Когда2 Подумать: Учиться с трудом умею контролировать длину для эффективных гибридных моделей рассудка

arXiv: 2609.19671v1 Annuate Type: New Humber Abstract: Models (LRM) достигают высоких результатов в сложных задачах, но демонстрируют систематическую неэффективность: они часто переоценивают простые проблемы и недопонимают сложные. Существующие подходы, основанные на единообразных санкциях за продолжительность или жестком маршруте движения, облагаются налогом на эффективность, что приводит к снижению точности расчетов в простых случаях. Мы формулируем эффективную аргументацию в качестве проблемы распределения расчетов, адаптированных к конкретным примерам, и предлагаем "Время2 Подумать - рамки после подготовки для гибридной аргументации, которые динамическо распределяют расчеты на основе проблем. Наш метод вводит в действие механизм контроля за сложным покрытием (ИДАК) на уровне конкретных случаев, который позволяет использовать предварительно составленную справочную статистику (точнее и символическое использование) для регулирования глубины рассуждений. В сочетании с наградами, предоставляемыми проверяющим органом, и стандартизированными преимуществами по партиям ИДАК обеспечивает стабильную безкритикальную оптимизацию без использования усвоенных моделей вознаграждения или онлайновых справочных-