arXiv:2610.37681v1 发布类型：新
摘要：近年来，大型推理模型在解决复杂任务方面展现出卓越的能力，而基于长链式思维数据的监督微调（SFT）则是激发并提升其推理能力的关键基础。尽管在改进与分析面向推理的SFT方面取得了快速进展，但该领域仍缺乏一份系统性的综述，以整合其快速增长的文献。为填补这一空白，我们对近期推理型SFT的最新进展进行了全面回顾，并从方法设计与分析研究两大视角对相关文献展开梳理。首先，我们综述了SFT全流程中的方法学改进，并将其划分为以数据为中心的路径与以算法为中心的创新；其次，我们围绕数据特性、优化动力学及机制性洞察三个维度重新组织了分析性研究；最后，通过整合当前的研究重点与尚存的瓶颈问题，我们展望了推理型SFT未来颇具前景的发展方向。我们期望本综述能够深化对推理型SFT的理解，并为构建更先进的推理模型奠定基础。