MLR框架利用两级建模增强长链推理

Siheng Xiong等团队在2026年11月3日通过arXiv发布论文，提出多级别推理（MLR）框架。该方法将长思维链重构为高层规划器与低层执行器的两级随机过程，旨在解决长程规划中的漂移问题。\n\n为了实现高效训练，研究团队引入了迭代Step-DPO方案。结合TSMC技术提供可规模化的逐步监督，并使用轻量级LoRA模块实现高层策略。\n\n实验表明，在与DeepSeek-R1蒸馏设置相同的缩减数据预算下（10% SFT及5%偏好数据），该方法实现了更有效的训练、更高的稳定性及准确率提升。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。