Complementary Reasoning

AI研究：RL以原子技能为先决条件合成推理技能

一篇新的研究论文探讨了强化学习（RL）如何合成新的推理技能，而不仅仅是放大现有的技能。该研究侧重于“互补推理”，发现仅通过监督微调（SFT）训练的模型在记忆已知信息方面表现出色，但在泛化到新情境时失败。然而，RL显著提高了泛化能力，但前提是基础模型必须首先通过SFT掌握独立的原子技能。这表明，以原子技能训练为第一阶段，然后进行RL训练的两阶段方法，是开发AI复杂推理能力的有前途的途径。