Те же убеждения, разные политики: Обучение повторно используемых представлений для ранней остановки в рассуждениях LLM
arXiv:2610.30450v1 Тип объявления: новый Абстракт: LLM для рассуждений часто продолжают рассуждать после достижения правильного ответа, тратя вычисления и иногда заменяя его неверным. Решение о том, когда остановиться, является проблемой метарассуждения: модель должна взвешивать, что дальше...