ThinkReset 讓長程推理在重置後重新建立
ThinkReset 提出可重複使用的中間介面，讓語言模型在捨棄推理歷史後，仍能持續解決長程任務。該方法直接最佳化重置後的延續成功率，以減少冗餘、上下文溢位、錯誤固化與過早猜測。
Search
Tag: #chain-of-thought30 results
測量 LLM 將推理算力花在哪裡
SARE 是一套在單一 Chain-of-Thought 步驟層級測量計算努力的框架，不再只評估整段推理軌跡。針對六個基準測試與三個開放權重 LLM 的評估顯示，推理能量會因步驟類型而異，錯誤解答在關鍵節點的能量較低，且其表現可超越基於輸出的信心訊號。
針對非洲工業機械與推理的新型資料集
Adaption Labs 發布了一份涵蓋奈及利亞製造業與石油產業的資料集，包含 89 筆機器層級紀錄及領域基礎的思維鏈（CoT）推理層。此資源旨在提升模型在非洲經濟體中處理稀疏數值工業數據的表現。
CAP-CoT 提升 LLM 思考鏈穩定性
CAP-CoT 提出循環對抗提示框架，提升大型語言模型（LLM）中思考鏈（CoT）推理的準確性和穩定性。正向求解器產生推理鏈，對抗挑戰者使用針對性錯誤策略製造有瑕疵鏈，反饋代理對比兩者並產生步驟對齊的結構化反饋。在 2-3 個循環後，六個基準測試和四個 LLM 骨幹顯示變異性降低及魯棒性提升。
零樣本基準測試提升 Solidity 錯誤召回率
這篇 ArXiv 論文使用零樣本、CoT 和 ToT 提示，在 400 個 Solidity 智慧合約上基準測試 LLM 的錯誤檢測與分類。CoT 和 ToT 在檢測任務中將召回率提升至 95-99%，但降低精確度。Claude 3 Opus 以 ToT 在錯誤分類中取得 90.8 加權 F1 分數領先。
推理模型難控思維鏈
新CoT-Control評估套件顯示，推理模型對思維鏈的控制力遠低於最終輸出，例如Claude Sonnet 4.5僅2.7%控制思維鏈，但61.9%控制輸出。控制力隨模型規模、RL訓練、計算資源及難度增加而降低。結果顯示儘管有規避企圖，CoT監控仍具可行性。
Apple 剖析 CoT 追蹤動態
Apple ML 對來自競賽級數學題目的思維鏈（CoT）追蹤進行深入分析。研究揭示 CoT 特定部分如何促成 LLM 的最終答案。目標在於釐清 CoT 推理成功的驅動機制。
為什麼 LLM 仍主要透過模仿學習
文章認為，LLM 的能力目前仍主要來自模仿學習，包括預訓練與監督式微調，而非強化學習。文章承認 RLVR 確實有重要貢獻，且未來可能持續增加，但主張其資訊效率與對整體能力的貢獻仍相對較小。
Qwen3.6 在 CoT 中保留上下文
Qwen3.6 在思考鏈（CoT）推理過程中可靠維持上下文，如選擇的數字，跨多輪迭代。偶爾難以堅持數字，但特定旗標下表現良好。使用 --chat-template-kwargs '{"preserve_thinking": true}' 啟用。
RLCER Evolves CoT Rubrics
RLCER reinforces chain-of-thought via self-evolving rubrics without human labels. Outperforms outcome-centric RLVR on reasoning tasks. Rubrics boost inference as prompts.