arXiv cs.AI· Changguo Jia, Zhiyou Xiao, Xinbei Ma, Geng Chen, Weiming Zhang, Yiming Xu, Tianqi Zhao, Minghui Zhou·· 8 小时前AI 评分29
PaceReasoner：无需标注、从长推理中学习简短作答
PaceReasoner: Label-Free Learning to Answer Briefly from Long Reasoning
AI 导读
PaceReasoner 是一个无需标注的测试时强化学习框架，用模型自身的长推理响应来提升短模式准确率，两种模式共享同一可训练策略。在三种模型骨干和四个基准上，其短模式平均准确率较基线提升 7.4–13.5 个百分点，平均每次响应少于 25 个推理 token。该方法通过渐进式置信度加权监督、行为奖励和比例控制器平衡长短模式，跨数据集结果显示出超越适配集的迁移能力。
来源：arXiv cs.AI · arxiv.org