Новости

CRoS: Causality Reward on Scrambled CoTs Improves Accuracy and Reasoning Faithfulness

arXiv cs.AI · Опубликовано 30 октября 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: 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.
Почему это важно: Matters for engineers training reasoning models with reinforcement learning who want better out-of-domain generalization and more faithful intermediate reasoning steps.
На что обратить внимание: 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.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

arXiv cs.AI · Опубликовано 30 октября 2026 г. · 3 мин чтения

Что произошло: 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.
Почему это важно: Matters for engineers training reasoning models with reinforcement learning who want better out-of-domain generalization and more faithful intermediate reasoning steps.
На что обратить внимание: 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.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.