📖 AI 总结

本文提出 RECAP（基于传播的冗余感知信用分配）方法，旨在解决大型推理模型生成正确但冗长推理链的问题。现有方法多依赖轨迹级目标或局部词元、步骤信号，较少建模步骤间的语义依赖，因而难以区分冗余步骤与支撑后续推导的必要步骤。RECAP 引入两个信号：一是结构责任，通过从最终答案节点沿语义依赖图反向传播信用，衡量后续推理对该步骤的依赖程度；二是步骤效能，通过金答案对数似然的变化衡量该步骤对正确解的推进作用。二者共同将 GRPO 的轨迹级优势重塑为步骤级更新，且无需单独训练过程奖励模型或预构造简洁轨迹。在两个 7B 模型和四个数学推理基准上，RECAP 改善了准确率与效率的权衡：在 Qwen2.5-Math-7B 上，pass@1 提升 2.0 至 3.7 个百分点，同时推理词元减少 8% 至 31%。分析表明，节省来自更少的推理操作和死胡同推理，而非表达更紧凑。

🔑 关键词速览