CAP-CoT：用于改进LLM推理思维链的循环对抗提示

思维链（Chain-of-Thought, CoT）提示已成为引导大语言模型（LLM）给出逐步解法的一种简单而有效的方式。然而，在长的多步问题上，CoT推理在不同运行之间可能不稳定，导致任务未变而答案不一致。以往工作大多聚焦于在单次推理中改进前向推理链，较少关注迭代式与对比式纠错。为填补这一空白，我们提出CAP-CoT，一个循环对抗提示（Cycle Adversarial Prompt）优化框架，旨在同时提升单个已部署求解器的CoT推理准确率与稳定性。在每一循环中，前向求解器生成候选推理链，对抗挑战者使用定向错误策略构造貌似合理但故意有缺陷的推理链，反馈智能体对比两条链并产生按步骤对齐的结构化反馈。该反馈从两个方向闭合优化回路：根据挑战者暴露的错误更新求解器提示，以及更新挑战者提示以在后续循环中生成更具针对性的错误。与越狱或提示注入攻击等面向安全性的对抗提示不同，我们的对抗成分是任务语义层面的，旨在暴露推理链中的逻辑漏洞。在六个基准和四个LLM骨干上的实验表明，经过两到三轮对抗提示优化循环，CAP-CoT在提升推理准确率与对提示扰动鲁棒性的同时，持续降低不同运行之间的变异。