CRoS 用打乱思维链奖励因果性，忠实度提升 13.8%

UNC 团队（博士生 XiaoYu 的首篇一作论文）提出 CRoS（Causality Reward on Scrambled CoTs），针对「奖励正确答案并不保证模型真的依赖思维链、LLM 推理常是事后合理化」的问题，通过对打乱思维链施加因果性奖励来检验并强化推理的因果依赖，在提升答案准确率的同时将忠实度提高 13.8%。

2026-11-03 ~ 2026-11-03 · 2 条相关

• 新方法 CRoS：用打乱思维链检验因果性，忠实度提升 13.8% — mohitban47 · 2026-11-03

另有 1 条近重复转述:mohitban47