热点事件持续更新

研究者提出MLR多层级推理框架与迭代Step-DPO训练法

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Siheng Xiong等作者提出多层级推理（MLR）框架及配套的迭代Step-DPO训练方法，将长链式推理重构为高层规划器与低层执行器交替的“规划—执行”两级随机过程：高层用轻量LoRA模块实现，低层复用基础模型。作者称，在相同且缩减的数据预算下（SFT为DeepSeek-R1蒸馏方案的10%、偏好数据为5%），该方法用于增强语言模型的推理能力。

AI 根据报道生成 · 48 分钟前更新

最新进展11月4日 13:00

用结构化多层级建模增强语言模型推理能力：MLR 方法

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

13:00
arXiv cs.CL
用结构化多层级建模增强语言模型推理能力：MLR 方法
研究者提出 Multi-Level Reasoning（MLR），将长链式推理重构为高层规划器与低层执行器交替的“规划—执行”两级随机过程，高层用轻量 LoRA 模块实现、低层复用基础模型。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。