極稀疏監督能有效激發推理能力

研究人員在 Qwen3 家族模型上發現，大型語言模型的推理能力不需要龐大的 token 監督就能有效提升。只需對每個推理軌跡中的極少量 token（如 1-2 個，佔全部 token 的 0.05%）進行稀疏監督，就能在大多數情況下匹配或超越全 token 訓練的效果。這個發現顛覆了現有後訓練方法「有效學習必須 token 密集」的假設，為更高效的模型訓練開啟新思路。