具有可验证奖励的强化学习（ RLVR ）已成为训练语言模型推理的标准方法。然而， RLVR通常仅依赖于结果的正确性，这并不能保证CoT对最终答案的因果关系。如果没有这种联系，结果奖励可能无法强化高质量的推理。现有因果关系指标评估CoT因果关系

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.42054v1)获取最准确的信息。

---
🔗 **原文链接**: [CRoS: Causality Reward on Scrambled CoTs Improves Accuracy a](https://arxiv.org/abs/2610.42054v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: ^于晓, Justin Chih-Yao Chen, Zaid Khan, Hyunji Lee, Mohit Bansal

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
推理能力是LLM的下一个战场。这篇文章技术细节到位，适合有一定基础的同学细读。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-11-02 13:01