arXiv · cs.AI· Michael Kleinman, Matthew Trager, Alessandro Achille, Wei Xia, Stefano Soatto·· 1 天前
e1：通过强化学习实现推理努力的自适应控制
e1: Learning Adaptive Control of Reasoning Effort
arXiv:2510.27042v3阅读论文 PDF ↗
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：Michael Kleinman, Matthew Trager, Alessandro Achille, Wei Xia, Stefano Soatto
研究任务与主要进展
e1提出Adaptive Effort Control，用强化学习训练模型按当前平均思维链长度的指定比例分配每个查询的推理预算，用户可在推理时连续调节成本与准确率的权衡。摘要称，该方法能按任务难度分配资源；在1.5B至32B参数模型上，数学任务在准确率相同条件下，思维链长度较用于RL训练的基线缩短1.9至3.7倍。
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