跳到正文
arXiv · AI· Jonghyun Song, Sangjun Song, Minjae Oh, Haesung Pyun, Sungsik Lee, Yohan Jo·· 2026-10-15AI 评分42

SHAPE框架解析LLM数学推理启发式并提升RLVR性能

SHAPE of Thinking: Mathematical Heuristics for Analyzing and Improving LLM Reasoning

AI 导读

研究提出基于数学教育理论的SHAPE框架,通过启发式分类学表征LLM推理轨迹中的局部数学动作。 该框架揭示RLVR成功解与基座模型剖面高度重叠,并引入HA-Plan-GRPO方法。 实验显示HA-Plan-GRPO在五个评测集上使Avg@16平均提升最高7.0%绝对值。

来源:arXiv · AI · arxiv.org