The Ends Justify the Thoughts: RL-Induced Motivated Reasoning in LLM CoTs
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Howe, Nikolaus, Carroll, Micah |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Shorter Thoughts, Same Answers: Difficulty-Scaled Segment-Wise RL for CoT Compression
par: Tian, Ye, et autres
Publié: (2026)
par: Tian, Ye, et autres
Publié: (2026)
Cross Domain Evaluation of Multimodal Chain-of-Thought Reasoning of different datasets into the Amazon CoT Framework
par: Tiwari, Nitya, et autres
Publié: (2025)
par: Tiwari, Nitya, et autres
Publié: (2025)
CoT Red-Handed: Stress Testing Chain-of-Thought Monitoring
par: Arnav, Benjamin, et autres
Publié: (2025)
par: Arnav, Benjamin, et autres
Publié: (2025)
To CoT or To Loop? A Formal Comparison Between Chain-of-Thought and Looped Transformers
par: Xu, Kevin, et autres
Publié: (2025)
par: Xu, Kevin, et autres
Publié: (2025)
CoT-VLA: Visual Chain-of-Thought Reasoning for Vision-Language-Action Models
par: Zhao, Qingqing, et autres
Publié: (2025)
par: Zhao, Qingqing, et autres
Publié: (2025)
From Explicit CoT to Implicit CoT: Learning to Internalize CoT Step by Step
par: Deng, Yuntian, et autres
Publié: (2024)
par: Deng, Yuntian, et autres
Publié: (2024)
Exploring the Limitations of Mamba in COPY and CoT Reasoning
par: Ren, Ruifeng, et autres
Publié: (2024)
par: Ren, Ruifeng, et autres
Publié: (2024)
The Quest for Efficient Reasoning: A Data-Centric Benchmark to CoT Distillation
par: Zhang, Ruichen, et autres
Publié: (2025)
par: Zhang, Ruichen, et autres
Publié: (2025)
RL + Transformer = A General-Purpose Problem Solver
par: Rentschler, Micah, et autres
Publié: (2025)
par: Rentschler, Micah, et autres
Publié: (2025)
Drop the Act: Probe-Filtered RL for Faithful Chain-of-Thought Reasoning
par: Parekh, Swapnil
Publié: (2026)
par: Parekh, Swapnil
Publié: (2026)
Token-Efficient RL for LLM Reasoning
par: Lee, Alan, et autres
Publié: (2025)
par: Lee, Alan, et autres
Publié: (2025)
To CoT or not to CoT? Chain-of-thought helps mainly on math and symbolic reasoning
par: Sprague, Zayne, et autres
Publié: (2024)
par: Sprague, Zayne, et autres
Publié: (2024)
The Illusion of Reasoning: Exposing Evasive Data Contamination in LLMs via Zero-CoT Truncation
par: Lan, Yifan, et autres
Publié: (2026)
par: Lan, Yifan, et autres
Publié: (2026)
Hindsight Hint Distillation: Scaffolded Reasoning for SWE Agents from CoT-free Answers
par: Wang, Shengjie, et autres
Publié: (2026)
par: Wang, Shengjie, et autres
Publié: (2026)
How Likely Do LLMs with CoT Mimic Human Reasoning?
par: Bao, Guangsheng, et autres
Publié: (2024)
par: Bao, Guangsheng, et autres
Publié: (2024)
Metastable Dynamics of Chain-of-Thought Reasoning: Provable Benefits of Search, RL and Distillation
par: Kim, Juno, et autres
Publié: (2025)
par: Kim, Juno, et autres
Publié: (2025)
Ulterior Motives: Detecting Misaligned Reasoning in Continuous Thought Models
par: Ramjee, Sharan
Publié: (2026)
par: Ramjee, Sharan
Publié: (2026)
CoT-ICL Lab: A Synthetic Framework for Studying Chain-of-Thought Learning from In-Context Demonstrations
par: Kothapalli, Vignesh, et autres
Publié: (2025)
par: Kothapalli, Vignesh, et autres
Publié: (2025)
Do Latent-CoT Models Think Step-by-Step? A Mechanistic Study on Sequential Reasoning Tasks
par: Liang, Jia, et autres
Publié: (2026)
par: Liang, Jia, et autres
Publié: (2026)
Accelerating RL for LLM Reasoning with Optimal Advantage Regression
par: Brantley, Kianté, et autres
Publié: (2025)
par: Brantley, Kianté, et autres
Publié: (2025)
PepThink-R1: LLM for Interpretable Cyclic Peptide Optimization with CoT SFT and Reinforcement Learning
par: Wang, Ruheng, et autres
Publié: (2025)
par: Wang, Ruheng, et autres
Publié: (2025)
Data Shifts Hurt CoT: A Theoretical Study
