METR：Research·· 2025-08-08精选AI 评分64
METR 研究认为尽管存在不忠实，思维链仍可作为监控模型行为的信息来源
CoT May Be Highly Informative Despite “Unfaithfulness”
AI 导读
METR 复现 Anthropic 的 Claude Sonnet 3.7 与 Claude 4 忠实度评测并提出，当解题所需推理必须用到思维链时，模型在宽松忠实度定义下几乎总是忠实：在 21,272 条轨迹中仅发现 3 条疑似不忠实。
推荐理由
原文提出宽松忠实度视角并用检测实验支撑，为理解 CoT 监控在什么条件下可靠提供了可检验框架。
来源：METR：Research · metr.org