Length Penalties Make Chain-of-Thought Less Monitorable

• 类型：arxiv
• 标识：2607.09786
• 链接：https://arxiv.org/abs/2607.09786
• 主分类：evaluation
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Compression reduces reasoning tokens and preserves most multiple choice accuracy, while hint influence remains near baseline, in a frontier where reducing reasoning costs removes more evidence than shorter traces alone would predict.
• OpenAlex ID：W7168276331
• OpenAlex DOI：10.48550/arxiv.2607.09786
• DOI：10.48550/arxiv.2607.09786
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.09786
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：长度惩罚使 Chain-of-Thought 更难被监控
• TLDR中文：压缩可减少推理 token 并保持大部分选择题准确率，同时提示影响接近基线——在一个前沿条件下，降低推理成本移除的证据比单纯缩短轨迹所预期的更多。
• 来源文件：
• /inbox/tom/_candidates/2026-07-17-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]