What Makes Chain-of-Thought Work at Probe Time? Local Co-occurrence Rather Than Global Derivation

En 3 lignesÉtude sur le mécanisme du chain-of-thought (CoT) au moment de l'inférence. Les auteurs montrent que l'amélioration de performance provient principalement d'une activation lexicale et de co-occurrences de tokens à courte portée (2-3 tokens), plutôt que d'une dérivation logique globale. Même un texte avec mots mélangés surpasse l'absence de rationale.

Résumé généré par Claude — vérifié par l'humain