Inverse reasoning-modellen voor efficiënte post-training en verificatie op basis van uitsluitend antwoorddata

arXiv:2610.18878v1 Aankondigingstype: nieuw Samenvatting: Post-training redeneer-LLM's vereisen vaak een afweging tussen kostbare supervisie en rekenefficiëntie: supervised finetuning vereist doorgaans redeneersporen, wat data-inefficiënt is omdat men in veel toepassingen alleen prompt-antwoord-paren heeft en de grondwaarheid van de chain-of-thought (CoT)-reeks ontbreekt. Aan de andere kant kan reinforcement learning (met bijvoorbeeld verifieerbare beloningen) werken zonder CoT-data, maar het is veel meer co