Hugging Face Daily Papers·· 7 天前精选AI 评分82
The Value of Thinking: Learning When to Reason in Hybrid Decision Models
The Value of Thinking: Learning When to Reason in Hybrid Decision Models
AI 导读
论文提出一种混合决策模型(HDM),利用冻结骨干网络配合轻量级自路由块,在单次前向传播中实现零思考或全思考两种模式切换。该方法通过校准的决策策略优化(CDPO)从回合级回报中学习何时进行推理,并在 MMLU-Pro、AGIEval 及 MiniWoB 等基准上验证了其在保持精度的同时显著降低延迟和 Token 成本的效果。
推荐理由
提出零思考或全思考的混合决策模型,通过自路由块动态评估推理价值以平衡精度与延迟。
来源:Hugging Face Daily Papers · arxiv.org