Uncertainty-Guided Progressive Contraction для эффективного дообучения рассуждений (arXiv:2610.12933v1)
В статье предложена система uncertainty-guided progressive contraction, сжимающая надзор за рассуждениями и концентрирующая оптимизацию на наиболее полезных траекториях. Авторы формируют Монте‑Карло деревья рассуждений вокруг промежуточных состояний CoT для оценки неопределённости, сначала сокращают корпус под руководством учителя, а затем выполняют онлайн‑маршрутизацию, адаптированную к студенту в SFT; заявлено до ≈450× меньшей продолжительности обучения (до 0.22% от полного SFT) при сохранении или улучшении качества рассуждений на разных бенчмарках и семейств моделeй.