English(EN) Cloud-ScPO: Hidden-State Geometry for Semi-Supervised Preference Optimization in LLM Reasoning

新的LLM方法利用隐藏状态几何来改进推理

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:00

研究人员开发了Cloud-ScPO，一种用于大型语言模型（LLM）半监督偏好优化的新颖框架，该框架利用了内部模型状态的几何结构。该方法使用少量标记数据集来构建正确和不正确推理轨迹的参考“Clouds”。通过分析这些隐藏状态的连通性和空间组织，Cloud-ScPO可以在不需要完全验证的答案或外部奖励模型的情况下获得偏好信号。在GSM8K和MATH-Numeric数据集上的实验表明，与现有的ScPO方法相比，性能有了显著提高，在GSM8K上的增幅高达4.49%。 AI

影响这项研究通过减少对大量标记数据的依赖，有望实现更高效、更有效的LLM复杂推理任务训练。

排序理由该集群包含一篇详细介绍LLM推理新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍LLM推理新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 58 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Yuzhou Liu, Xiyang Hu · 2026-08-04 04:00

Cloud-ScPO：LLM推理半监督偏好优化的隐藏状态几何学

arXiv:2608.01014v1 Announce Type: new Abstract: Preference optimization improves mathematical reasoning in large language models (LLMs), but reliable chosen-rejected pairs usually require verified answers, human annotations, or external reward models. We investigate whether prefe…

本文如何被排名

报道来源 [1]

Cloud-ScPO：LLM推理半监督偏好优化的隐藏状态几何学

相关实体

相关话题