该文章提出了“关键令牌微调（CFT）”方法，通过仅更新对推理正确性至关重要的令牌，解决了传统监督微调（SFT）的局限性，在数学推理等任务中实现了更高的准确性、多样性和泛化能力。一、文章主要内容总结研究背景与问题传统SFT在微调大语言模型（LLMs）时，会对所有令牌进行统一惩罚，忽略了只有少数“关键令牌”决定推理正确性。这种统一监督会导致模型输出多样性降低、泛化能力受限，且在处理不完美推理轨迹时效率低下。核心方法：关键令牌微调（CFT）关键令牌识别：通过反事实扰动，替换正确推理轨迹中的每个令牌并重新生成后续内容。若所有替换都导致答案错误，则该令牌被标记为关键令牌。选择性微调：仅对关键令牌应用梯度更新，保留非关键令牌的多样性，避免令牌分布坍缩。效率优化：采用并行解码技术，在Qwen2.5-7B模型上实现了超过25倍的关键令牌标注速度提升。实验验证实验设置：在3个模型家族（Qwen、OLMo、LLaMA）的5个模型上，针对11个数学推理基准（如GSM8K、MATH、SVAMP）进行测试，并与SFT、DFT等方法对比。核心结果：CF Enhancing Large Language Model Reasoning via Selective Critical Token Fine-Tuning
该文章提出了“关键令牌微调（CFT）”方法，通过仅更新对推理正确性至关重要的令牌，解决了传统监督微调（SFT）的局限性，在数学推理等任务中实现了更高的准确性、多样性和泛化能力。一、文章主要内容总结研究背景与问题传统SFT在微调大语言模型（LLMs）时，会对所有令牌进行统一惩罚，忽略了只有少数“关键令牌”决定推理正确性。这种统一监督会导致模型输出多样性降低、泛化能力受限，且在处理不完美推理轨迹时效率低下。核心方法：关键令牌微调（CFT）关键令牌识别：通过反事实扰动，替换正确推理轨迹中的每个令牌并重新生成后续内容。若所有替换都导致答案错误，则该令牌被标记为关键令牌。选择性微调：仅对关键令牌应用梯度更新，保留非关键令牌的多样性，避免令牌分布坍缩。效率优化：采用并行解码技术，在Qwen2.5-7B模型上实现了超过25倍的关键令牌标注速度提升。实验验证实验设置：在3个模型家族（Qwen、OLMo、LLaMA）的5个模型上，针对11个数学推理基准（如GSM8K、MATH、SVAMP）进行测试，并与SFT、DFT等方法对比。核心结果：CF