通过电路引导的内外部差异检测不忠实的思维链

思维链（CoT）推理提升了大语言模型的解决问题的能力，但生成的推理轨迹可能无法真实反映模型的实际决策过程。现有检测方法主要依赖外部信号，忽视了内部计算证据。针对完整推理电路构建成本高且难以扩展的问题，本文提出电路引导的内外部差异评分器（CIE-Scorer）。该框架基于忠实推理应与计算过程对齐的假设，高效追踪紧凑的句子级电路，构建内外部推理图，并利用融合 Gromov-Wasserstein 距离衡量其差异。实验表明，该方法在降低电路构建成本的同时，实现了最先进的检测性能。