arXiv · NLP· Jihao Huang, Guangjia Chai, Zhirui Chen, Lei Wang, Yao Liu, Liu Qi, Pengjie Ding, Xinyang Liu, Chengxun Jia, Ling Shao, Hongyu Chen, Junchen Wan·· 8 小时前AI 评分23
MGE-PO：基于熵感知信用分配优化数学推理
MGE-PO: Entropy-Aware Credit Assignment for Mathematical Reasoning
AI 导读
MGE-PO 引入四象限优势整形，结合验证正确性与生成熵进行信用分配，低熵成功获得更大奖励，高熵失败受到更重惩罚。 在 Qwen3-8B-Base 上训练八轮后，六项基准宏观平均准确率提升 3.23%-3.69%，通过率达到 4.24%-11.06%；在 Qwen2.5-7B-Base 上，四项基准宏观平均准确率从 41.5% 提升至 45.4%。
来源：arXiv · NLP · arxiv.org