par: Yin, Lang, et autres
Publié: (2025)
par: Yin, Lang, et autres
Publié: (2025)
LongCoT: Benchmarking Long-Horizon Chain-of-Thought Reasoning
par: Motwani, Sumeet Ramesh, et autres
Publié: (2026)
par: Motwani, Sumeet Ramesh, et autres
Publié: (2026)
rePIRL: Learn PRM with Inverse RL for LLM Reasoning
par: Wu, Xian, et autres
Publié: (2026)
par: Wu, Xian, et autres
Publié: (2026)
Diversity Progress for Goal Selection in Discriminability-Motivated RL
par: Lintunen, Erik M., et autres
Publié: (2024)
par: Lintunen, Erik M., et autres
Publié: (2024)
Self-Consistency from Only Two Samples: CoT-PoT Ensembling for Efficient LLM Reasoning
par: Saparkhan, Raman, et autres
Publié: (2026)
par: Saparkhan, Raman, et autres
Publié: (2026)
Misalignment from Treating Means as Ends
par: Marklund, Henrik, et autres
Publié: (2025)
par: Marklund, Henrik, et autres
Publié: (2025)
CoTox: Chain-of-Thought-Based Molecular Toxicity Reasoning and Prediction
par: Park, Jueon, et autres
Publié: (2025)
par: Park, Jueon, et autres
Publié: (2025)
Delving into RL for Image Generation with CoT: A Study on DPO vs. GRPO
par: Tong, Chengzhuo, et autres
Publié: (2025)
par: Tong, Chengzhuo, et autres
Publié: (2025)
AI Alignment with Changing and Influenceable Reward Functions
par: Carroll, Micah, et autres
Publié: (2024)
par: Carroll, Micah, et autres
Publié: (2024)
LatentChem: From Textual CoT to Latent Thinking in Chemical Reasoning
par: Ye, Xinwu, et autres
Publié: (2026)
par: Ye, Xinwu, et autres
Publié: (2026)
RedStar: Does Scaling Long-CoT Data Unlock Better Slow-Reasoning Systems?
par: Xu, Haotian, et autres
Publié: (2025)
par: Xu, Haotian, et autres
Publié: (2025)
Reward Design for Justifiable Sequential Decision-Making
par: Sukovic, Aleksa, et autres
Publié: (2024)
par: Sukovic, Aleksa, et autres
Publié: (2024)
Improve Student's Reasoning Generalizability through Cascading Decomposed CoTs Distillation
par: Dai, Chengwei, et autres
Publié: (2024)
par: Dai, Chengwei, et autres
Publié: (2024)
Optimizing Chain-of-Thought Reasoners via Gradient Variance Minimization in Rejection Sampling and RL
par: Yao, Jiarui, et autres
Publié: (2025)
par: Yao, Jiarui, et autres
Publié: (2025)
Retrieval-of-Thought: Efficient Reasoning via Reusing Thoughts
par: Ahmed, Ammar, et autres
Publié: (2025)
par: Ahmed, Ammar, et autres
Publié: (2025)
Compositional Generalization from Learned Skills via CoT Training: A Theoretical and Structural Analysis for Reasoning
par: Yao, Xinhao, et autres
Publié: (2025)
par: Yao, Xinhao, et autres
Publié: (2025)
CAP-CoT: Cycle Adversarial Prompt for Improving Chain of Thoughts in LLM Reasoning
par: Chen, Shuxu, et autres
Publié: (2026)
par: Chen, Shuxu, et autres
Publié: (2026)
PRIMEDrive-CoT: A Precognitive Chain-of-Thought Framework for Uncertainty-Aware Object Interaction in Driving Scene Scenario
par: Mandalika, Sriram, et autres
Publié: (2025)
par: Mandalika, Sriram, et autres
Publié: (2025)
ReasonFlux: Hierarchical LLM Reasoning via Scaling Thought Templates
par: Yang, Ling, et autres
Publié: (2025)
par: Yang, Ling, et autres
Publié: (2025)
Documents similaires
-
Shorter Thoughts, Same Answers: Difficulty-Scaled Segment-Wise RL for CoT Compression
par: Tian, Ye, et autres
Publié: (2026) -
Cross Domain Evaluation of Multimodal Chain-of-Thought Reasoning of different datasets into the Amazon CoT Framework
par: Tiwari, Nitya, et autres
Publié: (2025) -
CoT Red-Handed: Stress Testing Chain-of-Thought Monitoring
par: Arnav, Benjamin, et autres
Publié: (2025) -
To CoT or To Loop? A Formal Comparison Between Chain-of-Thought and Looped Transformers
par: Xu, Kevin, et autres
Publié: (2025) -
CoT-VLA: Visual Chain-of-Thought Reasoning for Vision-Language-Action Models
par: Zhao, Qingqing, et autres
Publié: (2025)