★ 3
Solvent 8B 模型发布：长程推理用于多步逆合成
研究者提出 Solvent，一个 8B 参数大模型，将长程推理能力扩展到多步逆合成任务。模型通过两轮后训练课程，学会交替进行迭代合成规划、外部可得性验证与路线自适应修正。经强化学习带来 2.1 倍性能提升后，Solvent 在四个基准上平均得分 61.86%，超过中等规模语言模型与既有搜索式逆合成…
arXiv cs.AI7 天前
#长程推理
共 6 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
DTDD：分歧触发的动态蒸馏实现可靠同策略监督
论文提出分歧触发动态蒸馏（DTDD），利用片段级学生-教师分歧在训练中触发教师接管，学生前缀继续接受标准 OPD 监督，教师生成恢复后缀供行为克隆学习。DTDD 将预热后峰值梯度范数降低 8.6 倍，在 ALFWorld 上分别提升 4.8 和 4.1 个百分点。
arXiv cs.LG18 天前
★ 3
SpireBench：用《杀戮尖塔》评测智能体长程策略
论文提出 SpireBench，让 20 个大语言模型在最高难度下完整游玩商业卡牌游戏《杀戮尖塔》，以评测长程策略推理。前沿模型击败启发式基线并追平普通玩家，但远落后专家，且随流程拉长差距扩大。研究还发现模型表现部分依赖游戏先验知识，且无法从跨局记忆中改进。
arXiv cs.AI21 天前
★ 3
AREX-2：长程反思任务推动自改进智能体
论文提出AREX-2，通过从机器学习与算法编程任务合成长期改进轨迹，训练LLM智能体在测试时迭代优化解。基于Qwen3.8-27B的智能体在MLE-bench Lite取得81.8、Frontier-CS取得70.7，并迁移到深度研究任务，在BrowseComp、HLE、GAIA、DeepSear…
arXiv cs.AI32 天前
★ 3
Mr.LHDR：多模态真实世界长程深度研究智能体基准
论文推出Mr.LHDR基准，用于评估跨八类、长且不可约的相互依赖证据链上的真实深度研究能力。每个问题由隐藏的节点关系图构建，平均需要12.1个必要中间结论、依赖深度10.4，并包含图像、地图、PDF、图表、表格和视频帧等多模态证据。评测显示最强系统仅达43.1%总体准确率和34.3%严格准确率，移…
arXiv cs.AI51 天前
★ 2
ECHOES 用特权在线策略蒸馏压缩 GUI 智能体历史，免存截图
论文提出 ECHOES，采用「压缩—思考—行动」格式递归更新文本历史状态，并以具备多图特权输入的同模型作为教师，对学生轨迹做 token 级在线策略蒸馏。配套 PMF Gap 引导的 OPD-RL 框架动态平衡蒸馏与任务奖励。部署时不保留历史截图，在四个 GUI 基准与自建 ECHOESBMK 上…
arXiv cs.AI13 天前
这个主题的相关资产
相关公司阿里巴巴1