DecomposeRL

DecomposeRL：用于可追溯声明验证的新型人工智能

研究人员开发了 DecomposeRL，一种新颖的声明验证方法，在准确性和可检查的追踪之间取得平衡。该方法将分解框架化为强化学习策略，使用 GRPO 和多方面奖励系统进行训练。DecomposeRL 可以以完全监督和半监督模式运行，利用未标记的声明。一个包含 5,000 个声明的蒸馏数据集被用来训练一个 7B 参数策略，该策略在各种基准测试中取得了与更大模型和 GPT-4.1-mini 相媲美的性能。