Chinese contentMLR方法：将长链推理拆解为规划与执行两层，提升小模型推理稳定性
一篇把长推理拆成规划加执行两层的论文，小模型只用10%数据就跑赢DeepSeek-R1蒸馏基线，做推理优化的可以看看。
#Step-DPO
1 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "Step-DPO", newest first.
Nov 3
一篇把长推理拆成规划加执行两层的论文，小模型只用10%数据就跑赢DeepSeek-R1蒸馏基线，做推理优化的可以看看。