Tag: Chain-of-Thought

All the articles with the tag "Chain-of-Thought".

• Training Language Models to Reason Efficiently

  Published: 24 May, 2025 |  at  11:14 AM

  

  91.10 🤔

  本文提出了一种通过强化学习训练大型推理模型以高效推理的方法，利用长度惩罚目标函数和可调参数α显著降低推理成本，同时在多个数学数据集上保持大部分准确性。

• Fractured Chain-of-Thought Reasoning

  Published: 23 May, 2025 |  at  11:11 AM

  

  86.28 🤔

  本文提出Fractured Sampling方法，通过在推理轨迹数量、解决方案多样性和推理深度三个维度上进行采样优化，显著提升大型语言模型在长链式推理任务中的成本-性能权衡。

• Phi-4-Mini-Reasoning: Exploring the Limits of Small Reasoning Language Models in Math

  Published: 4 May, 2025 |  at  04:33 PM

  

  83.56 👍

  本文提出了一种多阶段训练方案，包括大规模蒸馏、滚动偏好优化和可验证奖励的强化学习，显著提升了小型语言模型在数学推理任务中的性能，使3.8B参数的Phi-4-Mini-Reasoning模型超过了近两倍参数的开源基线模型。