Skip to content

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

Oct 12 · Monday

All papers

Found 12 papers

Another 232papers 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