通过预算相对策略优化任意时刻推理
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了AnytimeReasoner框架，旨在提高大型语言模型的推理效率。通过优化令牌预算，显著提升了训练和令牌效率，实验证明其在数学推理任务中优于现有技术。
🏷️
