IXThinker·2025-10-29 11:40

PARO框架一成思維鏈標注達全量性能

中科院計算所團隊提出推理監督新框架PARO，讓大模型學習固定推理模式後自動生成思維鏈，僅需約十分之一的標注數據便達到全量人工標注的性能，為高效推理監督提供新路徑。

現有瓶頸

大語言模型推理能力近一年爆發式提升，核心範式SFT加RLVR依賴大量高質量人工標注思維鏈，標注成本高昂，成為專業場景落地的主要負擔之一。