Dans l'actualité
CRoS: Causality Reward on Scrambled CoTs Improves Accuracy and Reasoning Faithfulness
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- CRoS améliore le raisonnement des modèles de langage en récompensant les étapes chain-of-thought selon un ordre brouillé, atteignant 46,8% de précision sur des tâches logiques inédites.
- Pourquoi ça compte
- Pertinent pour les ingénieurs entraînant des modèles de raisonnement avec du reinforcement learning cherchant une meilleure généralisation hors-domaine et des étapes intermédiaires de raisonnement plus fidèles.
- Vigilance
- Méthode testée uniquement sur Gemma-3-4B; incertitude sur le transfert de causalité par brouillage vers des modèles plus grands ou domaines de raisonnement différents.
- language model
- reasoning
- reinforcement learning
- rlvr
Les patterns derrière cette actualité
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.