**提升LLM思维链可解释性对齐:CIA指标与后训练优化**

_Making LLMs Say What They Think: Measuring and Improving CoT-Interpretability Alignment_

> 针对LLM思维链(CoT)常无法反映内部计算的问题,研究提出CIA指标以衡量CoT与内部推理策略的一致性。实验显示现有模型对齐度有限,通过结合任务准确性与参数忠实度信号进行后训练,可显著提升CoT的可信度且保持任务性能。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.38972)