Talk预告 | 香港大学吴太强：大道至简实现大语言模型思维链无损压缩|博士生|吴太强|大语言模型|清华|讲者

本期为TechBeat人工智能社区第754期线上Talk。

北京时间3月26日(周四) 20:00，香港大学博士生吴太强的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是：大道至简实现大语言模型思维链无损压缩。介时他将从数据，奖励分配，优化策略等角度进行分析，并针对如何精简大预言模型中的数据链给出对应的策略方针。

Talk·信息

主题：大道至简实现大语言模型思维链无损压缩

嘉宾：香港大学 · 博士生 - 吴太强

时间：北京时间3月26日(周四) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

Talk·介绍

大语言模型的思维链冗余性高，如何实现思维链的精简成为亟需解决的问题。本 Talk 从数据，奖励分配，优化策略等角度进行分析，给出对应的策略方针。基于已有实验分析进一步提炼出深层次的 Insight，并成功在Qwen3系列模型上实现思维链的无损压缩，涵盖 0.6B 到 30B 的模型，证明了有效性与泛化性。最后一并给出未来可行的进一步改进方向。

Talk大纲

1. 背景：介绍任务背景与常用方法，阐明论文目标

2. 实验分析：分析数据，奖励分配，优化策略等角度的实验结果，并给出对应Guideline

3. 泛化实验：基于已有结论在 Qwen3 更多模型上进行实践

4. 总结：总结更本质的 Insight，给出未来改进方向

Talk·预习资料

The Art of Efficient Reasoning: Data, Reward, and Optimization 论文链接：https://arxiv.org/abs/2602.20945 项目主页：https://wutaiqiang.github.io/project/Art

Talk·提问交流

在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

吴太强‍‍‍‍‍‍‍‍‍‍‍

香港大学 · 博士生
‍‍‍

吴太强，本科毕业于清华自动化系，硕士毕业于清华深圳国际研究生院，师从杨余久教授。目前在香港大学电机电子工程系攻读博士学位，主要研究方向是高效大语言模型，包括模型压缩，参数高效微调与高效思维链。曾在 ACL, NAACL, EMNLP, NIPS, ICLR 等顶会发表多篇论文，代表作 MoSLoRA (Mixture-of-Subspaces in Low-Rank Adaptation), Rethinking KL (Rethinking kullback-leibler divergence in knowledge distillation for large language models) 和 Efficient CoT (The Art of Efficient Reasoning: Data, Reward, and Optimization).