论文Agent 与开发者11:07MLR方法：将长链推理拆解为规划与执行两层，提升小模型推理稳定性一篇把长推理拆成规划加执行两层的论文，小模型只用10%数据就跑赢DeepSeek-R1蒸馏基线，做推理优化的可以看看。#DeepSeek-R1#Step-DPO#LoRA#推理模型aarXiv: DeepSeek@Siheng Xiong 等 3 人原文稍后读已读值得跟进有用关注 DeepSeek-R1