RISE: Recursive Improvement via Self-Extrapolating Policy Distillation

• 类型：arxiv
• 标识：2609.05295
• 链接：https://arxiv.org/abs/2609.05295
• 主分类：engineering
• 形态：method
• 被引：5
• 被引来源：Semantic Scholar
• S2被引：5
• OpenAlex被引：0
• 影响力被引：1
• TLDR：Experiments spanning mathematical reasoning, multi-domain STEM, code generation, and multi-turn agentic tasks show that RISE outperforms RLVR-only training and on-policy self-distillation across all settings.
• OpenAlex ID：W7211880912
• OpenAlex DOI：10.48550/arxiv.2609.05295
• DOI：10.48550/arxiv.2609.05295
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2609.05295
• OpenAlex更新：2026-09-09
• 待LLM分类：否
• 标题中文：RISE：通过自外推策略蒸馏实现递归改进
• TLDR中文：涵盖数学推理、多领域 STEM、代码生成以及多轮 Agent 任务的实验表明，RISE 在所有设置下均优于仅使用 RLVR 的训练以及 on-policy self-distillation。
• 来源文件：
• /inbox/tom/_candidates/2026-09-07-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]