研究团队提出多层级推理框架MLR与Step-DPO

1. 13:00
   arXiv 自然语言处理

   通过结构化多层次建模增强语言模型推理能力

   研究提出多层次推理方法 MLR，通过轻量级 LoRA 规划器与基座模型执行器交替协作，将长 CoT 生成重构为双层随机过程以解决长程规划漂移。该方案结合 TSMC 提出迭代 Step-DPO 提供步级监督，在仅使用 DeepSeek-R1 蒸馏设置 10% SFT 和 5% 偏好数据的预算下，在数学与逻辑推理任务中超越强 RL 基线，长程推理更具鲁棒性。

Current heat 5·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.