OwlSight 论文提出 Factor 策略监控思维链推理

OwlSight 是一个思维链（CoT）监控器，通过 Factor 策略让用户在提示词中自定义监控要求，单个监控器即可覆盖不同任务。Factor 分为细粒度和粗粒度两类，例如监控特定邮箱是否泄露与监控隐私泄露。基于 15,971 条推理轨迹的实验显示，OwlSight 在细、粗粒度上分别超过通用 LLM 1.32-30.57 和 11.71-27.81 分，并在 OpenAI 的 CoT monitorability 基准上取得 SOTA。它还能泛化到未见过的模型 CoT，并对 Factor 改写、CoT 压缩和混淆保持鲁棒。