研究团队提出因果奖励机制CRoS
Start here
2026年11月2日，arXiv公布的一项研究提出了名为CRoS的因果奖励方法。该方法通过在保留内容的同时打乱推理步骤顺序，以此衡量并强化思维链（CoT）的因果性。在Reasoning Gym基准上结合Gemma-3-4B进行的测试结果显示，CRoS在5个未见逻辑与游戏数据集上取得了46.8%的准确率，超过最强基线（43.8%）。此外，其在K=1至128的CoT-Pass@K均值达到43.4%，提示词确认得分为34.0%，在提升推理质量的同时增强了推理忠实度。
AI-generated from reports · Updated 7 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理CRoS：基于打乱 CoT 顺序的因果奖励提升准确率与推理忠实度
研究提出因果奖励方法 CRoS，通过打乱推理步骤顺序且保留内容来衡量并强化 CoT 因果性。在 Reasoning Gym 上结合 Gemma-3-4B 测试，CRoS 在 5 个未见逻辑与游戏数据集上达到 46.8% 的准确率，优于最强基线的 43.8%。此外，其在 K=1 至 128 的 CoT-Pass@K 均值达 43.4%，提示词确认得分达 34.0%，显著提升了推理质量与忠实度。
Story heat trend
Current heat 8·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.