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
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