arXiv cs.CL· Melika Mobini, Andres Algaba, Vincent Ginis·· 16 小时前AI 评分31
提高推理强度可提升 GPT-5.5 参考文献可验证性并改变推理摘要
Higher Reasoning Effort Improves Reference Verifiability and Changes Reasoning Summaries in GPT-5.5
AI 导读
在 1000 篇论文的配对实验中，GPT-5.5 将推理强度从低调至高后，经解析器验证的论文级参考文献平均通过率从 78.3% 升至 84.8%，推理摘要也变得更长。四项预设特征在高强度下得分均更高，而 GPT-5.5 自行发现的附加特征变化不一，部分在两种条件下出现频率相同。在各自推理强度内，两类特征的得分升高都未带来验证率的持续提升。
正文 · AI 翻译
摘要：大型语言模型正越来越多地应用于科学知识生产的不同阶段，包括参考文献的推荐。这些模型可以在不同的推理努力程度下运行，并提供其推理过程的摘要。这引出了两个问题：提高推理努力程度是否会提升所生成参考文献的可验证性，以及由此产生的推理摘要是否揭示了模型行为如何随努力程度增加而变化？我们考察了 GPT-5.5 在为 1,000 篇论文生成学术参考文献时，在配对的低努力和高努力设置下产生的摘要。生成的参考文献与外部书目记录进行了匹配，推理摘要则针对四个预定义特征进行评分，并探索了由 GPT-5.5 发现的其他特征。高努力将论文级解析器验证参考文献率的均值从 78.3% 提高到 84.8%，并产生了更长的推理摘要。所有四个预定义特征在高努力下均获得更高分数。所发现的特征变化则不那么一致：有些在两种条件下出现频率相同，而另一些在高努力下更为常见。在每种努力条件下，两组特征均未显示出验证率随分数升高而一致上升。
| 评论： | 4 张主要图表。包含补充材料 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.34212 [cs.CL] |
| （或 arXiv:2610.34212v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.34212 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Melika Mobini [查看电子邮件]
[v1]
2026 年 10 月 25 日星期日 10:57:05 UTC（2,065 KB）
来源：arXiv cs.CL · arxiv.org