English(EN) Tool Use Reduces Depth-Induced Collapse in OOD Reasoning

工具使用使LLM能够克服OOD任务中的推理崩溃

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员开发了一个新的基准来测试大型语言模型（LLM）的分布外（OOD）推理能力。他们的评估表明，即使是前沿模型，当前的LLM在问题深度增加时，推理准确性也会显著下降。然而，研究表明，通过工具使用使LLM能够合成、执行和改进代码，可以克服这一限制，使较小的模型在复杂的、长期的推理任务上能够媲美前沿模型的性能。 AI

影响工具使用对于开发能够进行稳健的、长期的推理和泛化的LLM至关重要。

排序理由该集群包含一篇在arXiv上发表的研究论文，详细介绍了新的基准和关于LLM推理能力的研究结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 19 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇在arXiv上发表的研究论文，详细介绍了新的基准和关于LLM推理能力的研究结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · David Koplow, Tomer Galanti, Tomaso Poggio · 2026-09-15 04:00

工具使用可减少OOD推理中的深度诱导塌陷

arXiv:2602.21061v2 Announce Type: replace Abstract: Many current paths to more advanced AI depend on the assumption that large language models (LLMs) can generalize learned relationships to solve complex, out-of-distribution (OOD) problems. However, this is not an easy quality to…

本文如何被排名

报道来源 [1]

工具使用可减少OOD推理中的深度诱导塌陷

相关实体

相关话题