Files
myWiki/raw/papers/latent-cot-supervision-2026.md

1.4 KiB
Raw Blame History

What Makes Effective Supervision in Latent Chain-of-Thought: An Information-Theoretic Analysis

Abstract

从信息论角度分析 Latent Chain-of-Thought 的有效监督机制。识别出 outcome supervision 的"双重崩溃"——梯度衰减和表示漂移。将过程监督分解为两个互补维度Trajectory Supervision注入密集逐步推理信号和 Space Supervision通过生成式重建保留潜空间的语义结构。提出 Unified Latent Probe (ULP) 量化潜轨迹与显式推理步骤之间的互信息。实验揭示 Information-Performance Binding推理精度严格受限于潜在链中保留的信息保真度。

Key Contributions

  1. 信息论分析框架:将 Latent CoT 监督形式化为互信息最大化问题
  2. 双重崩溃诊断:梯度衰减 + 表征漂移是 outcome supervision 失败的根本原因
  3. 过程监督的二维分解Trajectory Supervision × Space Supervision
  4. ULP 探针:量化潜状态中的可恢复推理信息
  5. Information-Performance Binding推理能力严格受限于信息保真度