https://blog.qife122.com/tags/%E6%8E%A8%E7%90%86%E5%A2%9E%E5%BC%BA/ Recent content in 推理增强 on 办公AI智能小助手 Hugo zh-cn qife Thu, 18 Sep 2025 08:08:32 +0800 https://blog.qife122.com/p/%E6%A8%A1%E5%9D%97%E5%8C%96%E6%80%9D%E7%BB%B4%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8Bmethanol%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/ Thu, 18 Sep 2025 08:08:32 +0800 https://blog.qife122.com/p/%E6%A8%A1%E5%9D%97%E5%8C%96%E6%80%9D%E7%BB%B4%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8Bmethanol%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/ <h1 id="methanol具有中间层思考解码和自举推理的模块化思维语言模型">MeTHanol：具有中间层思考、解码和自举推理的模块化思维语言模型</h1> <p>当前研究重点通过提示、数据驱动涌现和推理时计算来增强大语言模型（LLM）的思维推理能力。本研究从模块化视角出发，模拟人脑架构来激发语言模型的思维认知能力。</p> https://blog.qife122.com/p/%E8%BF%AD%E4%BB%A3dpo%E5%A2%9E%E5%BC%BA%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E6%8E%A8%E7%90%86%E8%83%BD%E5%8A%9B%E7%9A%84%E5%AE%9E%E8%AF%81%E7%A0%94%E7%A9%B6/ Wed, 10 Sep 2025 14:03:25 +0800 https://blog.qife122.com/p/%E8%BF%AD%E4%BB%A3dpo%E5%A2%9E%E5%BC%BA%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E6%8E%A8%E7%90%86%E8%83%BD%E5%8A%9B%E7%9A%84%E5%AE%9E%E8%AF%81%E7%A0%94%E7%A9%B6/ <h2 id="摘要">摘要</h2> <p>大型语言模型（LLM）的后训练方法近期取得显著进展，其中强化学习（RL）已成为提升推理能力的关键组成部分。然而，基于RL的方法需要高昂的计算成本，这促使研究者对直接偏好优化（DPO）等替代范式产生浓厚兴趣。</p>