge 的约 1/86。
大模型arXiv cs.CL4 天前
CoTS: Competitive Token Selection for Latent Reasoning in Large Language Models
CoTS 提出一种免训练的隐式推理框架，用最高两个候选 token 的概率竞争动态调节离散承诺与软探索的强度，替代传统阈值硬切换，无需额外前向计算，在六个推理基准上优于标准 CoT 及现有免训练隐式推理方法。
已过时译
部署与算力arXiv cs.CL4 天前
AbridgeKV: Compressing Long Reasoning into the KV Cache of Learned Pause Tokens
AbridgeKV 训练模型把已完成的长推理文本块压缩进少量可学习 pause token 的 KV 条目，从而释放原始缓存，后续 token 改为关注这些 pause token。在 AIME 等 446 道竞赛题、32K 生成下，仅保留四分之一缓存即可匹配全 KV 模型精度，vLLM 中单序列缓存缩小 3.5 倍、H100 完成速度提升 3.2 倍。
大模型arXiv cs.AI4 天前
Failure Is the Mother of Success: Recovering Supervision with Grounding Hindsight
RSHD 方法针对 GRPO 训练中全部 rollout 失败时无监督信号的问题，让策略对失败尝试写纠正笔记并在上下文中重解，仅当重解成功率高于原组且未泄露答案时才采纳，再蒸馏回普通提示策略。无需额外推理，跨模型与领域稳定优于 GRPO。
大模型arXiv cs.AI4 天前
LEV: Thinking Fast and Deep with Looped Decision Models
LEV 是一种循环决策模型，通过重复运行层而非生成 token 来加深推理，单次前向即可对选项打分。同一权重下精度随循环深度提升，2.6B 模型在 JevBench 上从深度1的63.2%升至深度4的76.2%，并用小型停止器按需分配深度，节省15%-24%算力。
已过时译
具身智能arXiv cs.AI4 天前
Anticipatory Commonsense with Moving Objects: An ASP-Based Framework for Predictive Reasoning with Interacting Trajectories
提出基于ASP的声明式框架，对动态环境中交互运动轨迹进行可解释的预期推理，融合ASP动力学建模、语义引导的分支轨迹预测与能量优化排序，在Argoverse 2上验证，相比端到端随机预测可给出可检查的事件级假设。
大模型arXiv cs.AI4 天前
Confidence-Calibrated Inference Expansion for Evaluator-Guided Test-Time Reasoning
该论文将评估器引导的推理建模为计算感知的三动作控制器（信任答案、回退、继续扩展），通过预测答案成功率与基于 rollout 的续推成功率来打分，并显式计入算力成本。方法学习并校准动作级置信度，在宽度扩展与修订任务上提升效用，同时将在线算力分别降低约 30% 和 16%。
已过时译
AgentarXiv cs.AI4 天前
AlphaDiana: A Measurement System for Agents in Verifiable Reasoning Tasks
AlphaDiana 是一个面向可验证推理任务的智能体评测系统，提供数据集、智能体、环境与评分器的模块化接口，可在保持原生控制循环的同时分别控制文件复用与记忆保留。研究发现，工具框架并不总能提升推理准确率，技能引导与历史记忆也未必可靠，需结合正确性评估行为与 token 消耗。