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)
待验证
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。
50%待验证在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%)。
50%待验证在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%。
50%待验证对于CoT忠实度,CRoS的提示承认分数为34.0%,而基线为20.2%。
50%待验证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。
50%