提出CRDS：按计算响应性选择推理模型后训练数据

Liang He 等在 arXiv 论文（arXiv:2610.20057）中提出 Compute-Responsive Data Selection（CRDS），一种推理模型后训练数据选择原则：优先选择那些增加推理计算量后能从失败转为成功的样本（称 CR 样本），而非仅用已解出的样本。 基于论文摘要，在 Qwen3-8B 上，用 CR 样本做 SFT 可恢复 45.3% 的留出低计算量失败案例，高于用已解样本的 40.6%，并使模型在 512 至 4,096 token 推理预算下持续优于匹配的非 CR 训练。作者称该模式在多个数据来源、on-policy 蒸馏下均成立，且在为 Llama-3.1-8B-Instruct 单独重建 CR 集后可扩展到该模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。