#思维链

OpenAI 的诺姆·布朗说，AI 模型越强，就越会隐藏自己的思考过程，这会影响我们判断它是否在欺骗或规避规则。

这篇论文揭示了AI模型在隐藏指令披露上的不对称行为，对AI安全和监督机制设计有重要启示。

OpenAI一年前提出的CoTs安全策略为何在Hugging Face事件中被忽视？

Amjad Masad@amasad11 个信源在谈原文

Jason Wei用羽毛球比喻讲透了为什么小模型加工具撑不起顶级智能，三点理由很实在，值得一看。

宝玉@dotey原文

这篇论文用HazMart数据集测了DeepSeek和QwQ的思维链，发现忠实性和安全性确实互相打架，还给出了干预办法。

理论研究者终于有了Transformer样本复杂度的紧界——VC维和思维链学习的下界都算清楚了，做深度学习理论的团队值得细读。

长文本生成是 LLM 的硬伤，IS-CoT 用动态规划循环解决了长度崩溃，做内容生成或写作助手的团队可以直接参考这个 8B 模型的训练方法。

NF-CoT解决了潜在推理中丢失CoT关键优势的痛点，做LLM推理优化和代码生成的开发者可以直接参考其方法，提升效率。

做推理模型RL微调的团队终于有了降低训练方差的实际方案——RREDCoT用模型自身做信用分配，省去额外生成成本，长上下文场景下效果显著，值得关注。

这项研究揭示了 CoT 在模型安全中的双重角色——既增强鲁棒性又引入新风险，做 AI 安全和对齐的团队值得关注，尤其是使用推理模型的开发者需要重新评估防御策略。

做模型遗忘审计的团队会发现，思维链泄露可能被误判为权重记忆，这篇论文提供了一个简单有效的 sanity check 方法，值得在评估流程中加上。

这篇论文戳破了MLLM空间推理的泡沫——它们并不真正理解3D世界。做具身AI、多智能体系统或空间推理的开发者，看完会重新评估模型能力边界。

做 LLM 价值对齐的研究者终于有了从人口统计维度精细建模的方法——DVMap 用结构化 CoT 和 GRPO 实现了跨群体泛化，比国家标签更准，建议做 AI 伦理和可控生成的团队点开看看。

长链推理的注意力衰减问题终于有了针对性解法，做推理模型优化或长上下文应用的团队值得关注——InsightReplay简单有效，可以直接在现有CoT框架上尝试。