向多位思考者学习思考

本文研究了在多位思考者提供思维链（CoT）监督下的学习问题，这些思考者虽均提供正确解法，但步骤可能存在系统性差异。研究指出，在某些计算类问题上，单思考者 CoT 易学而仅靠结果监督难学；但在被动数据收集设定下，若存在两位或多位不同思考者，学习难度将显著增加。对此，作者提出一种通用的高效主动学习算法，仅需少量独立于目标精度的 CoT 数据及适度数量的思考者，结合充足的被动结果数据即可实现高效学习。