ホットトピック継続更新中
研究团队提出因果奖励机制CRoS
1 件の報道1 件の報道元18 時間前 更新
まずこの件を把握する
AI 概要
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 が報道をもとに生成 · 17 時間前 更新
最新の進展11月2日 13:00
研究团队提出CRoS因果奖励机制，通过打乱CoT顺序强化因果性并提升推理表现。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月2日
- 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。
このストーリーのホット度の推移
現在のホット度 6·比較可能範囲のピーク 10（11月2日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。