一句话看懂：arXiv 上一项新研究提出免训练数据选择器 LIFT，只用不完整的推理轨迹前缀就能给提示词打分，在 Qwen2.5-Math-1.5B 和 DeepSeek-R1-Distill-1.5B 上把 RLVR 的数据筛选成本降低 3.7—9.1 倍，同时下游表现与对比方法 SHIFT 相当。
事件核心：发生了什么
2026 年 10 月 20 日，arXiv cs.AI 收录论文《Training-Free Prompt Selection for Efficient Reinforcement Learning With Partial Rollouts》。论文关注带可验证奖励的强化学习（RLVR）训练推理模型时算力开销大的问题。作者指出，在其实验数据集中，有 26%—32% 的完整贪婪 rollout 无法在生成预算内结束，导致依赖完整轨迹的免训练提示词价值估计失效。为此他们提出 LIFT，核心指标 PRCL 借鉴逐点 V 信息，计算“带问题的上下文”与“去掉问题的空上下文”之间逐 token 的对数似然比，从而只需一段短前缀就能为提示词打分。摘要称，在 Qwen2.5-Math-1.5B 上保留完整 PRCL 分数 90% 的前缀仅需完整 rollout 26% 的 token，在 DeepSeek-R1-Distill-1.5B 上保留 95% 分数只需 4.7% 的 token。以上信息来自论文摘要，全文实验细节尚未核验。
为什么重要
RLVR 已成为训练推理模型的主流路线之一，但数据池越大，采样和 rollout 消耗的算力越多。此前一类免训练选择方法需要完整生成轨迹，遇到长推理任务时被截断问题明显。LIFT 把选择依据前移到短前缀，意味着开发者可以在训练前以更低成本筛出更有信息量的提示词，再决定是否投入完整 rollout。对算力紧张的中小团队和开源模型微调场景，这类数据侧优化可能比扩大模型规模更直接。不过目前公开信息显示，相关验证集中在两个 1.5B 级数学推理模型和六个基准上，尚不足以判断其在大模型、多任务上的普适性。
对用户/开发者/创作者的影响
对开发者而言，LIFT 的价值主要在 RLVR 训练流水线的预处理环节：若后续开源代码可用，团队可以先用短生成做提示词排序，再对高价值样本做完整强化学习，从而压降训练前的筛选开销。对使用 Qwen2.5 或 DeepSeek 蒸馏系列做数学推理微调的团队，这是一个值得跟踪的数据选择候选方案。普通用户和内容创作者短期内不会直接感知，因为论文未涉及产品功能或 API 变化；它影响的是模型训练效率，而非终端应用体验。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是作者是否公开 LIFT 实现，以及 PRCL 打分对前缀长度的敏感度是否被更完整实验覆盖；二是该方法在更大参数量模型、非数学任务和更长推理链上的表现；三是 SHIFT 等同类免训练选择方法是否会跟进部分轨迹方案，形成新的效率对比。就目前信息看，LIFT 仍是论文阶段的算法贡献，不宜等同于已落地工具。
来源：arXiv cs.AI
