Aller au contenu principal
Accès ouvert déclaré 2025 conference-paper

MuTIS: Enhancing Reasoning Efficiency through Multi Turn Intervention Sampling in Reinforcement Learning

0Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : cn, us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Recently, large reasoning models (LRMs) have demonstrated state-of-the-art performance across a wide range of benchmarks.However, a common challenge for these models is the "overthinking" problem, which leads to excessive reasoning steps and significant computational overhead.Furthermore, the issues with long Chain-of-Thought (CoT) are especially pronounced in smaller models (≤ 3B parameters).Aside from producing excessively verbose "reflection words", they often exhibit repetition and get trapped in unproductive generation loops.Existing solutions typically involve either using flexible reasoning chains as training data or leveraging the model's latent space to bypass intermediate reasoning steps, but none of these methods have considered directly optimizing reasoning trajectories during the sampling phase of training.In our work, we introduce the Multi-Turn Intervention Sampling Framework (MuTIS).Our framework leverages multi-turn interventions to produce concise reasoning chains.It fine-tunes reasoning models through reinforcement learning, demonstrably breaking the accuracy-efficiency trade-off.It also demonstrates strong scalability, exhibiting excellent performance on 7B models.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
MuTIS: Enhancing Reasoning Efficiency through Multi Turn Intervention Sampling in Reinforcement Learning
Date Crossref
01/01/2025
Éditeur
Association for Computational Linguistics
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Zhejiang University of Science and Technology pays non établi dans la notice
    Université ou école supérieure
  • Harvard University Press pays non établi dans la notice
    Institution
  • Jiyang College of Zhejiang A&F University pays non établi dans la notice
    Université ou école supérieure
  • Zhejiang University of Technology pays non établi dans la notice
    Université ou école supérieure
  • Zhejiang University pays non établi dans la notice
    Université ou école supérieure
  • College of Computer Science and Technology pays non établi dans la notice
    Université ou école supérieure
  • College of Electrical Engineering pays non établi dans la notice
    Université ou école supérieure

Zhejiang University of Science and Technology, Harvard University Press et Jiyang College of Zhejiang A&F University, avec 4 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Reinforcement Learning in RoboticsMotor Control and AdaptationRobot Manipulation and Learning

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.