研究人员开发了一种方法来区分大型语言模型思维链（CoT）输出中的真实推理步骤和表面推理步骤。这个真实思考得分（TTS）显示，大型语言模型经常生成的推理步骤对最终答案没有因果关系，只有一小部分步骤真正有影响力。研究还发现，这些“啊哈时刻”或自我验证步骤可能是装饰性的，并且可以引导模型在内部遵循已识别的真实推理路径。 AI
影响 挑战了大型语言模型推理的可靠性，并突显了思维链生成中潜在的低效率。
排序理由 学术论文，介绍了一种新指标和关于大型语言模型推理的发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2510.24941v3 Announce Type: replace Abstract: Large language models can generate long chain-of-thought (CoT) reasoning, but it remains unclear whether the verbalized steps reflect the models' internal thinking. In this work, we propose a True Thinking Score (TTS) to quantif…
This paper proposes ReaGeo, an end-to-end geocoding framework based on large language models, designed to overcome the limitations of traditional multi-stage approaches that rely on text or vector similarity retrieval over geographic databases, including workflow complexity, erro…