arXiv · cs.AI · Songtao Wei, Yi Li, Zhikai Li, Xu Hu, Yuede Ji, Guanpeng Li, Feng Chen, Carl Yang, Zhichun Guo, Bingzhe Li · 8 小时前模型评分40
LEAD：面向大语言模型的高效自适应动态推理方法
LEAD: Length-Efficient Adaptive and Dynamic Reasoning for Large Language Models
导读
针对 OpenAI o1、DeepSeek-R1 等大推理模型思维链（思维链（CoT，Chain of Thought），Chain-of-Thought）过度冗长的问题，研究者提出 LEAD（Length-Efficient Adaptive and Dynamic reasoning）方法，用在线自适应机制替代静态奖励权重和全局长度约束。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To overcome these limitations, we propose LEAD (Length-Efficient Adaptive and Dynamic reasoning), a method that replaces static heuristics with online, self-adaptive mechanisms.”
来源：arXiv · cs.AI · arxiv.org