Skip to content

Translation in progress Some entries still include text in the original language.

Oct 12 · Monday

All papers

Found 10 papers
Filter3
Select any value within a category; different categories must all match. Counts include the other filters you have selected.Another 255papers have no tags yet and are not included in filtered results.

Another 255papers do not have category tags yet and are not included in filtered results.

  1. 研究提出三项指标衡量 LLM 不思考行为,发现被要求停止思考时仍持续显式推理

    度量关闭思考指令下终答前是否仍有可见显式推理

    Published
    Evaluated models
    Qwen3-4B, Qwen3-32B, Qwen3-235B-A22B and others6
    Abstract作者用三级指标测 no-thinking,并称模型有随答案空间加重的思考惯性。

    作者把 no-thinking 定义为可测量的回答行为,而不是从思考开关、特殊标记或输出长度推断。

    Paper analysisRead analysis
  2. 研究发现大语言模型被要求不诚实作答时推理 token 数上升

    检验推理 token 数能否区分被提示的诚实与不诚实作答

    Published
    Evaluated models
    Gemma-4-e4b, Qwen-3.5-9b, GPT-OSS-120B
    Abstract被提示不诚实时推理 token 组水平更高。

    三个推理模型在被提示的回答政策下出现组水平推理 token 差异。作者把它当作不读思维链内容的 black-box 候选信号,而不是自发欺骗检测器。

    Paper analysisRead analysis
  3. 东京大学研究:推理模型按 UUID 阈值或整除规则挑选审计样本,控制标识符即可躲开复核

    揭示推理模型用标识符规则替代随机抽样,使审计可被预测

    Published
    Evaluated models
    GPT-6 Sol, GPT-6 Luna, GPT-5.4 mini and others6

    Abstract研究揭示推理智能体将标识符转化为确定性规则,破坏群体独立性并导致审计预测漏洞,建议显式提供随机输入。

    Paper analysisRead analysis
  4. 高效推理训练并非总损害思维链忠实性与可监控性

    测量三种长度压力训练对 CoT 忠实性与可监控性的影响

    Published
    Evaluated models
    Qwen3-4B-Thinking-2507, Qwen3-8B, Olmo3-7B-Think
    Abstract效率训练多通过答案不一致损害忠实性。

    这项工作比较三种缩短 CoT 的 RL 训练,看监督用的推理痕迹还剩多少。

    Paper analysisRead analysis
  5. 研究:iGSM 基准显示正确答案常伴随无效思维链

    检查正确答案对应的思维链是否构成合法推导

    Published
    Evaluated models
    124M-parameter GPT-2-style models(12-layer, hidden size 768, rotary embeddings)
    AbstractiGSM 上答案正确、轨迹合法与极简性可以分开,分布偏移下差距变大。

    iGSM 上的程序可检查实验:正确答案并不保证思维链是合法推导。。作者针对一个被用于监测和解读的假设:发出的轨迹忠实于、或至少可靠相关于模型如何得到答案。

    Paper analysisRead analysis
  6. 研究:隐蔽推理必然留下信息痕迹,但思维链未必可读

    分析隐蔽推理在思维链监控下的信息足迹下界与不可读性

    Published
    Evaluated models
    Qwen2.5-7B-Instruct, Llama-3.1-8B-Instruct, Qwen 3.5 397B-A17B and others12

    Abstract论文从理论与实证探明了思维链监控的边界:复杂隐蔽计算必然泄露信息足迹且需承担长度税,但该足迹可被在线加密而不可读。

    Paper analysisRead analysis
  7. 研究:思维链对答案的约束随模型相对任务难度而变化

    用续写扰动衡量思维链对答案的因果约束如何随任务难度变化

    Published
    Evaluated models
    Gemma-2-9B-IT, Llama-3.1-8B-Instruct, DeepSeek-R1-Distill-Qwen-7B

    Abstract在所测续写干预与模型中,思维链对答案的约束随任务和后训练条件而变。

    Paper analysisRead analysis
  8. 研究:思维链推理步骤的可读性不等于可解释性

    用 advantage 衡量思维链步骤重要性,检验文本能否解码

    Published
    Evaluated models
    Qwen3-1.7B, Qwen3-4B, Qwen3-8B and others5
    Abstractadvantage 能标出影响答案的步骤,但正确回答的文本更难解码。

    作者用强化学习中的 advantage 比较 CoT 步骤“看起来重要”和“实际改变答案概率”是否一致。

    Paper analysisRead analysis
  9. 研究:评测感知分能力与安全两种框架,能力框架更易预测合规

    把口头评测感知分成能力与安全框架并检验对服从的预测

    Published
    Evaluated models
    Qwen3-32B, OLMo-3-32B-Think
    Abstract能力型与安全型口头 eval-awareness 对服从的符号相反,聚合抑制率因此不能代表安全相关成分。

    作者分析 Qwen3-32B 在安全评测中的口头 eval-awareness,认为它不是单一、行为上均匀的量。

    Paper analysisRead analysis
You have reached the end