批处理上下文强化：一种用于高效推理的任务缩放定律

大型语言模型利用思维链推理虽性能优异，但令牌消耗巨大导致成本高昂。现有优化方法往往牺牲推理质量或需复杂训练流程。本文提出“批处理上下文强化”（BCR），一种极简的单阶段训练范式，通过在共享上下文中同时解决多个问题并基于实例准确率奖励，隐式构建令牌预算。研究发现新的任务缩放定律：增加并发问题数可显著降低单题令牌用量且精度下降平缓。实验表明，BCR 在多个数学基准上减少了 15.8% 至 62.6% 的令牌使用，同时保持或提升了准确性，实现了无需显式长度监督的自我调节高效推理。