New framework audits AI reasoning consistency in safety evaluations

研究人员引入了一个名为Reasoning Consistency Scanning的新框架，用于审计AI安全评估中Chain-of-Thought (CoT)推理的有效性。该方法侧重于检测模型陈述的推理与其答案之间的逻辑不一致性，这一属性可以仅从文本记录中评估。该框架包括对推理一致性的正式定义，一个改编自InstrumentalEval的包含60个文本记录的基准，以及一个为InspectScout实现的扫描器。对四个生成模型和三个评估的初步结果表明，推理不一致性是可检测的，并且存在系统性差异。 AI

影响 该框架可以通过确保模型的推理过程在逻辑上健全且一致来提高AI安全评估的可靠性。

排序理由 该项目是一篇学术论文，详细介绍了一个用于审计AI推理的新框架和基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• inspect_evals
• InspectScout
• InstrumentalEval
• Reasoning Consistency Scanning
• ScienceCast

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →