論文の概要: Reasoning that Travels: Dissecting How Chain-of-Thought Transfers Across Models

• arxiv url: http://arxiv.org/abs/2605.28913v1
• Date: Wed, 27 May 2026 17:47:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.04639
• Title: Reasoning that Travels: Dissecting How Chain-of-Thought Transfers Across Models
• Title（参考訳）: 宇宙旅行の理由:ボートのチェーンがモデル間でどのように伝達されるか
• Authors: Xinyuan Cheng, Beiduo Chen, Philipp Mondorf, Barbara Plank,
• Abstract要約: 大きな推論モデルは、最終的な答えを生み出す前に、しばしばチェーン・オブ・ソート・トレースを生成する。 明示的なテキストアーティファクトとして、これらのトレースは他のモデルに渡して同じタスクを解決し、モデル間の推論転送を可能にする。 本稿では,この問題を,より長いトレースプレフィックスから,プロバイダが推論トレースを生成し,レシーバが同じ問題を解く,制御されたプロバイダ-受信者フレームワークを用いて検討する。
• 参考スコア（独自算出の注目度）: 37.052572320400834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large reasoning models (LRMs) often generate extensive chain-of-thought (CoT) traces before producing a final answer. As explicit textual artifacts, these traces can be passed to other models to solve the same task, enabling cross-model reasoning transfer. Yet successful transfer alone does not reveal how the provided CoT contributes to another model's answer. We study this question with a controlled provider--receiver framework, where a provider generates a reasoning trace and a receiver solves the same problem from increasingly longer trace prefixes. We compare force-answer, where the receiver answers directly from the prefix, with free-generation, where it may continue reasoning before answering. Across models and benchmarks, full traces often transfer successfully, but prefix trajectories reveal distinct mechanisms. In force-answer mode, AIME transfer is largely driven by explicit answer availability. MMLU-Pro instead reflects a larger role for receiver competence, while ZebraLogic depends on partial structured-answer information rather than complete-answer leakage alone. In free-generation mode, partial CoTs improve performance across benchmarks, indicating that prefixes can guide continued reasoning. Finally, answer agreement among receivers provides a gold-free signal for stopping provider reasoning early. Overall, cross-model CoT transfer is not a single phenomenon: it can reflect answer extraction, reasoning scaffolding, or receiver-dependent competence.
• Abstract（参考訳）: 大規模な推論モデル(LRMs)は、最終的な答えを出す前に、しばしば大規模なチェーン・オブ・シント(CoT)トレースを生成する。 明示的なテキストアーティファクトとして、これらのトレースは他のモデルに渡して同じタスクを解決し、モデル間の推論転送を可能にする。 しかし、成功した移行だけでは、提供されたCoTが他のモデルの答えにどのように貢献するかを明らかにしない。 本稿では, より長いトレースプレフィックスから, プロバイダが推論トレースを生成し, 受信者が同じ問題を解き, より長いトレースプレフィックスから解決する, 制御されたプロバイダ-受信者フレームワークを用いて, この問題を考察する。 我々は,受信者が接頭辞から直接答えるフォース・アンサーと,応答する前に推論を継続するフリージェネレーションとを比較した。 モデルとベンチマーク全体において、完全なトレースはしばしば正常に転送されるが、プレフィックス・トラジェクトリは異なるメカニズムを明らかにする。 フォース・アンサー・モードでは、AIME転送は主に明示的な回答の可用性によって駆動される。 MMLU-Proはレシーバの能力に対する大きな役割を反映するが、ZebraLogicは完全解答のみではなく、部分的な構造化解答情報に依存している。 フリージェネレーションモードでは、部分CoTはベンチマーク全体のパフォーマンスを改善し、プレフィックスが継続的な推論をガイドできることを示している。 最後に、受信機間の回答合意は、提供者推論を早期に停止するための金のない信号を提供する。 全体として、クロスモデルCoT転送は単一の現象ではなく、応答抽出、推論足場、受信者に依存した能力の反映が可能である。

