每日论文 2025-01-21 · PolySight

2025-01-21 周二共 7 篇：生成 0 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 1 · 音频 3 · 多语 0 · 基础模型 3

生成: 文生图 0图编辑 0视频生成 03D 生成 0
代码生成: Visual2Code 03D2Code 0
智能体: GUI Agent 0代码 Agent 0工具调用 0
世界模型与具身: 世界模型 0具身智能 0
理解: VLM 1OCR 0
音频: 音频 3
多语: 多语言与翻译 0
基础模型: LLM 3统一多模态 0

前一天后一天

这一天为历史补采：作者单位只来自 OpenAlex，入选论文比每日更新少；要点由 AI 根据论文摘要生成，以原文为准。

共 7 篇

LLMP1 顶会ICML 20252025-01-21引用 87

T1: Advancing Language Model Reasoning through Reinforcement Learning and Inference Scaling（在新窗口打开）

合成含试错与自验证的 CoT 初始化，过采样扩 RL 探索，T1 在数学推理基准上展现推理预算缩放且无额外验证即增益。

T1 结合 RL 与 inference scaling 强化复杂推理
合成 chain-of-thought 含 trial-and-error 与 self-verification
过采样提升采样多样性；开放基座模型上推理预算增加直接带来性能提升

LLMP1 顶会ACL 20252025-01-21引用 42

Chain-of-Reasoning: Towards Unified Mathematical Reasoning in Large Language Models via a Multi-Paradigm Perspective（在新窗口打开）

CoR 融合自然语言、算法与符号推理并综合答案，PPT 训练得 CoR-Math-7B，在定理证明与 MATH 等任务上显著优于基线。

Chain-of-Reasoning 统一 NLR/AR/SR 多范式并协同合成解
Progressive Paradigm Training 渐进掌握各范式
CoR-Math-7B 在定理证明与 MATH 算术等任务上报告大幅相对提升

VLMP1 顶会ICCV 20252025-01-21引用 36

Know "No" Better: A Data-Driven Approach for Enhancing Negation Awareness in CLIP（在新窗口打开）

用 LLM/多模态 LLM 生成含否定语义的 caption 微调 CLIP，并建 NegRefCOCO 评测否定理解。

分析 CLIP 预训练数据缺乏否定表达，提出否定-inclusive 数据生成管线
NegationCLIP 在保持泛化同时提升否定感知
NegRefCOCO 基准与多架构实验验证；下游 t2i、指代分割有增益

音频P1 顶会ICASSP 20252025-01-21引用 45

Investigation of Whisper ASR Hallucinations Induced by Non-Speech Audio（在新窗口打开）

系统分析推理中非语音段导致的 Whisper 幻觉，构建 BoH 后处理以降 WER 并抑制常见幻觉。

归纳多种非语音诱发的高频幻觉模式
研究语音与非语音混合增强下的幻觉行为
Bag of Hallucinations 后处理可减轻幻觉并降低 WER

音频P1 顶会ICASSP 20252025-01-21引用 5

DFingerNet: Noise-Adaptive Speech Enhancement for Hearing Aids（在新窗口打开）

在 DeepFilterNet 上引入上下文自适应，利用背景录音调节去噪，在 DNS 类基准上优于原模型。

将 in-context 自适应引入 DFN，提出 DFingerNet
背景录音可外置处理，算力开销小
在 DNS Challenge 风格基准上验证性能提升

LLMP1 顶会AAAI 20252025-01-21引用 2

SR-FoT: A Syllogistic-Reasoning Framework of Thought for Large Language Models Tackling Knowledge-based Reasoning Tasks（在新窗口打开）

SR-FoT 模仿人类演绎：解读问题、构造大前提、分阶段匹配小前提并三段论得答案，在知识推理任务上有效。

多阶段 Syllogistic-Reasoning Framework of Thought 结构化演绎推理
大/小前提生成与匹配后再 syllogistic 推导
知识型推理任务上 extensive 实验验证优势

音频P1 顶会ICASSP 20252025-01-21引用 13

Leveraging Chain of Thought towards Empathetic Spoken Dialogue without Corresponding Question-Answering Data（在新窗口打开）

无口语问答监督数据时，用 Listen-Perceive-Express 两阶段训练与 CoT 生成共情口语回复。

LPE 两阶段：先听内容与感知语音情感，再用 CoT 表达共情回复
不依赖含语音风格信息的口语 QA 标注数据
实验表明为语音对话场景首次系统利用 CoT