SandwichR 用先答后推再答降低查询纠错延迟。
资讯摘要
论文提出 Sandwich Reasoning（SandwichR），用于实时搜索中的查询纠错。该方法采用“答案-推理-答案”范式：先给出初始纠错，再输出显式推理，最后给出精炼纠错；并用一致性感知强化学习对齐初始答案与推理后结论，配合基于 margin 的拒绝采样。作者报告其准确率与标准 CoT 相当，延迟降低 40–70%，并构建了高质量查询纠错数据集。
要点速读
- 论文提出 Answer-Reasoning-Answer 范式，先输出初始纠错再推理并给出最终纠错。
- 采用一致性奖励与 margin 拒绝采样，对齐初始答案与推理后结果。
- 作者报告达到与标准 CoT 相当的 SOTA 准确率，同时延迟降低 40–70%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。