arXiv · cs.AI· Changguo Jia, Zhiyou Xiao, Xinbei Ma, Geng Chen, Weiming Zhang, Yiming Xu, Tianqi Zhao, Minghui Zhou·· 11 小时前
PaceReasoner：通过无标签长推理学习提升简短回答准确率
PaceReasoner: Label-Free Learning to Answer Briefly from Long Reasoning
arXiv:2610.17900v1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：Changguo Jia, Zhiyou Xiao, Xinbei Ma, Geng Chen, Weiming Zhang, Yiming Xu, Tianqi Zhao, Minghui Zhou
研究任务与主要进展
研究团队提出PaceReasoner，一种无标签的测试时强化学习框架，利用模型自身的LONG回答监督SHORT模式，并通过渐进式、置信度加权的共识机制和行为奖励协调两种模式。基于论文摘要，在三个模型骨干和四个基准上，SHORT模式准确率相对基线平均提升7.4—13.5个百分点，平均每次回答的推理token少于25个；消融实验支持其关键组件，跨数据集结果显示出适应集之外的迁移效果。
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