Self-Steered Reasoner

新的自引导推理器方法改进了大型语言模型的解决问题能力

研究人员开发了一种名为自引导推理器（SSR）的新方法，以提高大型语言模型在复杂问题上的推理能力，尤其是在缺乏专家指导的情况下。SSR通过确保自生成的训练数据与模型实际可达到的动作对齐，而不是依赖于可能格式错误或无法达到的专家轨迹，来解决“解条件化”问题。这种方法显示出显著的改进，恢复了先前无法解决的74%以上问题的正确轨迹，并将AIME25/26和HMMT26等具有挑战性的数学竞赛的总体准确率提高了4.9个百分点。