MicroMouse 提出选择性 SFT 框架屏蔽长 CoT 有害监督

Xiaowei Zhu 等作者提出 MicroMouse，一个自动选择性 SFT 框架，用于屏蔽长链式思维（CoT）中的有害监督信号。 该框架采用 Relative Potential（REP）方法，将金标准答案与匹配的干扰项进行对比，据此识别长 CoT 中两类片段：连续势能下降的错误探索，以及峰值后的冗余游走，并对这些片段加以屏蔽。 上述框架与方法出自 arXiv cs.CL 论文，作者称其能自动完成选择性监督，但报道未给出实验效果数据。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。