Buchumschlag

Fast, Slow, and Tool-augmented Thinking for LLMs: A Review

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jia, Xinda, Li, Jinpeng, Wang, Zezhong, Li, Jingjing, Zeng, Xingshan, Wang, Yasheng, Zhang, Weinan, Yu, Yong, Liu, Weiwen
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ToolFlow: Boosting LLM Tool-Calling Through Natural and Coherent Dialogue Synthesis
von: Wang, Zezhong, et al.
Veröffentlicht: (2024)

Advancing and Benchmarking Personalized Tool Invocation for LLMs
von: Huang, Xu, et al.
Veröffentlicht: (2025)

Stepwise Reasoning Checkpoint Analysis: A Test Time Scaling Method to Enhance LLMs' Reasoning
von: Wang, Zezhong, et al.
Veröffentlicht: (2025)

ToolACE-R: Model-aware Iterative Training and Adaptive Refinement for Tool Learning
von: Zeng, Xingshan, et al.
Veröffentlicht: (2025)

Chain-of-Probe: Examining the Necessity and Accuracy of CoT Step-by-Step
von: Wang, Zezhong, et al.
Veröffentlicht: (2024)

ToolACE-MT: Non-Autoregressive Generation for Agentic Multi-Turn Interaction
von: Zeng, Xingshan, et al.
Veröffentlicht: (2025)

ARTIS: Agentic Risk-Aware Test-Time Scaling via Iterative Simulation
von: Zeng, Xingshan, et al.
Veröffentlicht: (2026)

ACEBench: Who Wins the Match Point in Tool Usage?
von: Chen, Chen, et al.
Veröffentlicht: (2025)

ToolACE-DEV: Self-Improving Tool Learning via Decomposition and EVolution
von: Huang, Xu, et al.
Veröffentlicht: (2025)

Planning, Creation, Usage: Benchmarking LLMs for Comprehensive Tool Utilization in Real-World Complex Scenarios
von: Huang, Shijue, et al.
Veröffentlicht: (2024)

Position: The Real Barrier to LLM Agent Usability is Agentic ROI
von: Liu, Weiwen, et al.
Veröffentlicht: (2025)

Adaptive Tool Use in Large Language Models with Meta-Cognition Trigger
von: Li, Wenjun, et al.
Veröffentlicht: (2025)

LogitsCoder: Towards Efficient Chain-of-Thought Path Search via Logits Preference Decoding for Code Generation
von: Chen, Jizheng, et al.
Veröffentlicht: (2026)

NL-Debugging: Exploiting Natural Language as an Intermediate Representation for Code Debugging
von: Zhang, Weiming, et al.
Veröffentlicht: (2025)

ToolACE: Winning the Points of LLM Function Calling
von: Liu, Weiwen, et al.
Veröffentlicht: (2024)

FReM: A Flexible Reasoning Mechanism for Balancing Quick and Slow Thinking in Long-Context Question Answering
von: Zhao, Zhengyi, et al.
Veröffentlicht: (2025)

LoopTool: Closing the Data-Training Loop for Robust LLM Tool Calls
von: Zhang, Kangning, et al.
Veröffentlicht: (2025)

DynaThink: Fast or Slow? A Dynamic Decision-Making Framework for Large Language Models
von: Pan, Jiabao, et al.
Veröffentlicht: (2024)

Gold-Switch: Training-Free Superposition of Slow- and Fast- Thinking LLMs
von: Lee, Jaeseong, et al.
Veröffentlicht: (2025)

AlphaOne: Reasoning Models Thinking Slow and Fast at Test Time
von: Zhang, Junyu, et al.
Veröffentlicht: (2025)

Do LLMs Think Fast and Slow? A Causal Study on Sentiment Analysis
von: Lyu, Zhiheng, et al.
Veröffentlicht: (2024)

Fast or Slow? Integrating Fast Intuition and Deliberate Thinking for Enhancing Visual Question Answering
von: Jiang, Songtao, et al.
Veröffentlicht: (2025)

Thinking Slow, Fast: Scaling Inference Compute with Distilled Reasoners
von: Paliotta, Daniele, et al.
Veröffentlicht: (2025)

What Happened in LLMs Layers when Trained for Fast vs. Slow Thinking: A Gradient Perspective
von: Li, Ming, et al.
Veröffentlicht: (2024)

Think More, Hallucinate Less: Mitigating Hallucinations via Dual Process of Fast and Slow Thinking
von: Cheng, Xiaoxue, et al.
Veröffentlicht: (2025)

Bridging and Modeling Correlations in Pairwise Data for Direct Preference Optimization
von: Jiang, Yuxin, et al.
Veröffentlicht: (2024)

Double-Checker: Enhancing Reasoning of Slow-Thinking LLMs via Self-Critical Fine-Tuning
von: Xu, Xin, et al.
Veröffentlicht: (2025)

Cognitive Decision Routing in Large Language Models: When to Think Fast, When to Think Slow
von: Du, Y., et al.
Veröffentlicht: (2025)

RethinkMCTS: Refining Erroneous Thoughts in Monte Carlo Tree Search for Code Generation
von: Li, Qingyao, et al.
Veröffentlicht: (2024)

Unlocking a New Rust Programming Experience: Fast and Slow Thinking with LLMs to Conquer Undefined Behaviors
von: Jiang, Renshuang, et al.
Veröffentlicht: (2025)

Think Fast and Slow: Step-Level Cognitive Depth Adaptation for LLM Agents
von: Yang, Ruihan, et al.
Veröffentlicht: (2026)

Chain of Thought Still Thinks Fast: APriCoT Helps with Thinking Slow
von: Moore, Kyle, et al.
Veröffentlicht: (2024)

ReMiT: RL-Guided Mid-Training for Iterative LLM Evolution
von: Huang, Junjie, et al.
Veröffentlicht: (2026)

When to Trust Tools? Adaptive Tool Trust Calibration For Tool-Integrated Math Reasoning
von: Xu, Ruotao, et al.
Veröffentlicht: (2026)

InfoDeepSeek: Benchmarking Agentic Information Seeking for Retrieval-Augmented Generation
von: Xi, Yunjia, et al.
Veröffentlicht: (2025)

Fast-Slow-Thinking: Complex Task Solving with Large Language Models
von: Sun, Yiliu, et al.
Veröffentlicht: (2025)

Probing Large Language Models from A Human Behavioral Perspective
von: Wang, Xintong, et al.
Veröffentlicht: (2023)

Fast-Slow Thinking RM: Efficient Integration of Scalar and Generative Reward Models
von: Wu, Jiayun, et al.
Veröffentlicht: (2026)

Agent-Dice: Disentangling Knowledge Updates via Geometric Consensus for Agent Continual Learning
von: Wu, Zheng, et al.
Veröffentlicht: (2026)

MedS$^3$: Towards Medical Slow Thinking with Self-Evolved Soft Dual-sided Process Supervision
von: Jiang, Shuyang, et al.
Veröffentlicht: (2025)