arXiv 论文《Can LLMs Anticipate Their Cruxes?》全文上线
rohanpaul_ai · x · 2026-10-24
罗汉·保罗补充了前述芝加哥大学论文的 arXiv 链接(2610.21006)。论文定义 crux 为模型多次 rollout 之间分歧、且改变其取值可能改变结论的子问题,比较了三种提取策略:直接问模型、从单条推理中提取、跨多次 rollout 对比提取(用 reranker 使成本比 LLM judge 低约 86 倍)。实证显示前两种廉价方法都不足以识别完整 cruxes,高风险决策必须走多次采样路线。
「研究」频道最新
- 芝大论文:LLM 说不清自己决策的关键分歧点,抽样对比才有效 — rohanpaul_ai · 2026-10-24
- 九章 4.0 号称 25 微秒完成超算 10^42 年的算题,但任务无实用价值 — AryHHAry · 2026-10-24
- Mila 论文：让多模态模型画「思考图」提升跨视角空间推理 — aagrawalAA · 2026-10-24
- OSDI 论文再翻红:轻量级形式化验证能否守住 Vibe Coding 时代 — tianyin_xu · 2026-10-24
- Princeton等推出WorldOracle基准:动作驱动世界模型常幻构成功画面 — jiqizhixin · 2026-10-24
- 手机视频1小时建物理孪生：Berkeley与NVIDIA开源RoboSimStudio — lukas_m_ziegler · 2026-10-24