10:39arXiv cs.AI@Andhika Bernard Lumbantobing, Hokky Situngkir精选该研究借鉴印尼GASING算术教学法,将左到右的计算步骤序列化为自然语言思维链(CoT)监督数据,训练了一个86M参数的GPT-2模型。模型仅使用下一个词预测目标,无需强化学习或奖励优化,在保留问题上达到80%以上准确率,性能可与更大模型竞争。通过注意力掩码、残差流探测等机制分析发现,模型先内化程序化路径,随后发展出类似心算的关联检索能力。这项工作表明,基于教学法的针对性训练能以较小规模实现强算术能力。论文算术推理思维链CoT教学法GPT-2小模型推荐理由:做小模型算术推理的团队可以借鉴这种教学法思路——用人类教学步骤替代复杂强化学习,86M参数就能达到大模型水平,值得一试。原文