FLock Research 3 篇论文入选 ECML PKDD 2026，聚焦大模型复杂推理

FLock 宣布，其 Research Team 共有 3 篇论文入选 ECML PKDD 2026。

ECML PKDD 是欧洲机器学习、数据挖掘与知识发现领域的重要国际学术会议之一。FLock 表示，这 3 篇论文主要聚焦大模型在复杂推理过程中常见的问题，包括模型容易走捷径、推理过程中出现错误，以及推理步骤过长后逐渐偏离原本目标。

一项研究将推理偏离程度降低 63%

在这 3 项研究中，其中一项可让模型在长时间、多步骤推理中更好地保持原有思路，将推理过程中的偏离程度降低 63%，并让不同规模模型的平均准确率提升 7.4 个百分点。

另外两项研究涉及陌生问题推理与错误修正

另外两项研究分别提升了模型面对陌生问题时的推理能力，以及在发现推理错误后进行局部修正的效率。

FLock Research 表示，其持续围绕大模型训练、推理与可靠性开展基础研究，通过提升模型在复杂任务中的准确性、稳定性与泛化能力，推动模型从能够回答问题，走向能够可靠解决复杂问题。