学到的推理策略可提升准确率，但作为规则仍可能出错。
资讯摘要
论文提出 cogrsi，用带依据的阅读器标注故事中谁目击了事件，并借助简短书面原则裁决分歧。专家撰写的原则在同等 token 成本下优于自一致性；自我改进循环自行生成原则，仅在准确率提升超过校准阈值时保留更新，其中一版还要求通过反事实测试对。作者报告，学到的原则可迁移，在 800 对未见过的 BigToM 样本上均优于专家原则。但将规则转成代码在数千个已知答案的小故事上检验，多数规则在至少一种其声称覆盖的情形下给出错误答案，准确率无法揭示哪些规则有误。
要点速读
- 专家原则在同等 token 成本下优于自一致性；自我改进循环自行撰写原则，按校准后的准确率提升阈值保留更新
- 学到的原则可迁移，在 800 对未见过的 BigToM 样本上均高于专家原则
- 规则转代码检验显示多数规则在至少一种声称覆盖的情形下出错，准确率与反事实测试均无法识别错误规则
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 2026/11/4 08:00:28（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。