open-ended-reasoning

ThinkProbe提出了一种非生成式框架，将LLM推理轨迹转化为思维图，推导出五维认知画像，揭示稳定的模型级推理结构，使得对开放式任务的评估超越准确性。

OPERA提出了一种针对开放式任务的强化学习方法，利用困惑度动态作为内在奖励，取代了不可靠的“LLM作为评判者”奖励模型。在Qwen3-8B上实现了最先进的结果，在创意写作及其他开放式任务中可媲美专有模型。