A Chain-of-Thought Is as Strong as Its Weakest Link: A Benchmark for Verifiers of Reasoning Chains
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Jacovi, Alon, Bitton, Yonatan, Bohnet, Bernd, Herzig, Jonathan, Honovich, Or, Tseng, Michael, Collins, Michael, Aharoni, Roee, Geva, Mor |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Narrowing the Knowledge Evaluation Gap: Open-Domain Question Answering with Multi-Granularity Answers
par: Yona, Gal, et autres
Publié: (2024)
par: Yona, Gal, et autres
Publié: (2024)
Can Large Language Models Faithfully Express Their Intrinsic Uncertainty in Words?
par: Yona, Gal, et autres
Publié: (2024)
par: Yona, Gal, et autres
Publié: (2024)
Thinking to Recall: How Reasoning Unlocks Parametric Knowledge in LLMs
par: Gekhman, Zorik, et autres
Publié: (2026)
par: Gekhman, Zorik, et autres
Publié: (2026)
Keep Guessing? When Considering Inference Scaling, Mind the Baselines
par: Yona, Gal, et autres
Publié: (2024)
par: Yona, Gal, et autres
Publié: (2024)
Marketing the Librarian: The Weakest Link in the Chain.
par: Kies, Cosette
Publié: (1989)
par: Kies, Cosette
Publié: (1989)
Weakest Link in the Chain: Security Vulnerabilities in Advanced Reasoning Models
par: Krishna, Arjun, et autres
Publié: (2025)
par: Krishna, Arjun, et autres
Publié: (2025)
FinChain: A Symbolic Benchmark for Verifiable Chain-of-Thought Financial Reasoning
par: Xie, Zhuohan, et autres
Publié: (2025)
par: Xie, Zhuohan, et autres
Publié: (2025)
DRAGged into Conflicts: Detecting and Addressing Conflicting Sources in Search-Augmented LLMs
par: Cattan, Arie, et autres
Publié: (2025)
par: Cattan, Arie, et autres
Publié: (2025)
CoverBench: A Challenging Benchmark for Complex Claim Verification
par: Jacovi, Alon, et autres
Publié: (2024)
par: Jacovi, Alon, et autres
Publié: (2024)
Verifying Chain-of-Thought Reasoning via Its Computational Graph
par: Zhao, Zheng, et autres
Publié: (2025)
par: Zhao, Zheng, et autres
Publié: (2025)
On Learning Verifiers and Implications to Chain-of-Thought Reasoning
par: Balcan, Maria-Florina, et autres
Publié: (2025)
par: Balcan, Maria-Florina, et autres
Publié: (2025)
DoubleDipper: Improving Long-Context LLMs via Context Recycling
par: Cattan, Arie, et autres
Publié: (2024)
par: Cattan, Arie, et autres
Publié: (2024)
Measuring Chain of Thought Faithfulness by Unlearning Reasoning Steps
par: Tutek, Martin, et autres
Publié: (2025)
par: Tutek, Martin, et autres
Publié: (2025)
Evaluating Chain-of-Thought Reasoning through Reusability and Verifiability
par: Aggarwal, Shashank, et autres
Publié: (2026)
par: Aggarwal, Shashank, et autres
Publié: (2026)
MM-Verify: Enhancing Multimodal Reasoning with Chain-of-Thought Verification
par: Sun, Linzhuang, et autres
Publié: (2025)
par: Sun, Linzhuang, et autres
Publié: (2025)
EgoCoT-Bench: Benchmarking Grounded and Verifiable Operation-Centric Chain of Thought Reasoning for MLLMs
par: Dai, Yang, et autres
Publié: (2026)
par: Dai, Yang, et autres
Publié: (2026)
Typed Chain-of-Thought: A Curry-Howard Framework for Verifying LLM Reasoning
par: Perrier, Elija
Publié: (2025)
par: Perrier, Elija
Publié: (2025)
Backward Lens: Projecting Language Model Gradients into the Vocabulary Space
par: Katz, Shahar, et autres
Publié: (2024)
par: Katz, Shahar, et autres
Publié: (2024)
Accelerating the Global Aggregation of Local Explanations
par: Mor, Alon, et autres
Publié: (2023)
par: Mor, Alon, et autres
Publié: (2023)
Compositional Chain-of-Thought Prompting for Large Multimodal Models
par: Mitra, Chancharik, et autres
Publié: (2023)
par: Mitra, Chancharik, et autres
Publié: (2023)
Universal Jailbreak Suffixes Are Strong Attention Hijackers
par: Ben-Tov, Matan, et autres
Publié: (2025)
par: Ben-Tov, Matan, et autres
Publié: (2025)
CoRGI: Verified Chain-of-Thought Reasoning with Post-hoc Visual Grounding
par: Yi, Shixin, et autres
Publié: (2025)
par: Yi, Shixin, et autres
Publié: (2025)
NL-Eye: Abductive NLI for Images
par: Ventura, Mor, et autres
Publié: (2024)
par: Ventura, Mor, et autres
Publié: (2024)
Latent Reasoning with Supervised Thinking States
par: Amos, Ido, et autres
Publié: (2026)
par: Amos, Ido, et autres
Publié: (2026)
Multilingual Instruction Tuning With Just a Pinch of Multilinguality
par: Shaham, Uri, et autres
Publié: (2024)
par: Shaham, Uri, et autres
Publié: (2024)
mFACE: Multilingual Summarization with Factual Consistency Evaluation
par: Aharoni, Roee, et autres
Publié: (2022)
par: Aharoni, Roee, et autres
Publié: (2022)
Representation Surgery: Theory and Practice of Affine Steering
par: Singh, Shashwat, et autres
Publié: (2024)
par: Singh, Shashwat, et autres
Publié: (2024)
The Weakest Link: Library Catalogs.
