MaRフレームワークでLLMの推論軌跡をメタ認知で最適化
Zenn LLM ・ 2026-08-07
原題: MaR: メタ認知を報酬に変えるRLで推論軌跡を直接最適化
AI による要約
MaR（Metacognition-as-Reward）は、LLMの推論軌跡をメタ認知の次元で直接最適化するフレームワークだ。知識抽出・プロセス制御・最終回答の3段階に分け、軌跡レベルの報酬で最適化する。Qwen3.5-9B + MaRはGPT-OSS-1と同等の性能を達成し、22ベンチマークで最大+7.7%の改善を示した。
この要約は当サイトの AI が生成したものです。正確な内容は 元記事（Zenn LLM）をご確認ください。