★ 2
ReSI-Math 框架提出可恢复能力前沿，提升大模型数学推理
研究者提出 ReSI-Math 框架，指出模型直接答错并不代表不具备该能力，部分失败可通过轨迹级搜索恢复。该框架用自评判引导的进化搜索识别可恢复失败，并将其转化为数据高效的 RLVR 监督信号。在 Qwen3-VL-8B 上，三轮 RLVR 后 MATH500 与 WE-MATH 平均分从 78.…
arXiv NLP14 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究者提出 ReSI-Math 框架，指出模型直接答错并不代表不具备该能力，部分失败可通过轨迹级搜索恢复。该框架用自评判引导的进化搜索识别可恢复失败，并将其转化为数据高效的 RLVR 监督信号。在 Qwen3-VL-8B 上，三轮 RLVR 后 MATH500 与 WE-MATH 平均分从 78.…