标签
ARBOR 提出一种推理失败归因框架，将推理轨迹表示为推理状态树，以全局视角定位长思维链中的过度思考、思考不足和无依据推断等失败模式。研究发现该树状状态能区分真正导致失败的步骤与风险步骤。
该论文提出了 SEEDS，一种由预览引导的搜索智能体证据准入框架，可选择性地决定哪些检索候选内容应进入智能体的推理上下文，在九个知识密集型问答基准测试中提升搜索效果，同时减少完整证据的消耗。
REDaCT提出一种面向大型推理模型的推理时无遗忘框架，通过二元泄漏检测器与纠正性嵌入优化，在彻底移除遗忘集信息的同时完全避免推理链崩溃，实现近乎完美的答案与CoT遗忘并显著保留推理能力。
本文提出 RL-ARC，一个校准感知的训练框架，通过联合利用推理置信度与答案置信度来校准大型推理模型，缓解 RLVR 训练导致的过度自信问题，并在 ID 和 OOD 设置下提升校准表现而不显著牺牲推理性能。
本文提出了一种名为SRCF的攻击方法，该方法通过反向对齐少样本对话来引导大型推理模型（LRMs）产生不安全或拒绝行为，并提出了一种名为ARCF的后训练防御机制，该机制在不降低效用的情况下增强了安全性和有用性。
本文分析了大型推理模型在机器翻译中的推理轨迹，发现推理收益是有条件的，并引入Hierarchical Meta-Summarization来理解轨迹模式。
When2Think 是一个后训练框架，能根据问题难度在大型推理模型中动态分配计算资源，从而在数学基准测试中优化准确性与效率的权衡。
BeaconKV 是一种无需训练的方法，它使用信标查询来压缩键值缓存，以实现大型推理模型的高效推理，从而减少内存使用并提高吞吐量，且不牺牲准确性。
本文探讨人类与大型推理模型在溯因推理中思维努力的对齐性，发现两者在努力和错误上存在相似之处，并证明解码方法能增强这种对齐。
本文提出一种结构化的阶梯框架，用于将大型推理模型扩展到超越人类监督的范畴，重点解决自主奖励和自生成经验方面的挑战，并指出相关风险和评估维度。
ParaTempo 是一个无需训练的异步并行推理框架，它使用时间置信度来动态管理推理分支，在数学和科学推理基准测试中降低延迟和token使用量，同时保持准确性。
本文提出了一种针对批量推理中大型推理模型的无需训练自适应剪枝方法，采用周期性 top-k 选择和激活记忆以提高准确性和计算效率。
本文介绍了REIN，一种对齐框架，通过训练大型推理模型在回答前进行明确反思，并在知识不足时主动弃权，从而减少幻觉。实验表明，REIN在多个基准上持续提升选择性准确率并减少幻觉。
《Quanta Magazine》的一篇文章探讨了AI推理研究的混乱现状，权衡了关于大型推理模型能力的相互矛盾的证据，以及它们的行为对真正推理意味着什么。
Compliance2LoRA提出了一种基于超网络的框架，可为大型推理模型按需生成符合策略的LoRA适配器，从而在无需重新训练单独模型的情况下，实现跨任意策略子集的可调安全对齐。
介绍了ReDe框架，该框架通过过滤无关和重复步骤来对推理轨迹进行降噪，从而改进大型推理模型中的幻觉检测，在TruthfulQA上达到了高达87.32的AUROC。
Deep Interaction 提出了一种直接编辑大型语言模型思维链输出中错误推理步骤的方法，纠错成功率提升超过25%，token使用量减少约40%。
CAT 引入了一个框架，利用模型自身置信信号，根据问题难度自主调整推理长度，减少过度思考，提高大型推理模型的推理效率。
提出了ReaORE，一个基于推理引导的开放关系抽取框架，通过从粗到细的推理逐步过滤和预测关系，在两个数据集上优于现有基线。
介绍 SuCo，一种用于大型推理模型的两阶段训练框架，该框架利用最小充分思维链（Minimal Sufficient CoT）的概念，在减少推理令牌数的同时，提高数学、代码和科学基准测试上的准确性。