一篇新的arXiv论文探讨了人工智能系统中思维链(CoT)推理的可重用性和可验证性。研究人员调查了推理在模型之间传递的可靠性、其对接收模型纠正错误的作用以及在防止接收模型放弃正确答案方面的安全性。研究发现,任务的性质显著影响推理的可靠性,算术任务比科学或常识任务更可靠。接收模型的性质对于迁移推理的有用性更为关键,而发送模型的特性对确定损坏的推理是否会损害接收模型最具影响力。 AI
影响 这项研究可以通过改进模型共享和利用推理的方式,从而构建更强大、更值得信赖的人工智能系统。
排序理由 学术论文发表于arXiv。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →