UID-Conj.

新方法使用辅助奖励增强小型语言模型 · 跟踪 2 个来源

研究人员开发了一种新方法，通过使用超越最终答案的辅助奖励来改进小型语言模型。这种方法在提交给 arXiv 的一篇论文中进行了详细介绍，它关注推理过程本身的质量，即使在多个轨迹导致相同正确结果的情况下也是如此。使用 Qwen3 1.7B 模型进行的实验表明，像 UID-Conj. 这样的指标（分析熵变化和光滑度）在适应和迁移基准上的性能比标准方法提高了 2 个百分点以上。