par: Young, Terrence E., Jr.
Publié: (2002)
par: Young, Terrence E., Jr.
Publié: (2002)
LongCoT: Benchmarking Long-Horizon Chain-of-Thought Reasoning
par: Motwani, Sumeet Ramesh, et autres
Publié: (2026)
par: Motwani, Sumeet Ramesh, et autres
Publié: (2026)
Generating Verifiable Chain of Thoughts from Exection-Traces
par: Thakur, Shailja, et autres
Publié: (2025)
par: Thakur, Shailja, et autres
Publié: (2025)
Fractured Chain-of-Thought Reasoning
par: Liao, Baohao, et autres
Publié: (2025)
par: Liao, Baohao, et autres
Publié: (2025)
GeoChain: Multimodal Chain-of-Thought for Geographic Reasoning
par: Yerramilli, Sahiti, et autres
Publié: (2025)
par: Yerramilli, Sahiti, et autres
Publié: (2025)
Reason Like a Radiologist: Chain-of-Thought and Reinforcement Learning for Verifiable Report Generation
par: Jing, Peiyuan, et autres
Publié: (2025)
par: Jing, Peiyuan, et autres
Publié: (2025)
How Well Can Reasoning Models Identify and Recover from Unhelpful Thoughts?
par: Yang, Sohee, et autres
Publié: (2025)
par: Yang, Sohee, et autres
Publié: (2025)
TACT: Advancing Complex Aggregative Reasoning with Information Extraction Tools
par: Caciularu, Avi, et autres
Publié: (2024)
par: Caciularu, Avi, et autres
Publié: (2024)
Editor's Choice: Evaluating Abstract Intent in Image Editing through Atomic Entity Analysis
par: Ventura, Mor, et autres
Publié: (2026)
par: Ventura, Mor, et autres
Publié: (2026)
LogicCat: A Chain-of-Thought Text-to-SQL Benchmark for Complex Reasoning
par: Liu, Tao, et autres
Publié: (2025)
par: Liu, Tao, et autres
Publié: (2025)
EditInspector: A Benchmark for Evaluation of Text-Guided Image Edits
par: Yosef, Ron, et autres
Publié: (2025)
par: Yosef, Ron, et autres
Publié: (2025)
Honest Students from Untrusted Teachers: Learning an Interpretable Question-Answering Pipeline from a Pretrained Language Model
par: Eisenstein, Jacob, et autres
Publié: (2022)
par: Eisenstein, Jacob, et autres
Publié: (2022)
Lower Bounds for Chain-of-Thought Reasoning in Hard-Attention Transformers
par: Amiri, Alireza, et autres
Publié: (2025)
par: Amiri, Alireza, et autres
Publié: (2025)
Documents similaires
-
Narrowing the Knowledge Evaluation Gap: Open-Domain Question Answering with Multi-Granularity Answers
par: Yona, Gal, et autres
Publié: (2024) -
Can Large Language Models Faithfully Express Their Intrinsic Uncertainty in Words?
par: Yona, Gal, et autres
Publié: (2024) -
Thinking to Recall: How Reasoning Unlocks Parametric Knowledge in LLMs
par: Gekhman, Zorik, et autres
Publié: (2026) -
Keep Guessing? When Considering Inference Scaling, Mind the Baselines
par: Yona, Gal, et autres
Publié: (2024) -
Marketing the Librarian: The Weakest Link in the Chain.
par: Kies, Cosette
Publié: (1989)