ROI-Reasoning：预算感知推理框架

Muyang Zhao 等作者提交预印本论文，提出 ROI-Reasoning——一个让大语言模型在严格全局 token 约束下预判问题难度、策略性分配算力的两阶段框架。第一阶段通过元认知微调让模型预测推理成本并判断问题是否值得尝试，第二阶段用理性感知强化学习优化长程分配策略。 作者称，在数学推理、选择题问答和代码生成任务中，该方法在紧张预算下提升分数并降低参考序遗憾，数学任务相对最强同骨干基线最高提升 417%。这些效果均为论文自述，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。