#推理忠实度

CRoS 用打乱思维链的因果奖励提升推理准确性与忠实度

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。