Cool Papers · cs.CL (papers.cool) · RSS 摘要

信源：Cool Papers · cs.CL (papers.cool) · https://papers.cool/arxiv/cs.CL/feed

• CritICL：基于小语言模型失败模式的推理时弱到强泛化 — 推理时缩放的最新进展显著提升了大语言模型（LLM）的推理性能。然而，这些方法通常依赖于重复……
• TTPO：测试时策略优化 — 近年来，诸如强化学习（RL）和在策略自蒸馏（OPSD）等突出后训练方法推动了大语言模型在数学推理方面的快速进展。
• 转导语言模型的随机估计 — 转导语言模型（TLM）将预训练源语言模型与一个函数式有限状态转导器组合，以在目标字符串上归纳出一个语言模型……
• 通过 RLVR 中的弱模型引导提升 LLM 探索能力 — 带可验证奖励的强化学习（RLVR）显著提升了 LLM 的推理能力，但常常导致策略熵下降，进而造成推理覆盖范围收窄和……
• 跨领域整合 RLVR 能力：融合范式的深度剖析 — 带可验证奖励的强化学习（RLVR）能够提升大语言模型的特定能力，但覆盖多种能力通常需要分别训练……