Adaptive Reference Guidance

New ARG method boosts reasoning model training on Qwen3 benchmarks

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。