arXiv · cs.AI· Eric O. Korman·· 5 小时前
逆向推理模型利用仅答案数据进行高效后训练与验证
Inverse Reasoning Models for Efficient Post-Training and Verification from Answer-Only Data
arXiv:2610.18878v1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：Eric O. Korman
研究任务与主要进展
研究者提出一种利用仅答案数据的自蒸馏方法：训练逆向推理模型根据答案生成原始模型的思维链，并在持续后训练前离线生成推理轨迹。在 Qwen3-0.6B 的 Countdown 和 GSM8K 任务上，GRPO 训练趋于饱和后，进行一轮离线蒸馏使困难提示的 pass@1 大约翻倍；Countdown 上各混合比例的困难尾部指标均超过拒绝采样自蒸馏。
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