arXiv · NLP· Xiaowei Zhu, Hengzhu Tang, Zhenyu Zhang, Shuohuan Wang, Yubing Ren, Yanan Cao·· 7 小时前AI 评分31
MicroMouse：通过相对势在长 CoT 中屏蔽有害监督
MicroMouse: Masking Harmful Supervision in Long CoT via Relative Potential
AI 导读
MicroMouse 是一种自动选择性 SFT 框架，通过相对势（REP）对比金标答案与干扰项，识别长 CoT 中的有害监督并进行屏蔽。 该方法在多个推理基准上平均相对提升贪心准确率 5.5%、Pass@1 提升 2.6%，输出长度减少 8.8%。 有害监督识别平均耗时仅 1.7 秒，提高了推理效率。
来源：arXiv · NLP · arxiv.org