MicroMouse 框架利用相对势优化长 CoT 推理

MicroMouse 是一种自动选择性 SFT 框架，旨在解决长思维链（CoT）中的监督干扰问题。该框架核心机制是通过“相对势”（REP）对比金标答案与干扰项，从而精准识别长 CoT 中的有害监督信号，并对这些有害部分进行屏蔽。 实验结果显示，该方法在多个推理基准上取得了显著收益：贪心准确率平均相对提升 5.5%，Pass@1 指标提升 2.6%，同时模型输出长度减少了 8.8%。在效率方面，有害监督识别的平均耗时仅为 1.7 秒，有效提高了推理效率。

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。