تحلل دراسة كيفية إعادة تشكيل التعلم الدقيق الخاضع للإشراف (SFT) والتعلم المعزز (RL) والاستدلال على السياسة (OPD) لثقة النموذج أثناء التفكير المتسلسل. يقدم المؤلفون إطار عمل معايرة من ثلاث مراحل لتقييم الثقة قبل وأثناء وبعد التفكير لتقدير الصعوبة والإنهاء المبكر وتجميع الإجابات.
- يوفر OPD ثقة ما قبل التفكير الأكثر فائدة لتقدير الصعوبة.
- يوفر SFT أقوى إشارة عبر الإنترنت للإنهاء المبكر.
- ينتج RL أكثر إشارات مستوى المسار موثوقية لتجميع الإجابات.
- تعتمد موثوقية الثقة على الموقع؛ تصبح RL مفيدة بعد مرحلة الالتزام بالمسار، بينما قد يصبح OPD معكوس المعايرة لاحقًا.
يقترح المؤلفون PosConf، وهي استراتيجية واعية للموقع تحسن تجميع إجابات RL بمقدار 6.1 نقطة مقارنة بالتصويت بالأغلبية وتعزز مكاسب الإنهاء المبكر لـOPD حتى 4.3 نقطة تحت ميزانيات رموز ضيقة.