CounterRoute：分层反事实信用分配的自路由推理
原文标题：CounterRoute: Self-Routed Reasoning via Hierarchical Counterfactual Credit Assignment
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。
推理模型在直接作答即可时仍生成冗长思维链，浪费推理算力。论文提出CounterRoute，一种在线强化学习框架，从原生双模式检查点出发在同一策略中联合学习路由与模式条件响应，无需特定SFT预热。成对当前策略反事实rollout仅将跨模式信用分配给路由token，模式内用GRPO训练响应token。在九个基准上，Qwen3-8B平均生成token减少51%，Qwen3-14B减少41%，同时宏平均准确率提升。
- 问题
- 推理模型在直接作答即可时仍生成冗长思维链，浪费推理算力。
- 方法
- 在线RL框架，从原生双模式检查点在同一策略中联合学习路由与模式条件响应，用成对反事实rollout只给路由token分配跨模式信用，模式内用GRPO。
- 结果
- 九个基准上，Qwen3-8B平均生成token减少51%，Qwen3-14B减少41%，同时宏平均准确率提升；直接作答强的基准上think率低至1%。
- 影响
- 部署推理模型的产品可自动省掉一半以上输出token而不损准确率，直接降低推理成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
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。