ReCoT：标签引导CoT优化的宣传检测框架

2026年10月14日，arXiv Artificial Intelligence 发布研究，提出 ReCoT——一个推理条件化的宣传检测框架。该框架通过群体级细化和性能引导重采样，捕捉说服技巧的定义性线索，且无需额外解释标注。据该报道，在 INDI-PROPspan 数据集上，ReCoT 的 macro F1_LCS 达到 0.364，超过基线并达到 SFT 上限的 88%；在 PTC 数据集上，达到 SFT 上限 Avg F1_LCS 的 85%，同时保持可解释性。报道还称，对推理池收敛与更新模式的分析显示推理 CoT 得到有效细化。上述数据与结论均来自该篇报道，尚无其他来源跟进或出现矛盾说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。