逆推論モデルがLLM訓練効率化 回答データから推論過程生成
arXiv cs.LGは2026年10月1日(現地時間)、大規模言語モデル（LLM）の事後訓練を効率化する新たな手法に関する論文「Inverse Reasoning Models for Efficient Post-Training and Verification from Answer-Only Data」を公開した。本研究は、回答のみのデータから推論過程を生成する「逆推論LLM (inverse reasoning LLM)」を活用。コストの高い教師データや計算負荷の高い強化学習なしにLLMを訓練する自己蒸留技術を提案している。