AIME 2024-2026

新的SCAPO方法增强了LLM的推理和泛化能力

研究人员推出了一种名为半事实信用增强策略优化（SCAPO）的新方法，旨在提高大型语言模型（LLM）的推理和泛化能力。SCAPO通过将半事实稳定性纳入token级别的信用分配，解决了现有强化学习技术的局限性，这有助于减少对不相关提示特征的依赖。当应用于Qwen3-4B-Base和Qwen3-1.7B-Base模型时，与先前的方法相比，SCAPO在数学基准测试和分布外任务上显示出显著的准确性提升。