伯克利团队提出 ATC 方法，减少连续 CoT 训练对中间监督的依赖

伯克利团队推出的 ATC 方法，核心就是在做连续思维链（CoT）训练的时候，不用再大量依赖人工标注好的中间步骤监督信号，依靠自对齐的方式让模型自己学习推理过程，缓解高质量中间标注稀缺、成本高昂这个痛点。传统连续 CoT 训练，如果想要模型学会一步步推理，往往需要给每一步推理都配上人工标注，标注量大、很难大规模扩充；如果缺少中间监督，模型很容易跳步、编造虚假推理，看着答案对，中间逻辑其实是错的。这套 ATC 方案，主要利用最终结果作为弱信号，引导模型自主生成、筛选靠谱的中间推理轨迹，再拿这些筛选出来的轨迹做迭代训练，降低对昂贵人工中间标注的需求，让连续 CoT 的训练更容易规模化，在数学推理、多步骤任务上都有提升效果。

• ATC 方法核心要点清单
• 全称：Auto Trajectory Critic（自动轨迹评判）
• 核心目标：降低连续 CoT 训练对人工中间监督的依赖
• 信号来源：以最终答案正确性作为主要弱监督信号
• 核心机制：模型自行生成多条推理轨迹，自动评判轨迹好坏
• 收益：减少人工标注成本，更容易做大推理数据集
• 适用场景：多步数学题、逻辑推理、规划类任务
• 新旧训练方式对比
• ATC 大致训练流程
• 输入推理问题，让模型生成多条不同的连续 CoT 推理轨迹。
• 根据最终答案是否正确，初步筛选出候选轨迹。
• 使用轨迹评判模块对候选轨迹打分，过滤掉逻辑造假、跳步的样本。
• 将高质量轨迹加入训练集，对模型继续微调。
• 反复迭代，逐步提升模型自主生成可靠推理链的能力。

【相关 FAQ】

问题 1：伯克利团队提出的 ATC 方法，怎么降低连续 CoT 训练对中间监督的依赖？

回答 1：伯克利团队提出的 ATC 方法依靠弱结果监督搭配自动轨迹评判，让模型自己筛选优质推理路径，不再需要大量人工标注中间步骤，以此降低连续 CoT 训练对中间监督的依赖。

问题 2：使用伯克利团队提出的 ATC 方法之后，是不是完全不需要任何标注？

回答 2：并不是，伯克利团队提出的 ATC 方法依然需要问题以及最终答案标注，只是大幅减少连续 CoT 训练必需的中间推理步骤人工标注。

问题 3：伯克利团队提出的 ATC 方法，相比普通 CoT 弱监督有什么优势？

回答 3：普通弱监督容易收下答案蒙对、推理逻辑混乱的样本，伯克利团队提出的 ATC 方法增加轨迹评判，能挑出逻辑更通顺的连续 CoT，推理稳定性更好。

【参考资料】

[2026-11-06]（伯克利 ATC：降低连续 CoT 中间监督依赖）机器之心

[2026-11-02]（Auto Trajectory Critic 论文导读）arXiv 技术专栏

[2026-10-29]（大模型思维链弱监督训练新进展）量子位

【免责声明】

以上为伯克利 ATC 方法通俗解读，完整算法、实验指标请以原始论文为准；该方案属于前沿学术方法，在不同任务、不同基座模型上效果存在波动，尚未形成工业界通用标准方案。