**不确定性引导的渐进收缩：高效推理后训练新框架**

_Learning More by Training Less: Uncertainty-Guided Progressive Contraction for Efficient Reasoning Post-Training_

> 该研究提出一种不确定性引导的渐进收缩框架，通过构建蒙特卡洛推理树暴露过程级不确定性，将监督数据压缩至紧凑池，并在SFT阶段根据学生模型状态进行在线路由优化。实验表明，该方法仅需全量SFT 0.22%的优化预算（减少超450倍训练暴露），即可维持或提升推理性能，并展现出良好的跨模型泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.12933)