RECAST从答案重构可审计推理轨迹以构造SFT数据

大型闭源推理模型仅公开其最终答案。产生这些答案的中间推理隐藏在 API 接口、工具调用策略和安全过滤器后面。现有的思维链（CoT）提取方法假设有一个侧通道：可见的推理字段、通过工具调用携带的草稿区或签名/加密的推理块。我们重现了三种代表性的最先进的提取方法，并发现，在通过标准聊天完成接口访问的 Claude-Sonnet-5.5 上，所有三种方法都返回零 CoT token。失败源自接口结构限制，而非实现错误：推理字段不存在，命名工具选择被拒绝，自由文本草稿区参数被过滤，并且没有公开可重播的推理块。因此我们采取了不同的路线。我们提出了 RECAST，这是一个基于重建的框架，它根据问题和目标模型的最终答案来调节解码器，重建第一人称结构化推理说明，对其进行清理，并构建 可直接用于监督微调（SFT）数据。据我们所知，RECAST 是第一个在不使用隐藏推理通道的情况下从前沿封闭模型（例如 Claude-Sonnet-5.5、GPT-6.1 和 Gemini 3）重建 CoT 的系统。我们在 Claude-Sonnet-5.5 上实例化 RECAST，并使用相同的纯答案协议在 GPT-6.1 和 Gemini 3 上获得成功的定性重建。该系统是开源的，并打包为一项智能体技能（Skill）：只需一条提示即可部署它并运行完整的管道以生成 可直接用于监督微调（SFT）的 CoT 数据。该预印本描述了该系统、其威胁模型和受控工件验证；它没有声称在大规模基准上取得性能提升。