arXiv · cs.AI· Kerui Huang, Shuhan Liu, Xing Hu, Tongtong Xu, Lingfeng Bao, Xin Xia·· 1 天前
SEER：面向推理模型的自增强思维链压缩框架
SEER: Self-Enhancing Chain-of-Thought Compression for Reasoning Models
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Kerui Huang, Shuhan Liu, Xing Hu, Tongtong Xu, Lingfeng Bao, Xin Xia
期刊信息（来源提供）：Proc. ACM Softw. Eng. 3, ISSTA, Article ISSTA029 (October 2026), 23 pages
研究任务与主要进展
研究提出SEER（Self-Enhancing Efficient Reasoning）框架，通过Best-of-N采样和轻量数据过滤减少推理模型在代码生成中的冗余与循环，并微调模型以采用更简洁的推理方式。基于论文摘要，在DeepSeek-R1-Distill-Qwen-7B及四个软件工程基准上，作者报告SEER使思维链长度平均减少34.6%，同时提升任务表现、减少截断和推理循环。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org