SAGE：用拓扑引导缓解长程推理偏差

SAGE 用结构引导缓解长程推理的两类偏差，作者报告多项基准提升。

资讯摘要

论文提出符号闭包分析（SCA），用于刻画长程推理中分支结构与稀疏奖励引发的探索偏差和累积偏差，并据此提出 SAGE 框架：用代数稀疏化抑制虚假分支，用双曲结构引导提供深度信号。作者报告在 12 个基准、7 个模型族上优于基线，Andrews-Curtis 任务最高提升 8 倍，代码已公开。

要点速读

1. 论文将长程推理的脆弱性归因于探索偏差与累积偏差，并用符号闭包分析（SCA）进行理论刻画。
2. SAGE 结合代数稀疏化与双曲结构引导两种结构先验，分别针对两类偏差。
3. 作者报告在 12 个基准、7 个模型族上优于竞争基线，Andrews-Curtis 任务最高提升 8 倍，代码已开源。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。