10:46arXiv: DeepSeek@Shuyu Wei, Jian Sun, Delai Qiu, Yining Wang, Shengping Liu, Jiaen Liang, Ying Fu, Wei Huang, Jitao Sang精选针对大语言模型推理中响应长度与准确率的权衡问题,研究者提出条件熵塑形(CES)框架。CES基于DAPO,利用token级熵作为不确定性信号,对正确推理路径的高熵“分叉点”进行惩罚以提升简洁性,对错误路径的高熵点给予奖励以鼓励探索。在DeepSeek-R1-Distill-7B上测试12个数学基准,CES在保持或提升准确率的同时显著缩短响应长度,在1.5B小模型和域外基准上也有类似效果。该方法为自适应推理提供了新思路,尤其适合需要高效准确推理的场景。论文推理模型熵塑形响应长度优化DeepSeek-R1-Distill-7B数学推理推荐理由:做LLM推理优化的团队终于有了一个能同时提升准确率和缩短响应长度的方案——CES框架在数学推理任务上效果显著,建议做模型推理效率的开发者点开看看具体实现。原文