课程RL推动LLM推理能力超越基础模型限制

研究人员开发了一种新的课程强化学习（CRL）方法，旨在增强大型语言模型（LLM）在初始训练之外的推理能力。这种方法被称为边界感知CRL，它识别模型的当前推理能力极限，然后对处于或超出该极限的示例应用有针对性的指导。通过巩固这些新获得的推理模式，该方法旨在进一步提升LLM的性能。在Qwen、Llama和DeepSeek模型上的实验表明，在单次尝试性能（pass@1）和推理能力代理（pass@256）方面都有显著提高，优于标准的RLVR技术。 AI

影响 这项研究提供了一种在初始训练之外扩展LLM推理能力改进的方法，有望带来更强大的AI系统。

排序理由 学术论文，详细介绍了一种改进LLM推理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Curriculum RL
• DeepSeek
• llama
• Qwen
• Reinforcement Learning with Verifiable Rewards
• Vanilla RLVR

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →