推理

Beacon:让多模态大模型学会“看题用工具”,在13个基准上实现真收益

针对这一核心痛点,最新研究提出了多模态推理模型 Beacon 。该研究不仅系统性量化了智能体调用工具的“自适应性”与“真实净收益”,更通过一套包含“必要性感知自适应奖励”与“提示引导能力拓展”的强化学习框架,彻底改变了智能体盲目调用外挂的现状。

LedgerMind:给多模态推理立结构化账本,破解虚假锚定与过度思考

针对这一痛点,最新研究提出了 LedgerMind ,其核心理念是将多模态智能体的交互轨迹形式化为一个“带溯源约束的状态机”(Provenance-Constrained State Machine)。LedgerMind 不依赖任何微调或参数训练,而是通过运行时机制对多模态推理全流程建立严格...

TraceViT:循环推理不能只看终点,带接地的轨迹监督突破67.8%

发表于近期的一项研究提出了 TraceViT 。它的核心主张看似直观:既然人类在纸上推理时是逐步绘制草图,循环视觉模型的中间迭代也应当沿着一条语义连贯的“轨迹”逐步推进。然而,该研究揭示了一个反直觉的现象: 如果在循环模型中直接对中间状态施加轨迹监督,模型表现不仅不会提升,反而会直接掉点。

Hybrid-OPD:多领域在策略蒸馏破解对齐税,逻辑推理提升13分

腾讯混元团队在其针对元宝搜索 Agent 的技术报告中系统剖析了该瓶颈,并提出了名为 Hybrid-OPD 的联合训练框架。该方案依托 Hunyuan3 底座,巧妙地将面向自主搜索的智能体强化学习与多领域专家在策略蒸馏(On-Policy Distillation)融为一体。

EviSD:仅调节10%动作Token,特权证据自蒸馏破解多轮搜索信用分配

针对这一痛点,最新研究提出了一种名为 EviSD (Evidence-Conditioned Self-Distillation,证据条件自蒸馏)的创新框架。该框架的精妙之处在于:它既不引入昂贵的外部判别模型(Critic),也不在推理阶段增加任何额外开销,更没有推翻原本的强化学习方向。

GraphThink:引入双图先验,具身长程规划成功率达到90%

针对这一系列痛点,来自北京智源人工智能研究院、清华大学、中国人民大学、香港理工大学等机构的研究团队提出了 GraphThink 框架。该研究的核心洞察在于:不能把长程规划完全寄托于大模型的自由文本生成,而是应当在任务逻辑与物理环境之间构建结构化的约束网络。

GALA+:以服务拓扑约束智能体推理,微服务根因定位AC@1提升超25个百分点

多伦多大学(University of Toronto)的研究团队针对上述痛点,提出了专为微服务根因定位与事件响应设计的图增强多智能体框架 GALA+ 。该框架的核心哲学十分务实: 用系统物理依赖图作为 Agent 推理的“拓扑紧箍咒”,将复杂的跨模态证据推理严格限制在故障传播的局部因果邻域内 。

能预判做错却选不对协作:4181道竞赛题揭示多智能体路由困境

研究表明,大模型在判断“自己是否做错了”这件事上展现出了极高的敏锐度;但在进一步判断“该用哪种协作协议挽救错误才最划算”时,现有的所有路由策略几乎全线受挫。这一不对称现象,给盲目迷信多智能体架构的工业落地敲响了警钟。

SocialBuddy:腾讯等提出社交搜索智能体,35B模型精准检索突破多维约束

SocialBuddy:针对真实社交网络极度私密、数据无法直接用于公开训练与评估的难题,研究团队首先构建了首个大规模社交搜索仿真环境 SocialEnv ,内含 20 万虚拟用户画像、1000 万条社交动态以及 5 万条高质量推理轨迹;随后,针对长程社交搜索中奖励极度稀疏、归因极其困难的痛点。

SynAct:闭环大模型 Agent 调优芯片逻辑综合,平均 WNS 降至 27%

来自香港中文大学(CUHK)的研究团队在论文中提出了 SynAct ,一个专为芯片自适应逻辑综合调优设计的闭环推理-行动(Reasoning-Acting)大模型智能体。与以往割裂的方案不同,SynAct 将综合优化建模为带有状态反馈的动态交互过程。

诊断推理超93%却找不到病灶?PathAgentBench揭示病理大模型“寻证”困境

为了打破这一脱离临床现实的评测范式,来自哈尔滨工业大学、新加坡国立大学、北京协和医院以及 PuzzleLogic 的研究团队构建了专门评测多模态模型“主动寻证能力”的基准体系: PathAgentBench 。通过建立多尺度诊断树结构,他们测试了 20 个主流通用、医疗与病理专用大模型。

SoG-R1:将图谱多跳搜索内化进8B模型,无需Judge实现CWQ精度新高

来自加拿大高级研究所、麦吉尔大学和 Mila 魁北克人工智能研究所等机构的研究者提出了 Search-on-Graph-R1 (简称 SoG-R1 )。该方法摒弃了对外部庞大模型和辅助判断模块的依赖,通过“SPARQL 引导的冷启动轨迹蒸馏”配合“基于确定性奖励的强化学习(GRPO)”。

不用微调模型,就能超越微调基线11%?GuideSkill让临床指南变成可执行技能库

来自阿尔伯特·爱因斯坦医学院、香港中文大学(深圳)以及伊利诺伊大学厄巴纳-香槟分校的研究团队提出了一种全新解法: GuideSkill 。他们没有选择继续“卷微调”或“堆检索”,而是构建了一个模型外部的解耦推理层,将死板的临床指南文本“编译”成结构化的可执行技能(Executable Skil...