论文提出信念转变分叉的树状强化学习方法
原文标题：Fork Where the Model Changes Its Mind: Belief-Shift Branching for Tree-Structured Reinforcement Learning
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
树状展开为无评论家RLVR提供步级信用，但分叉位置决定收益。论文将分叉放置形式化为定位价值曲线枢轴，提出信念转移分叉：在连续信念分歧最大的步骤前分叉。三种实现无需步级监督，探针成本仅约1%数学步计算。在三个模型家族与两个领域上，该方法在数学与代码基准全面领先。
- 问题
- 树状RLVR中分叉位置决定步级信用信号质量，现有方法按固定长度或熵放置分叉收益低。
- 方法
- 将分叉形式化为定位价值曲线枢轴，在连续答案信念分歧最大的步骤前分叉，用黑盒探针、logit-lens或学习激活方向实现。
- 结果
- 探针成本约为数学步计算1%、代码低于5%，在三个模型家族、两个领域上数学与代码基准全面领先。
- 影响
- 以极低采样开销提升无评论家RLVR的步级信用效率，可直接嵌入现有rollout引擎。
深读 · 结论先行AI 生成展开看要点与影响 ↓
论文提出信念转移分叉，按信念分歧最大处放置树分叉，探针成本仅约1%。
- •将树状展开的分叉位置形式化为定位价值曲线枢轴
- •信念转移分叉：在连续信念分歧最大的步骤前分叉
- •三种实现均无需步级监督：黑盒探针、logit-lens深度剖面、离线拟合的学习激活方向
- •探针成本约为数学步计算的1%，代码场景低于5%
- •在三个模型家族与两个领域上，数学与代码基准全面领先
为什么重要：在分叉预算有限的前提下，分叉位置直接决定无评论家RLVR能拿到多少步级信用，该方法以极低探针成本提升了信用信号质量。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。