一篇新的研究论文调查了思维链（CoT）训练在大型语言模型（LLM）代理中的有效性。该研究在各种模型检查点上比较了“提示动作”（不带 CoT 预测动作）与“CoT 动作”（带 CoT 预测动作）。研究结果表明，提示动作的质量显著提高，而 CoT 训练并未实质性地扩大 CoT 推理本身的优势，而是提高了提示动作的质量。较晚期的模型检查点显示，基于 CoT 的修改较少，这表明对初始提示的依赖性增加。 AI
影响 这项研究表明，目前的 CoT 训练方法在提高 LLM 代理推理能力方面可能不如之前所认为的那样有效。
排序理由 该集群包含一篇发表在 arXiv 上的研究论文，讨论 LLM 代理训练。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.26935v1 Announce Type: new Abstract: Chain-of-thought (CoT) reasoning is widely used in language-model agents, but prior work has shown that verbalized CoT is not always faithful and may instead reflect post-hoc reasoning, which means the model already knows the answer…
Chain-of-thought (CoT) reasoning is widely used in language-model agents, but prior work has shown that verbalized CoT is not always faithful and may instead reflect post-hoc reasoning, which means the model already knows the answer before reasoning. We therefore ask what CoT tra…