arXiv cs.LG· Eric O. Korman·2026-10-15 12:00· 19 天前AI 评分35

用于仅有答案数据下高效后训练与验证的逆向推理模型

Inverse Reasoning Models for Efficient Post-Training and Verification from Answer-Only Data

AI 导读

研究人员提出一种基于仅有答案数据的逆向推理模型自蒸馏方法，通过条件生成思维链（CoT）轨迹实现高效后训练与验证。在 Qwen3-0.6B 的 Countdown 和 GSM8K 实验中，该方法单轮离线蒸馏使困难提示词的 pass@1 翻倍，并在多项尾部指标上超越拒绝采样自蒸馏。

来源：arXiv cs.LG · arxiv.org