跳到正文
arXiv cs.AI· Matt Y. Cheung, Ashok Veeraraghavan, Hanjie Chen, Guha Balakrishnan·· 9 小时前AI 评分27

CROP:面向推理轨迹前缀的共形认证方法

Conformal Certification of Reasoning Trace Prefixes

AI 导读

研究者提出 CROP(Conformal Reasoning Output Prefixes),一种与验证器无关的校准方法,用于对推理轨迹的干净前缀进行认证。该方法根据任意步骤级风险代理选取校准阈值,返回风险低于阈值的最长连续前缀,并将未认证的后缀交由下游审查或修复,在交换性假设下严格控制返回前缀包含标注错误的边际概率。

来源:arXiv cs.AI · arxiv.org