GradCuit：基于信用分配的梯度流实现稳健、可解释的测试时潜在推理

论文提出GradCuit：冻结模型参数，在选定Transformer层插入可优化潜在状态，并利用因果自注意力将整段续写的奖励加权梯度直接分配给潜变量。作者报告其在5个指令微调模型、3项推理基准和2种答案格式上平均准确率64.5%，较思维链高6.6个百分点，较最强对比方法高2.4个百分点。