RECAST：从最终答案重建闭源模型思维链

RECAST 用最终答案重建闭源模型的结构化思维链并生成 SFT 数据。

资讯摘要

论文提出 RECAST 框架，在无法获取隐藏推理通道的情况下，以问题和目标模型最终答案为条件，重建第一人称结构化推理过程，清洗后生成可用于 SFT 的数据。作者复现三种现有 CoT 提取方法，在 Claude-Sonnet-5.5 标准聊天接口上均返回零 CoT token，认为失败是结构性的。RECAST 已在 Claude-Sonnet-5.5 上实例化，并在 GPT-6.1、Gemini 3 上获得定性重建结果，系统开源并封装为 agent skill。

要点速读

1. 复现三种代表性 CoT 提取方法，在 Claude-Sonnet-5.5 上均返回零 CoT token，作者称原因是推理字段缺失、工具选择被拒、自由文本暂存参数被过滤等结构性限制。
2. RECAST 以问题与目标模型最终答案为输入，重建结构化推理并清洗为 SFT-ready 数据，作者称是首个不依赖隐藏推理通道、从 Claude-Sonnet-5.5、GPT-6.1、Gemini 3 等前沿闭源模型重建 CoT 的系统。
3. 系统开源并封装为 agent skill，一条提示即可部署并跑完整流程；预印本仅描述系统、威胁模型与受控产物验证，不声称大规模基准提升。

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 2026/11/3 08:00:27（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。