@DeRonin_：我是如何在30秒内让Claude重新思考的？前往任意聊天 → 点击"+" → 使用样式 → 创建自定义样式 → 描述...
摘要
一个快速技巧，通过创建自定义样式并添加指令，让Claude始终展示其推理过程。该指令会在每条消息后注入一个思维链提示。
我是如何在30秒内让Claude重新思考的？前往任意聊天 → 点击"+" → 使用样式 → 创建自定义样式 → 描述样式 → 选择"自定义指令（高级）"，粘贴以下内容："当扩展思考启用时，不要跳过推理。始终在回复前生成完整的思维链。"保存。选择该样式。完成。样式指令会在你发送的每条消息后注入。Claude无法忽略它们，它会重新思考，深入思考。每次对话都能优化推理过程，对我来说回答质量提升了100%。
相似文章
FaithformBench：数学思维链自动形式化的忠实度基准
介绍了FaithformBench，一个用于评估数学思维链自动形式化系统忠实度的基准，通过测量扰动步骤上的有效性与无效性保持来评估。应用于八个AF系统后，揭示了普遍的“谄媚”现象，即无效输入被静默纠正。
From Reasoning Depth to Reasoning Breadth: Evaluating Multi-Point Associative Reasoning in Large Language Models
This paper introduces MPAR-Bench, a bilingual benchmark for evaluating multi-point associative reasoning in large language models, along with a perturbation suite and coarse-to-fine evaluation protocol. Results show that deeper reasoning does not automatically confer robust reasoning breadth.
思维链何时有帮助、何时有害：LLM推理中串行深度瓶颈的实证研究
这项实证研究测试了思维链提示何时有助于或损害LLM推理，发现CoT在GSM8K和MATH等深层串行任务上带来巨大收益，但在MMLU和ARC-Challenge等浅层任务上则是冗余的，这与串行深度瓶颈框架一致。
REATS：基于LLM推理的自适应时间序列预测集成学习
REATS是一种新方法，利用LLM推理进行可解释的、样本自适应的集成学习以用于时间序列预测。它将文本和数值特征与思维链推理及两阶段微调框架相结合，在八个基准测试上优于竞争性基线。
GeoForge：面向地球观测推理的非参数自进化智能体
GeoForge 是一个无需训练、自进化的地球观测推理框架，它将已完成的轨迹组织成非参数记忆，以改进 LLM 智能体的规划和工具使用，而无需更新骨干模型。