跳到正文
热点事件持续更新

文言思维链提升中文LLM推理效率

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

研究者提出一种名为 Wenyan Thinking 的方法，让中文推理模型在中间推理步骤中使用文言文，同时保留简短直接的答案输出。Minghan Li 等人将这一方法用于微调 Qwen3-4B-Thinking-2507 模型，并在 MMLU-ProX-Lite-ZH、CEVAL 和 AGIEval-CN 三个中文基准上以受限解码方式评测。 结果显示，该方法显著缩短了推理长度并降低了未作答率，且在这些主基准上持续优于压缩到同等程度的现代汉语对照组。研究者据此认为，语言语体可以作为设计中文大模型高效可见推理的一个维度。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00
文言文能否提升中文 LLM 推理效率？Wenyan Thinking 让 Qwen3-4B-Thinking-2507 用文言文推理

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. arXiv cs.CL
    文言文能否提升中文 LLM 推理效率？Wenyan Thinking 让 Qwen3-4B-Thinking-2507 用文言文推理

    研究者提出 Wenyan Thinking，将中文推理模型的中间推理过程改写为文言文并微调 Qwen3-4B-Thinking-2507，同时保留简短直接答案。在 MMLU-ProX-Lite-ZH、CEVAL 和 AGIEval-CN 的受限解码评测中，该方法显著缩短推理长度并降低未作答率，且在主基准上持续优于同等压缩的现代汉语对照组。结果表明语言语体可作为中文 LLM 高效可见推理的设计维度。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月15日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。