正确的推理路径访问共享决策枢轴
人工智能
2026-02-10 v3
摘要
链律推理（CoT）暴露了大型语言模型（LLM）的中间思考过程，但规模化地验证这些轨迹仍未解决。为此，我们提出决策枢轴的概念——即任何正确推理路径都必须访问的最小、可验证性检查点。我们假设正确的推理虽然风格多样，但会收敛于相同的枢轴集合，而错误的推理则至少违反一个枢轴。基于这一属性，我们提出了一个自训练管道：（i）采样多样化推理路径并发现共享决策枢轴，（ii）使用辅助验证器将每条轨迹压缩为以枢轴为焦点的短路径推理，（iii）使用其自生成的输出进行后训练。该方法无需地面真实推理数据或外部指标即可实现推理对齐。在LogiQA、MedQA和MATH500等标准基准测试上进行的实验表明，我们的方法有效。
引用
@article{arxiv.2509.21549,
title = {Correct Reasoning Paths Visit Shared Decision Pivots},
author = {Dongkyu Cho and Amy B. Z. Zhang and Bilel Fehri and Sheng Wang and Rumi Chunara and Hengrui Cai and Rui Song},
journal= {arXiv preprint arXiv:2509.21549},
year = {2026}
}
备注
18 pages, 10 figures