研究提出大模型思维链可监控性因果边界与干预感知后训练方案

2026年10月26日，相关研究在arXiv发布，提出了一套用于评估与提升大语言模型（LLM）思维链（CoT）可监控性的因果界限框架及干预感知后训练方案。针对现有敏感度指标 TPR_mc 存在高估因果检测率的问题，该研究推导出了更紧致的因果上下界。为提升监控效果，研究团队进一步设计了离策略自蒸馏、强化学习与同策略自蒸馏三种训练方法。实验表明，这三种方法在多种配置下均显著提升了思维链的可监控性。目前，该研究的相关代码已正式开源。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。