Smarter träningsdata gör AI-modeller bättre på att tänka längre

arXiv cs.AI

Forskare har hittat ett sätt att göra språkmodeller mer effektiva genom att välja rätt träningsexempel – specifikt sådana problem som modellen klarar när den får mer tid att resonera, men misslyckas med annars. På modellen Qwen3-8B lyckades metoden lösa 45,3% av tidigare misslyckade fall, jämfört med 40,6% med konventionell träning. Det intressanta är att det handlar om att lära modellen använda befintlig beräkningskraft bättre, inte att kasta mer resurser på problemet.