arXiv · AI· Changguo Jia, Zhiyou Xiao, Xinbei Ma, Geng Chen, Weiming Zhang, Yiming Xu, Tianqi Zhao, Minghui Zhou·· 2026-10-14AI 评分27
PaceReasoner:通过长推理标签免学习实现简短回答
PaceReasoner: Label-Free Learning to Answer Briefly from Long Reasoning
AI 导读
PaceReasoner 是一种无标签测试时强化学习框架,利用模型长响应提升短模式准确率。 在 3 个模型骨干和 4 个基准上,平均短准确率提升 7.4-13.5 个百分点,且平均推理 token 少于 25。
来源:arXiv · AI · arxiv.org