CogMem: A Cognitive Memory Architecture for Sustained Multi-Turn Reasoning in Large Language Models
给大模型装上“类脑记忆”：CogMem三层架构破解长对话遗忘难题，多轮推理更像人。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
推理 第6页
Enhancing LLM Planning Capabilities through Intrinsic Self-Critique
DeepMind力证LLM能自我纠错：无需外部验证，规划准确率飙升至89%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Evaluating Parameter Efficient Methods for RLVR
LoRA并非最优解？DeepSeek-R1实测揭秘：DoRA在RLVR推理任务中全面反超。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Exploration v.s. Exploitation: Rethinking RLVR through Clipping, Entropy, and Spurious Reward
随机奖励竟能提升数学推理？阿里新作揭秘RLVR背后的“熵减”魔法。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
How and Why LLMs Generalize: A Fine-Grained Analysis of LLM Reasoning from Cognitive Behaviors to Low-Level Patterns
SFT正在“毁掉”泛化能力？5大原子技能揭示RL为何是推理的未来。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
PaCoRe: Learning to Scale Test-Time Compute with Parallel Coordinated Reasoning
8B模型超越GPT-5！PaCoRe：解锁200万Token推理算力的新范式。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Prompt Repetition Improves Non-Reasoning LLMs
谷歌新发现：简单重复Prompt，大模型准确率暴涨且零额外延迟。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
QwenLong-L1.5: Post-Training Recipe for Long-Context Reasoning and Memory Management
QwenLong-L1.5：挑战GPT-5，揭秘400万字长文本推理的“后训练”秘籍。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Reasoning over mathematical objects: on-policy reward modeling and test time aggregation
AI数学推理不再“偏科”：Principia让大模型精通复杂公式，性能提升18%！。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Retrieval--Reasoning Processes for Multi-hop Question Answering: A Four-Axis Design Framework and Empirical Trends
RAG系统的“黑盒”困境：谷歌提出多跳QA的四轴设计框架。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Semiparametric Preference Optimization: Your Language Model is Secretly a Single-Index Model
DPO假设失效？康奈尔联合Netflix提出SPO：大模型对齐的“单指标”革命。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Stackelberg Learning from Human Feedback: Preference Optimization as a Sequential Game
ETH新作SLHF：用“领导者-跟随者”博弈重塑对齐，推理性能零样本提升。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
The Illusion of Insight in Reasoning Models
普林斯顿揭秘：模型“顿悟”竟是幻觉？百万推理轨迹拆解“自我修正”真相。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
The Reasoning-Creativity Trade-off: Toward Creativity-Driven Problem Solving
剑桥重磅：直击LLM“创造力坍缩”，DCR框架如何打破推理单一化僵局？。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
TreeWriter: AI-Assisted Hierarchical Planning and Writing for Long-Form Documents
TreeWriter来了：打破线性束缚，用“树状结构”让AI长文写作更可控。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Understanding and Steering the Cognitive Behaviors of Reasoning Models at Test-Time
拒绝“过度思考”！CREST让大模型推理提速37.6%，精度暴涨17.5%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Wait, Wait, Wait... Why Do Reasoning Models Loop?
DeepSeek-R1变“复读机”？MIT揭秘：蒸馏导致死循环暴增，调高温度治标不治本。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
What Makes Low-Bit Quantization-Aware Training Work for Reasoning LLMs? A Systematic Study
推理模型“瘦身”奇迹：2-bit量化下数学能力暴涨44%的技术解密。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Causal Reasoning Favors Encoders: On The Limits of Decoder-Only Models
BERT“逆袭”GPT？微软新论文揭示Decoder-only在因果推理中的致命短板。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
On the Interplay of Pre-Training, Mid-Training, and RL on Reasoning Language Models
CMU揭秘大模型推理训练“三部曲”：性能飙升60%的黄金法则。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
DeepSeekMath-V2: Towards Self-Verifiable Mathematical Reasoning
普特南118分超人类！DeepSeekMath-V2：AI如何学会“自我审日志”？。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Learning to Reason: Training LLMs with GPT-OSS or DeepSeek R1 Reasoning Traces
推理成本直降75%！英伟达新研究：LLM学会“长话短说”，数学能力还不减。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Incorporating Self-Rewriting into Large Language Model Reasoning Reinforcement
告别思维混乱：自重写技术让LLM推理长度锐减46%，质量反而更高。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning
零数据也能自我进化：Agent0让8B模型推理能力暴涨24%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。