新框架ATC：无需思维链监督提升LLM推理
原文标题：Learn Your Own Thoughts: Abstract Token Curriculum
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出抽象令牌课程（ATC），一种课程学习框架，无需显式思维链监督或人工草稿设计，通过逐步提升问题复杂度，让模型在连续表示空间中自发形成内部抽象「思维」。理论证明在单层 softmax 注意力学习奇偶函数时注意力会自然聚焦于提供最易预测路径的思维链令牌，实验在图可达性与算术任务上验证有效性。
- 问题
- 思维链推理依赖显式思考令牌监督和人工草稿设计，数据成本高。
- 方法
- 提出抽象令牌课程 ATC，用逐步提升复杂度的分布序列训练，让模型在连续表示空间自发形成内部抽象思维。
- 结果
- 理论证明单层 softmax 注意力学奇偶函数时注意力会聚焦最易预测路径的思维链令牌；图可达性与算术任务上验证有效。
- 影响
- 若成立可省去思维链标注，用课程设计替代人工草稿，降低推理能力训练的数据门槛。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ATC 用课程学习让 LLM 无思维链监督自发形成连续抽象思维，并在图可达性与算术任务上验证。
- •提出抽象令牌课程（ATC），无需显式思维链监督，也无需人工设计草稿
- •通过逐步提升问题复杂度的分布序列，让模型在连续表示空间形成内部抽象「思维」
- •理论证明：单层 softmax 注意力学奇偶函数时，注意力会自然聚焦于提供「最易预测路径」的 CoT 令牌
- •实验在图可达性与算术学习任务上验证有效性
- •论文同时给出 ATC 优于以往连续思维训练方法的理论与实验证据
为什么重要：CoT 依赖昂贵的任务特定思维 token 监督，若课程式训练能替代显式监督，可降低推理能力训练的数据门槛。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。