研究者提出推理模型后见层级自改进方法

Lars Simon、Holger Eble 和 Manuel Radons 提出一种推理模型的自我改进循环：即使问题难度超出模型当前解题能力，额外提供解答也能让模型事后提取有用的解题思路。 该方法让同一模型同时训练三种能力——仅凭问题预测思路、从问题与已知解答反向推导思路、以及利用给定思路解题，并在反向推导与联合训练之间交替。论文给出形式化定义及在 Lean 定理证明器中的具体实例，实证评估留待后续工作。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。