Buchumschlag

Fluid Representations in Reasoning Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kharlapenko, Dmitrii, Stolfo, Alessandro, Conmy, Arthur, Sachan, Mrinmaya, Jin, Zhijing
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Probing for Arithmetic Errors in Language Models
von: Sun, Yucheng, et al.
Veröffentlicht: (2025)

Uncovering Hidden Correctness in LLM Causal Reasoning via Symbolic Verification
von: He, Paul, et al.
Veröffentlicht: (2026)

Improving Large Language Model Safety with Contrastive Representation Learning
von: Simko, Samuel, et al.
Veröffentlicht: (2025)

Scaling sparse feature circuit finding for in-context learning
von: Kharlapenko, Dmitrii, et al.
Veröffentlicht: (2025)

Quriosity: Analyzing Human Questioning Behavior and Causal Inquiry through Curiosity-Driven Queries
von: Ceraolo, Roberto, et al.
Veröffentlicht: (2024)

On the Emergence of Induction Heads for In-Context Learning
von: Musat, Tiberiu, et al.
Veröffentlicht: (2025)

Corrupted by Reasoning: Reasoning Language Models Become Free-Riders in Public Goods Games
von: Piedrahita, David Guzman, et al.
Veröffentlicht: (2025)

Confidence Regulation Neurons in Language Models
von: Stolfo, Alessandro, et al.
Veröffentlicht: (2024)

Dense SAE Latents Are Features, Not Bugs
von: Sun, Xiaoqing, et al.
Veröffentlicht: (2025)

Do Language Models Exhibit the Same Cognitive Biases in Problem Solving as Human Learners?
von: Opedal, Andreas, et al.
Veröffentlicht: (2024)

Is Value Functions Estimation with Classification Plug-and-play for Offline Reinforcement Learning?
von: Tarasov, Denis, et al.
Veröffentlicht: (2024)

Exploring the Jungle of Bias: Political Bias Attribution in Language Models via Dependency Analysis
von: Jenny, David F., et al.
Veröffentlicht: (2023)

Autoformalizing Natural Language to First-Order Logic: A Case Study in Logical Fallacy Detection
von: Lalwani, Abhinav, et al.
Veröffentlicht: (2024)

Can Large Language Models Infer Causation from Correlation?
von: Jin, Zhijing, et al.
Veröffentlicht: (2023)

Stepwise Verification and Remediation of Student Reasoning Errors with Large Language Model Tutors
von: Daheim, Nico, et al.
Veröffentlicht: (2024)

Compose and Fuse: Revisiting the Foundational Bottlenecks in Multimodal Reasoning
von: Wang, Yucheng, et al.
Veröffentlicht: (2025)

CLadder: Assessing Causal Reasoning in Language Models
von: Jin, Zhijing, et al.
Veröffentlicht: (2023)

SMART: Self-learning Meta-strategy Agent for Reasoning Tasks
von: Liu, Rongxing, et al.
Veröffentlicht: (2024)

Base Models Know How to Reason, Thinking Models Learn When
von: Venhoff, Constantin, et al.
Veröffentlicht: (2025)

Personalized Exercise Recommendation with Semantically-Grounded Knowledge Tracing
von: Ozyurt, Yilmazcan, et al.
Veröffentlicht: (2025)

CausalCite: A Causal Formulation of Paper Citations
von: Kumar, Ishan, et al.
Veröffentlicht: (2023)

Automatically Finding Reward Model Biases
von: Wang, Atticus, et al.
Veröffentlicht: (2026)

Understanding Reasoning in Thinking Language Models via Steering Vectors
von: Venhoff, Constantin, et al.
Veröffentlicht: (2025)

Implicit Personalization in Language Models: A Systematic Study
von: Jin, Zhijing, et al.
Veröffentlicht: (2024)

Line of Sight: On Linear Representations in VLLMs
von: Rajaram, Achyuta, et al.
Veröffentlicht: (2025)

Simulating Students or Sycophantic Problem Solving? On Misconception Faithfulness of LLM Simulators
von: Do, Heejin, et al.
Veröffentlicht: (2026)

Variational Classification
von: Dhuliawala, Shehzaad, et al.
Veröffentlicht: (2023)

How to Engage Your Readers? Generating Guiding Questions to Promote Active Reading
von: Cui, Peng, et al.
Veröffentlicht: (2024)

Towards Aligning Language Models with Textual Feedback
von: Lloret, Saüc Abadal, et al.
Veröffentlicht: (2024)

SIKeD: Self-guided Iterative Knowledge Distillation for mathematical reasoning
von: Adarsh, Shivam, et al.
Veröffentlicht: (2024)

Can LLMs Model Incorrect Student Reasoning? A Case Study on Distractor Generation
von: Zengaffinen, Yanick, et al.
Veröffentlicht: (2026)

Thought Anchors: Which LLM Reasoning Steps Matter?
von: Bogdan, Paul C., et al.
Veröffentlicht: (2025)

Benchmarking and Enhancing Text-to-Image Models for Generating Visual Representations in Early Arithmetic Education
von: Wang, Junling, et al.
Veröffentlicht: (2026)

Multilingual Performance Biases of Large Language Models in Education
von: Gupta, Vansh, et al.
Veröffentlicht: (2025)

Learning to Reason Efficiently with A* Post-Training
von: Opedal, Andreas, et al.
Veröffentlicht: (2026)

Generating Pedagogically Meaningful Visuals for Math Word Problems: A New Benchmark and Analysis of Text-to-Image Models
von: Wang, Junling, et al.
Veröffentlicht: (2025)

Can Vision-Language Models Solve Visual Math Equations?
von: Choudhury, Monjoy Narayan, et al.
Veröffentlicht: (2025)

Post-Training Language Models for Crosslingual Consistency
von: Liu, Tianyu, et al.
Veröffentlicht: (2026)

Test of Time: Rethinking Temporal Signal of Benchmark Contamination
von: Zhang, Terry Jingchen, et al.
Veröffentlicht: (2025)

Can Reasoning Help Large Language Models Capture Human Annotator Disagreement?
von: Ni, Jingwei, et al.
Veröffentlicht: (2025)