arXiv 自然语言处理· Xiao Yu, Justin Chih-Yao Chen, Zaid Khan, Hyunji Lee, Mohit Bansal·· 9 時間前AI スコア35
CRoS：基于打乱 CoT 顺序的因果奖励提升准确率与推理忠实度
CRoS: Causality Reward on Scrambled CoTs Improves Accuracy and Reasoning Faithfulness
未翻訳のため中国語で表示しています。
AI ガイド
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。
出典：arXiv 自然语言处理 · arxiv.org