arXiv · cs.AI · Xinyue Zeng, Jiawei Zhang, Yujun Yan, Dawei Zhou · 6 小时前模型评分42
SAGE：用拓扑引导缓解大语言模型长程推理偏差
SAGE: Mitigating Long-Horizon Reasoning Biases via Topological Guidance
导读
研究者提出 SAGE（Structural Admissibility-Guided Exploration）框架，通过代数稀疏化与双曲结构引导缓解长程推理中的探索偏差和累积偏差。在 12 个基准和 7 个模型族上，SAGE 优于竞争基线，在 Andrews-Curtis 问题上最高提升 8 倍。该工作已被 NeurIPS 2026 接收，代码已开源。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “Motivated by this analysis, we propose SAGE (Structural Admissibility-Guided Exploration), a unified framework that injects structural guidance to alleviate exploration bias and compounding bias in long-horizon reasoning.”
- “Code is available at: this https URL .”
来源：arXiv · cs.AI · arxiv.org