思维链

研究者提出BIRD自推理蒸馏方法，通过两阶段训练让大模型在保持准确率的同时大幅压缩推理步骤，在数学基准测试中实现效率与精度的双提升。

研究人员提出“干预式基础审计”方法，通过谓词替换检测大模型思维链推理对前提的真实依赖程度，发现GPT-4o在解决推理问题时，66%的正确回答中存在与证明树依赖不一致的推理步骤。

研究者提出用动态系统理论分析潜在思维链推理的演化过程，揭示了CODI和COCONUT等模型在隐藏空间中的不同稳定性特征，为提升推理可解释性提供了新工具。

研究人员提出VeryTrace框架，通过将自然语言推理过程形式化为结构化、可编译的表示，实现零样本的推理链验证与修复，有效减少逻辑错误传播。