armancohan 团队新论文：CoT 可监控性标准指标只是上界，自蒸馏与 RL 可提升

armancohan 团队发布新论文，研究如何训练 LLM 使其思维链更易监控。论文指出 CoT 可监控性指标 TPRmc 只是上界，可能高估对问题行为的因果检测能力，并推导出对应下界；三种后训练方法实验显示，自蒸馏与 RL 可改善可监控性，但指标选择会改变结论。