PaceReasoner 提出无标签短作答学习框架

Changguo Jia 等作者发布 PaceReasoner，一个无标签的测试时强化学习框架：它利用模型自身的长推理响应来提升短模式准确率，长、短两种模式共享同一可训练策略。 在三种模型骨干和四个基准上，该框架的平均 SHORT 准确率较基线提升 7.4–13.5 个百分点，平均每条响应使用少于 25 个 reasoning token。上述结果出自作者论文，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。