CRoS 用打乱思维链的因果奖励提升推理准确性与忠实度
原文标题：CRoS: Causality Reward on Scrambled CoTs Improves Accuracy and Reasoning Faithfulness
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出 RLVR 仅依赖结果正确性无法保证思维链对答案有因果贡献，而现有因果度量通过删步骤或注入错误扰动会改变信息本身。作者提出 CRoS，仅打乱推理步骤顺序而不改变内容来度量因果性。在 Gemma-3-4B 上，CRoS 在域外准确率、思维链质量与忠实度上均优于现有因果与结果奖励。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CRoS 只打乱思维链步骤顺序做因果奖励，Gemma-3-4B 域外准确率 46.8% 超基线 43.8%
- •指出 RLVR 只看结果正确，无法保证思维链对答案有因果贡献
- •现有因果度量靠删步骤或注入错误，会改变信息本身，高分可能只是对信息变化的敏感
- •CRoS 仅打乱推理步骤顺序、不改内容，保留每步信息
- •在 Reasoning Gym 与 Gemma-3-4B 上，五个未见逻辑与游戏数据集准确率 46.8%，最强基线 43.8%
- •在思维链质量与忠实度上也优于现有因果奖励与结果奖励
为什么重要：若因果奖励指标本身有混淆，用它训练会诱导信息量更低、探索更少的思维链；CRoS 给出一条不改内容的替代度量路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。