[控场AI]
概念Causality Reward on Scrambled CoTs

CRoS

一种用于评估思维链(CoT)因果性的度量方法,通过打乱推理步骤顺序而不改变内容来扰动CoT,避免信息变化的混杂效应,可作为强化学习中的辅助奖励信号。

时间轴 (近 90 天)

11月2日

研究者提出了CRoS(Causality Reward on Scrambled CoTs),一种通过打乱推理步骤顺序而不改变内容来扰动CoT的因果性度量方法。

待验证50%
11月2日

在Reasoning Gym基准上,使用Gemma-3-4B模型,CRoS在五个未见过的逻辑和游戏数据集上达到了46.8%的准确率,超过了最强基线(43.8%)。

待验证50%
11月2日

在CoT质量方面,CRoS在CoT-Pass@K(K=1到128)上持续优于基线,平均为43.4%对41.4%。

待验证50%
11月2日

对于CoT忠实度,CRoS的提示承认分数为34.0%,而基线为20.2%。

待验证50%
11月2日

CRoS的乱序扰动可能不适用于所有类型的推理任务,例如那些步骤顺序本身不重要的任务。

待验证50%

全部知识事实 (5)

来源文章