**AdaSR：自适应流式推理与层级相对策略优化**

_AdaSR: Adaptive Streaming Reasoning with Hierarchical Relative Policy Optimization_

> 大模型通常完整读取输入后再思考，但流式场景需部分输入下推理。AdaSR框架支持边输入边推理，并在流结束后深度反思，通过层级相对策略优化（HRPO）分解流式与深度推理阶段，利用格式、准确性和自适应思考奖励进行细粒度优势分配，实验表明其在准确性、效率与延迟间实现更好平衡。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.14694)