CROP：认证推理轨迹干净前缀

Matt Y. Cheung 等作者提出并公开 CROP（Conformal Reasoning Output Prefixes），一种与验证器无关的校准方法，用于认证推理轨迹的干净前缀，而非只认证最终答案。据作者称，在可交换性假设下，CROP 严格控制返回前缀含有标注错误的边际概率。代码已公开。 该方法针对的问题是：推理轨迹常包含有效的中间步骤，现有不确定性量化方法只对最终答案作认证，无法为中间过程给出同等保障。CROP 的认证对象是输出前缀，即返回的前缀本身不含标注错误的概率受到控制。 作者将“严格控制”表述为在可交换性假设下成立的结论，实际效果取决于该假设是否满足，报道未给出实验验证结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。