arXiv · cs.AI· Jiakang Li, Guanyu Zhu, Can Jin, Chenxi Huang, Dexu Yu, Ronghao Chen, Yang Zhou, Hongwu Peng, Xuanqi Lan, Dimitris N. Metaxas, Youhua Li·· 3 小时前
Latent Reward Steering：面向推理LLM的自适应推理时认知行为引导框架
Latent Reward Steering: An Adaptive Inference-Time Framework that Implicitly Promotes Cognitive Behaviors in Reasoning LLMs
arXiv:2606.00726v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jiakang Li, Guanyu Zhu, Can Jin, Chenxi Huang, Dexu Yu, Ronghao Chen, Yang Zhou, Hongwu Peng, Xuanqi Lan, Dimitris N. Metaxas, Youhua Li
研究任务与主要进展
作者提出Latent Reward Steering（LRS），在推理时通过优化稀疏自编码器潜在状态，隐式促进推理LLM的认知行为。方法用最终答案正确性训练潜在奖励模型估计中间状态质量，并以奖励和置信度门控脆弱状态的干预；摘要称实验在多个推理LLM骨干和基准上持续优于多种基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org