Is Next-Chunk Reasoning RL Really Better than SFT? Revisiting Training Strategies under no-CoT Data

• 类型：arxiv
• 标识：2608.23256
• 链接：https://arxiv.org/abs/2608.23256
• 主分类：engineering
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Mixed SFT, a single supervised fine-tuning stage that jointly trains on no-CoT and long-CoT data, achieves a clearly higher post-RLVR performance ceiling than next-chunk reasoning RL while requiring over 60 times less training compute.
• OpenAlex ID：W7204205953
• OpenAlex DOI：10.48550/arxiv.2608.23256
• DOI：10.48550/arxiv.2608.23256
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.23256
• OpenAlex更新：2026-09-01
• 待LLM分类：否
• 标题中文：Next-chunk reasoning RL 真的优于 SFT 吗？——在 no-CoT 数据下重新审视训练策略
• TLDR中文：Mixed SFT 是一种单阶段监督微调，联合在 no-CoT 和 long-CoT 数据上训练，相比 next-chunk reasoning RL 取得了明显更高的 RLVR 后性能上限，同时训练算力开销减少超过 60 倍。
• 来源文件：
• /inbox/tom/_candidates/2026-08-27-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]