arXiv · cs.AI· Gabriele Dominici·· 4 天前AI 评分40
CausalCoT：通过上下文隔离缓解注意力泄漏的因果链式推理框架
Causal Chain of Thought: Mitigating Attention Leakage via Context Isolation
来源与原文
arXiv · cs.AI
作者：Gabriele Dominici
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.31639v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 CausalCoT 推理框架，将问题分解为有向无环图中的原子子问题，每个节点仅在只含直接因果父节点的隔离上下文中求值，以消除注意力对无关上下文的泄漏。在多个推理 benchmark 上，CausalCoT 在保持有竞争力的预测性能的同时，中间推理步骤的因果敏感性平均提升 12 个百分点、最高提升 21 个百分点。其结构化依赖图还支持测试时干预，使局部修正可预测地传播到下游推理。
来源：arXiv · cs.AI · arxiv.org