面向推理的大型语言模型的监督微调:综述
arXiv:2610.37681v1 发布类型:新 摘要:近年来,大型推理模型在解决复杂任务方面展现出卓越的能力,而基于长链式思维数据的监督微调(SFT)则成为激发并提升其推理能力的关键基础。尽管在改进与分析面向推理的监督微调方面取得了快速进展,但该领域仍缺乏一份系统性的综述来整合其快速增长的文献。为填补这一空白,我们对近期推理相关监督微调的最新进展进行了全面回顾,并从方法设计与分析研究的双重视角审视相关文献。首先,我们梳理了监督微调全流程中的方法学改进,并将其划分为以数据为中心的方法与以算法为中心的


