arXiv · cs.AI · Penghui Qi, Zichen Liu, Tianyu Pang, Chao Du, Wee Sun Lee, Min Lin · 10 小时前模型评分31
AnytimeReasoner 提出 BRPO：按 token 预算优化大模型推理
Optimizing Anytime Reasoning via Budget Relative Policy Optimization
导读
研究团队提出 AnytimeReasoner 框架，把完整思考过程截断到从先验分布采样的 token 预算内，让模型为每段截断思考总结答案以接受验证，从而在强化学习中获得可验证的稠密奖励。
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
- “In this work, we present a novel framework, AnytimeReasoner, to optimize anytime reasoning performance, which aims to improve token efficiency and the flexibility of reasoning under varying token budget constraints.”
来源：arXiv · cs.AI · arxiv.org