论文页面 - 何时思考，何时表达：学习 LLM 推理的披露策略

来源：https://huggingface.co/papers/2605.03314

摘要

并排交错推理（Side-by-Side Interleaved Reasoning）使得自回归模型能够控制信息披露的时机，通过交错私有推理和延迟内容释放，提高了准确性和效率。

在单流自回归接口（https://huggingface.co/papers?q=autoregressive%20interfaces）中，相同的 token 既用于更新模型状态，又构成了不可逆的公开承诺。这种耦合产生了沉默税（silence tax）（https://huggingface.co/papers?q=silence%20tax）：额外的深思熟虑会推迟首个与任务相关的内容的出现，而简单的早期流式传输则可能导致过早的承诺，从而偏置后续生成。我们引入了并排（SxS）交错推理（https://huggingface.co/papers?q=Interleaved%20Reasoning），使得在标准自回归生成中，披露时机成为一种可控的决策。SxS 在相同上下文中将部分披露与持续的私有推理（https://huggingface.co/papers?q=private%20reasoning）交错进行，但仅当内容得到迄今为止的推理支持时才进行释放。为了学习这种节奏而不激励填充词，我们通过将答案前缀与支持性推理前缀进行匹配，构建蕴含对齐的交错轨迹，然后通过监督微调（SFT）学习双重动作语义，并通过强化学习（RL）在新格式下恢复推理性能。在两个 Qwen3 架构/规模（MoE（https://huggingface.co/papers?q=MoE）Qwen3-30B-A3B，稠密 Qwen3-4B）以及领域内（AIME25（https://huggingface.co/papers?q=AIME25））和领域外（GPQA-Diamond（https://huggingface.co/papers?q=GPQA-Diamond））基准测试中，SxS 改善了在 token 级代理指标（如更新间等待时间）下的准确率-内容延迟帕累托权衡。

查看 arXiv 页面（https://arxiv.org/abs/2605.03314）查看 PDF（https://arxiv.org/pdf/2605.03314）添加到集合（https://huggingface.co/login?next=%2Fpapers%2F2605.03314）

在你的 Agent 中获取这篇论文：

hf papers read 2605.03314

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.03314 即可从此页面链接。

引用此论文的数据集 0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.03314 即可从此页面链接。

引用此论文的 Spaces 0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2605.03314 即可从此页面链接。

包含此论文的集合 0

无集合包含此论文

将此论文添加到集合（https://huggingface.co/new-collection）即可从此页面链接。