CoDiQ：面向可控难题生成的测试时扩展方法

大型推理模型（LRM）受益于竞赛级难题的训练，但现有自动合成方法缺乏精确的难度控制且成本高昂。本文提出 CoDiQ 框架，利用测试时扩展实现细粒度难度控制并确保可解性。研究发现了推理令牌预算与难度及可解性间的权衡关系，并开发了基于 Qwen3-8B 的生成器以突破生成上限。构建的包含 4.4 万题目的 CoDiQ 语料库经评估显著优于现有基准，且在该数据上训练的模型推理性能大幅提升，验证了可控难度训练对推理能力的增强作用。