提出Batched Contextual Reinforcement(BCR)方法,通过在共享上下文窗口中同时训练模型求解N个问题并仅以单实例准确率作为奖励,实现高效推理;该方法揭示了任务级缩放律,能在保持或提升准确性的同时显著降低token消耗(1.5B/4B模型在数学基准上token减少15.8%–62.6%…
机构:UIUC
来源:arXiv 2604.02322 | AI4Papers 论文推荐平台