论文检验推理轨迹能否无参考验证

Vaidehi Hegde 提交论文，研究单条推理轨迹能否在没有参考答案、没有评判模型、不更新权重的情况下被验证。在冻结的 LLaMA-2-7B-chat 上用 GSM8K 检验后，论文称瓶颈不在检测：轨迹自检 AUROC 仅 0.741，三分之二的错误轨迹并未写出错误等式。 此前报道曾提出用变形探针验证推理轨迹；新论文把推理轨迹当作可测试的程序假设来检验，结论是检测环节并非限制这类流程的因素。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。