関連論文リスト

• Stop When Reasoning Converges: Semantic-Preserving Early Exit for Reasoning Models [17.588873255093596]
  長鎖の思考(CoT)を生成することでLRM(Large Reasoning Models)の性能が向上する LRMは、しばしば過度に考え、ソリューションがすでに安定し、トークンを無駄にし、レイテンシを増大した後も、推論を続けます。 本稿では,軽量冗長検出器と応答レベル検証を組み合わせたプラグアンドプレイフレームワークPUMAを提案する。
  論文  参考訳（メタデータ） (2026-05-17T22:04:11Z)
• SubSearch: Intermediate Rewards for Unsupervised Guided Reasoning in Complex Retrieval [61.73547199231695]
  SubSearchは、結果のみの監視から中間報酬信号に移行する特殊なフレームワークである。 実験により、本質的な報酬を伴う中間的推論ステップの報酬はより堅牢な推論トレースをもたらすことが示された。 SubSearchは、複雑なクエリ応答のための検索エンジンをよりよく統合できる推論トレースを構築するのに役立つ。
  論文  参考訳（メタデータ） (2026-04-08T13:09:47Z)
• Catching rationalization in the act: detecting motivated reasoning before and after CoT via activation probing [14.176238828329952]
  大規模言語モデル(LLM)は、その答えを駆動する実際の要因を正確に反映しない思考の連鎖(CoT)を生成することができる。 内的アクティベーションの探索により動機付け推論が識別可能であることを示す。
  論文  参考訳（メタデータ） (2026-03-17T23:03:21Z)
• Recursive Think-Answer Process for LLMs and VLMs [54.52289112197118]
  R-TAP(Recursive Think-Answer Process)を提案する。 R-TAPにより、モデルは反復的推論サイクルに参加し、より正確な答えを生成することができる。 R-TAP強化モデルが従来のシングルパス法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-03-02T17:20:10Z)
• Balancing Faithfulness and Performance in Reasoning via Multi-Listener Soft Execution [79.98699884805636]
  Reasoning Execution by Multiple Listeners (REMUL) は多人数の強化学習手法である。 REMULは、推論が他の当事者に従えるかがより忠実になるという仮説に基づいている。 スピーカーは、リスナーにとって明らかな推論を生み出すことで報われます。
  論文  参考訳（メタデータ） (2026-02-18T02:55:55Z)
• Probing the Trajectories of Reasoning Traces in Large Language Models [4.599673637363014]
  本研究では,大規模言語モデルにおける推論トレースの軌跡を探索するプロトコルを提案する。 得られた推論トークンの比率が大きくなるにつれて、精度と決定のコミットメントが一貫して増加することが分かっています。 軌道探索が推論モデルのより効率的かつ安全な展開のための診断を提供することを示す。
  論文  参考訳（メタデータ） (2026-01-30T16:45:16Z)
• Answer-Consistent Chain-of-thought Reinforcement Learning For Multi-modal Large Langauge Models [33.398631680508814]
  本稿では,GRPOアルゴリズムを補助的整合性チェックで修正するAnswer-Consistent Reinforcement Learningを提案する。 我々は、オリジナルとポストシャッフルの両方の回答が一致して正しい場合にのみ高い報酬を与える一貫性検証報酬を設計する。 我々は、ACREを挑戦的なビデオ推論ベンチマークとマルチモーダル数学推論ベンチマークで評価し、平均2.2%と1.5%の改善を達成した。
  論文  参考訳（メタデータ） (2025-10-11T08:32:52Z)
• Reasoning or Retrieval? A Study of Answer Attribution on Large Reasoning Models [15.797612515648412]
  大きな推論モデル (LRMs) は、Chain-of-Thought (CoT) 推論を通じて複雑な問題を解く際、前例のない能力を示す。 最近の研究では、彼らの最後の答えは、しばしば彼ら自身の推論の痕跡と矛盾していることが明らかになっている。 この矛盾は、CoT推論とメモリ検索という2つの競合メカニズムに起因していると仮定する。 本稿では,メモリアンラーニングと強化学習を統合したファインチューニングフレームワークFARLを紹介する。
  論文  参考訳（メタデータ） (2025-09-29T01:13:33Z)
• Mitigating Misleading Chain-of-Thought Reasoning with Selective Filtering [59.495717939664246]
  大規模言語モデルは、複雑な問題を解くためにチェーン・オブ・ソート(CoT)推論技術を活用することで、顕著な能力を示した。 本稿では,選択フィルタリング推論(SelF-Reasoner)と呼ばれる新しい手法を提案する。 SelF-ReasonerはScienceQA、ECQA、LastLetterタスクに対して、微調整されたT5ベースラインを一貫して改善する。
  論文  参考訳（メタデータ） (2024-03-28T06:28:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。