研究人员推出NormWorlds-CF，这是一个专为可执行规则世界中的反事实规范推理设计的新型环境，并由确定性求解器进行验证。该系统提供详细的输出，如最终答案、证明证书和论证状态，从而无需依赖LLM裁判即可进行稳健评估。该基准包括分阶段的SFT诊断和配对世界任务，其中开发了一种名为变质关系GRPO（MR-GRPO）的新奖励机制，通过为关系族和求解器可见的变更字段提供部分信用，以提高在结构化变更任务上的性能。 AI
影响 引入了一个新的基准和奖励机制，以提高AI进行反事实推理和提供可验证输出的能力。
排序理由 该集群描述了在arXiv论文中发布的一个新的AI推理基准和方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
