新方法 CRoS：用打乱思维链检验因果性，忠实度提升 13.8%
mohitban47 · x · 2026-11-03
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。
核心思路：如果推理过程对最终答案真有因果贡献，打乱其步骤顺序应当改变该答案出现的概率，据此设计因果性奖励。
实验结论：在 Gemma-3-4B 上用 GRPO 训练，相比最强的结果奖励与因果性奖励基线，CRoS 同时提升 CoT 忠实度（+13.8%）、域外准确率（+3.0%）和 CoT 质量（+2.0%），缓解了结果奖励「提准确率但损忠实度」的权衡。
所属事件:CRoS 用打乱思维链奖励因果性，忠实度提升 13.8%(2 条相关)→
「研究」频道最新
- 3D World Simulator 发布：统一预测外观几何触觉，RTX 5090 上跑 50+ FPS — YunzhuLiYZ · 2026-11-03
- LeVJEPA 1.5 Large 用 1/5.6 算力逼近 V-JEPA，作者称应重视预训练损失改进 — randall_balestr · 2026-11-03
- lateinteraction:LLM 开始直接生成神经网络权重,梯度下降会被取代吗 — RichmanRonald · 2026-11-03
- UCSB 三个 ECE 项目获 IEE 种子资金，主攻能效 AI 与量子硬件 — ninamiolane · 2026-11-03
- OpenAI 在前沿模型部署激活分类器探针，从 GPT-5.6 起全量监控 — bobabowen · 2026-11-03
- Google ScientistTwo 全自动跑通科研闭环，论文评分超人类作者 — udmrzn · 2026-11-03