实验发现思维链重排劣势持续到32B，且强化学习等定向训练仍难消除差距。
推荐理由：研究排除了参数和数据容量不足，并用强化学习、细粒度监督及架构解耦持续施压，指向生成式推理本身的约束，而非简单校准问题，挑战“思考越多越准”。
阅读原文