#思维链

共 7 篇相关文章

CausalCoT 框架通过将问题分解为有向无环图并隔离每个子问题的上下文，切断注意力泄漏路径，使思维链推理真正具备因果性。实验显示因果敏感度平均提升 12 个百分点，最高 21 个百分点，同时保持竞争性预测性能，并支持可预测的测试时干预。

思维链（Chain of Thought）不只是大模型的提示词技巧。本文从Hacker News讨论出发，分析CoT为何对人类思考同样有效，拆解可操作的迁移方法，并指出人类CoT与机器CoT的关键差异。

一条推文展示Navier-Stokes千禧难题纪念T恤，背面印有AI思维链最后一行，暗示AI辅助数学取得突破。但缺乏论文与验证，本文分析其可信度与潜在意义。

VERITAS 提出逐层 Jacobian 投影方法，verbalise 模型内部计算，逐 token 追踪推理锚点演化，在 CoT 忠实度检测上平衡准确率超 LLM-as-Judge 28.4%，并提供机制性解释。

新研究提出自我指令CoT可控性评估方法，发现推理模型在思维链内部设定约束时可控性显著提升，并揭示该能力可用于监控规避，对AI安全评估方法提出挑战。

一项针对语言模型树状表达式序列化的往返研究，通过生成器、提取器与符号等价判定的三段式协议，评测十六个模型的两两组合，量化思维链推理与多智能体协作中自然语言传递结构化信息的沟通瓶颈。

深度解析AI Agent核心原理，从感知-规划-行动-观察的决策循环，到Planning思维链、Memory记忆机制、Tools工具调用三大组件，帮你理解智能体与大模型的本质区别。