CoT 相关 AI 资讯

7月31日

12:17

官方账号arXiv cs.LG@Amol Khanna, Manu Nandan, Cristian Viorel Popa, Joan Pujol-Roig, Diana Bolocan, Laura Vasilie, Alexandru Apostu, Chase Helwig, Mihaela Gaman, Michael Brautbar, Edward Raff, Chase Midler, Sven Krasser

安全运营中心（SOC）面临告警疲劳，检测量超过人工处理能力。研究团队通过自动提示优化、自训练和可验证奖励强化学习，在真实人工标注的Windows端点检测上训练出链式推理（CoT）分类器。CoT会降低标签token概率，因此另训练校准器读取完整推理轨迹并估计判定正确概率。系统达到82.6%测试准确率，在高置信度操作点下，良性召回率比直接标注的LLM分类器提升43.0%，恶意召回率提升18.3%。未训练的置信度评判会使高置信召回归零，而微调的30B模型显著优于前沿通用模型。

论文 LLM CoT 安全运营

推荐理由：这篇论文把推理模型用在安全告警分类上，82.6%准确率，比直接LLM打标签的恶意/良性召回提升明显，还解决了置信度问题。

原文

7月19日

14:07

Ethan Mollick@emollick

AI模型 Kimi K3 CoT 思维链

事件专题

推荐理由：Kimi K3的思维链居然有32页长，还不停绕圈，看看它怎么解诗题

原文

7月15日

09:26

官方账号arXiv cs.AI@Hiroto Osaka, Shohei Taniguchi, Gouki Minegishi, Kai Yamashita, Masahiro Suzuki, Yutaka Matsuo

论文提出Visual Access Sweep方法，通过遮蔽生成token到图像token的注意力，定义Visual Access Boundary (VAB)。在Qwen2.5-VL-32B和InternVL3的14B、38B规模上，CoT的VAB层与无CoT全访问目标差异最多两层。CoT提升受限于感知读出：当视觉属性可可靠读出时CoT有效，否则无效。符号属性oracle显示，提供真实属性文本后CoT可改善计数。单目标探针-解码检查表明，困难属性可从隐藏状态线性恢复但模型难以输出。

论文 Qwen2.5-VL InternVL3 CoT

推荐理由：这篇论文用实验告诉你，视觉语言模型做CoT推理时，图像其实只在开头看一次，后面全靠语言处理。想知道为什么CoT有时没用？进来看看

原文

7月1日

09:23

官方一手arXiv: DeepSeek@Gaurab Baral, Aaditya Khanal, Yangyang Tao, Junxiu Zhou

精选

该论文研究从大型推理模型DeepSeek-R1蒸馏知识到紧凑学生模型Qwen2.5-7B。使用2011-2025年约翰·奥布莱恩数学竞赛问题构建CoT训练语料，通过LoRA在Apple Silicon上微调。基础Qwen2.5-7B准确率64.67%，教师DeepSeek-R1达91.40%。五次独立微调后学生模型平均准确率69.43%（标准差0.17%），比基础模型提升4.76个百分点，并在MATH-500上泛化至73.1%（标准差0.18%）。研究还发现回答长度从平均220词降至31.2词时，准确率从69.43%降至41.9%。

论文 DeepSeek-R1 Qwen2.5-7B 知识蒸馏

推荐理由：这篇论文告诉你：把DeepSeek-R1的推理能力蒸馏到小模型Qwen2.5-7B上，MATH-500能到73%，但回答越短准确率掉得越快。

原文

6月23日

11:04

官方账号arXiv cs.AI@Zhuoran Jin, Kejian Zhu, Hongbang Yuan, Yupu Hao, Pengfei Cao, Yubo Chen, Kang Liu, Jun Zhao

该研究系统评估12项多模态任务，涵盖感知与推理两类，使用14个非推理模型和8个推理模型。结果显示，CoT在视觉定位、目标计数等感知任务中会导致性能下降，但在数学、科学和多图推理中有效。开源多模态推理模型整体提升有限，可能因过度侧重数学。当前多模态CoT存在'轻看，重思'模式，视觉反省持续减弱，而口头反思相对保持。视觉推理仍是主要瓶颈。

论文 CoT 多模态推理推理模型

推荐理由：这篇论文系统测了多模态思维链到底行不行，发现它在视觉定位上帮倒忙，但对数学推理很管用，还揭示了视觉瓶颈。做多模态的值得看。

原文

6月20日

02:27

Stanford AI Lab@StanfordAILab

斯坦福AI实验室的SAIL博客发布新文章，由Peter Bhase和Chris Potts共同撰写，系统梳理了CoT（思维链）监控作为AI安全热点问题的起源。文章回顾了相关研究的历史演进，分析了该概念如何从技术讨论演变为关键安全议题。

论文 SAIL CoT Chain-of-Thought

推荐理由：斯坦福AI实验室的两位研究者梳理了CoT监控的来龙去脉，想理解AI安全前沿热点的演变，这篇博客值得看。

原文