奖励的诅咒：分析和缓解大型语言模型的奖励建模问题

本文针对链式思维（CoT）在不同推理任务中表现不一的问题进行研究，分析影响CoT有效性和真实性的关键因素，并提出一种新的算法来缓解CoT生成中的信息遗漏问题。研究结果表明，调用缺失的正确信息可以提高CoT的有效性和真实性。