仅需10%思维链标注，等同全量性能！计算所发布推理监督新范式

中国科学院计算所团队提出PARO框架，利用大模型在预设推理模式下自动生成思维链，仅用1/10数据即在金融类任务中达到全量人工标注性能。研究表明，对于模式化推理任务（如审计、风控），推理模式比思维链数量和质量更重要，SFT+RLVR范式能有效内化逻辑结构。该方法大幅降低标注成本，为规则明确领域的高效模型训练提供了可落地的新路径。
来源：https://mp.weixin.qq.com/s/QAKibtRUEX7J-9noFnjuAA