提出SmartThinker方法,基于GRPO框架实现渐进式思维链长度校准,通过高斯分布建模最优推理长度并动态调整长度奖励系数,在减少平均响应长度达52.2%的同时提升准确性(如AIME25上提升16.6%)。
机构:上交
来源:arXiv 2603.08000 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程