提出THINK-ANYWHERE机制,使大语言模型能在代码生成过程中的任意token位置按需调用推理,通过冷启动监督训练学习推理调用模式,并结合基于结果的强化学习(RLVR)自主探索最优推理触发位置,在多个代码生成基准上达到SOTA性能并提升可解释性。
机构:阿里
来源:arXiv 2603.29957 | AI4Papers 论文推荐平台