arXiv · AI· Qiang Fu, Xinyue Li, Andre Wibisono, Arman Cohan·· 4 小时前AI 评分28
因果界限与干预感知后训练提升思维链可监测性研究
Learning to Be Monitored: Causal Bounds and Intervention-Aware Post-Training Recipes for Chain-of-Thought Monitorability
AI 导读
研究指出 TPR_mc 指标会高估因果检测率，为此推导互补下界建立更紧密评估框架。 研究人员设计三种干预感知的后训练方法，均基于自蒸馏与强化学习进行优化。 在多种模型-监测器配置下，这些方法均提升了思维链的因果可监测性。
来源：arXiv · AI · arxiv.org