跳到正文
arXiv · ML· Marthe Ballon, Brecht F. Verbeken, Vincent Ginis, Andres Algaba·· 3 天前AI 评分23

大语言模型推理轨迹探测:七款开源模型在四个基准上的表现分析

Probing the Trajectories of Reasoning Traces in Large Language Models

AI 导读

研究团队提出一种轨迹探测协议,通过截断并重新注入部分推理轨迹来评估模型预测答案的动态变化。 该协议应用于 Qwen3-4B/8B/14B、gpt-oss-20b/120b 等七款开源模型及 GPQA Diamond、MMLU-Pro 等四个基准。结果显示准确率随推理 token 比例增加而提升,且强模型常复现弱模型的错误,但允许进一步推理可显著恢复正确率。

来源:arXiv · ML · arxiv.org