CRoS用打乱思维链检验因果性并提升忠实度
热点事件持续更新
CRoS用打乱思维链检验因果性并提升忠实度
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究提出 CRoS（Causality Reward on Scrambled CoTs），思路是打乱模型思维链的步骤顺序，看答案是否仍然成立，以此判断思维链对最终答案是否真有因果贡献，并据此给出奖励。论文指出，只奖励答对并不保证模型真的依赖推理链，模型的推理常是事后合理化。 在 Gemma-3-4B 上用 GRPO 训练时，CRoS 相比最强的结果奖励与因果性奖励基线，将思维链忠实度提升 13.8%，域外准确率提升 3.0%，思维链质量提升 2.0%，缓解了结果奖励“提高准确率却损害忠实度”的权衡。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 01:47
CRoS：用打乱思维链检验因果性，忠实度提升 13.8%报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- AGI HuntCRoS：用打乱思维链检验因果性，忠实度提升 13.8%
研究提出 CRoS（Causality Reward on Scrambled CoTs），通过打乱思维链步骤顺序检验其对答案的因果贡献。在 Gemma-3-4B 上采用 GRPO 训练时，相比最强的结果奖励与因果性奖励基线，CRoS 将 CoT 忠实度提升 13.8%，域外准确率提升 3.0%，CoT 质量提升 2.0%，缓解了结果奖励提升准确率却损害忠实度的权衡。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。