Rivet：将路由式 LLM 专家内化为紧凑推理模型
原文标题：From Collaboration to Capability: Internalizing Routed LLM Experts into Compact Reasoners
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文研究紧凑控制器在协调更强专家后，能否通过同时学习控制器决策与专家推理和代码，在移除专家后仍提升自身生成能力。Rivet 提出协作内化方法：专家增强强化学习将共享结果信号同时施加于控制器决策与专家返回片段，再通过格式感知监督训练固化完整成功轨迹。RIVET-1.7B 与 RIVET-4B 在七个竞赛数学基准上平均准确率达 28.25% 与 44.16%，第二阶段使 4B 模型移除专家后提升 6.49 个百分点，并在 GPQA-Diamond 上展现科学推理泛化。
- 问题
- 紧凑控制器协调强专家后，移除专家能否保留自身生成能力。
- 方法
- 专家增强RL把共享结果信号同时施加于控制器决策与专家片段，再用格式感知监督固化成功轨迹。
- 结果
- RIVET-1.7B与4B在七个竞赛数学基准平均准确率28.25%与44.16%，第二阶段使4B移除专家后提升6.49个点。
- 影响
- 小模型可通过内化专家协作轨迹获得独立推理能力，降低对推理时外部大模型的依赖。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Rivet让1.7B/4B小模型内化专家协作，移除专家后4B准确率再涨6.49个百分点
- •方法分两阶段：专家增强强化学习把共享结果信号同时施加于控制器决策与专家返回片段
- •第二阶段用格式感知监督训练固化完整成功轨迹，部署时仅本地Python执行、无外部LLM
- •七个竞赛数学基准平均准确率：RIVET-1.7B为28.25%，RIVET-4B为44.16%
- •第二阶段使4B模型在移除专家后准确率提升6.49个百分点
- •GPQA-Diamond结果提供向科学推理泛化的证据，消融显示普通轨迹监督与格式加权均有增益
为什么重要：它给出了一条把强专家能力沉淀进小模型的可行路径，对想在推理成本受限场景部署紧凑模型、又不愿长期依赖外部大模型的团队有直接参考价值。
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。