In den Nachrichten
CRoS: Causality Reward on Scrambled CoTs Improves Accuracy and Reasoning Faithfulness
arXiv cs.AI · Veröffentlicht am · 3 Min. Lesezeit
In 30 Sekunden
- Was passiert ist
- CRoS method improves language model reasoning by rewarding chain-of-thought steps based on scrambled order rather than deletion, achieving 46.8% accuracy on unseen logic tasks.
- Warum es zählt
- Matters for engineers training reasoning models with reinforcement learning who want better out-of-domain generalization and more faithful intermediate reasoning steps.
- Achtung
- Method tested only on Gemma-3-4B model; unclear how well scrambling-based causality transfers to larger models or different reasoning domains beyond logic and games.
Den vollständigen Artikel lesen
- language model
- reasoning
- reinforcement learning
- rlvr
Die Patterns dahinter
Jedes zeigt, wie die Technik arbeitet, wann sie ihren Aufwand wert ist und wo sie scheitert.
The Agent Architect
Ein Pattern, ein Tradeoff, eine Produktionspanne. Ein kurzes wöchentliches Briefing für alle, die agentische Systeme bauen.
Wöchentliche E-Mail, Abmeldung mit einem Klick. Ihre Adresse wird nur für das Briefing verwendet.