CROP：推理轨迹前缀的共形认证方法

2026年10月15日，arXiv Artificial Intelligence 刊出由 Matt Y. Cheung 等作者提出的 CROP（Conformal Reasoning Output Prefixes）方法，用于对推理轨迹的干净前缀进行认证。据该报道，CROP 是一种与验证器无关的校准方法：给定任意步骤级风险代理，它选取校准阈值，并返回风险代理持续低于该阈值的最长连续前缀，将未认证的后缀交由下游审查或修复。报道称，在假设可交换性（exchangeability）的条件下，CROP 严格控制所返回前缀包含标注错误的边际概率；同时报道给出代码可在此链接获取。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道相矛盾的数字、时间或说法。

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。