研究人员开发了一种名为自适应参考引导(ARG)的新方法,以改进强化学习中推理模型的训练。ARG通过前缀续写策略,在提供正确参考轨迹和允许模型自行生成之间取得平衡。该方法旨在固定生成预算内构建正确的轨迹。在五个数学推理基准上对Qwen3-4B和Qwen3-8B模型进行的实验表明,ARG在评估方法中实现了最高的聚合pass@12率。 AI
影响 这项研究可能有助于更有效、更高效地训练用于复杂推理任务的AI模型。
排序理由 该集群包含一篇详细介绍AI模型训练新方法的学术论文。[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 →