Chain-of-Thought Faithfulness of Reasoning Models Varies with Where and How Preference Cues Are Delivered

• 类型：arxiv
• 标识：2608.29464
• 链接：https://arxiv.org/abs/2608.29464
• 主分类：evaluation
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：The results suggest that CoT monitoring may be less reliable when preference information arrives through tools or must be inferred from raw artifacts, within the single-call, prefilled-tool setting tested here.
• OpenAlex ID：W7204945401
• OpenAlex DOI：10.48550/arxiv.2608.29464
• DOI：10.48550/arxiv.2608.29464
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2608.29464
• OpenAlex更新：2026-09-04
• 待LLM分类：否
• 标题中文：思维链忠实性随偏好线索的传递位置与方式而变化
• TLDR中文：结果表明，在所测试的单调用、预填工具场景下，当偏好信息通过工具传入或需从原始产物中推断时，CoT 监控的可靠性可能下降。
• 来源文件：
• /inbox/tom/_candidates/2026-09-01-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-09-02-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]