CheckRLM：检索增强推理中高效的知识 - 思维一致性检查

推理语言模型（RLM）通过扩展推理链显著提升了复杂任务性能，但易产生事实错误。为此，本文提出 CheckRLM 框架，利用检索增强生成（RAG）技术，在推理过程中及时检查并纠正事实错误。该方法从推理链中提取事实主张以定位细微的知识不一致，并通过外部知识进行低成本精确修正，确保推理链与正确知识的一致性。实验表明，CheckRLM 在降低长程推理错误累积方面显著优于现有基线。