arXiv · AI· Dianxing Shi, Dingjie Fu, Tianyu Lei, Wangjie Qiu·· 24 天前AI 评分25
MORE:面向自进化智能体的模式优化推理与自适应努力框架
More: Mode-Optimized Reasoning with Self-Adaptive Effort for Self-Evolving Agents
AI 导读
提出自进化训练框架 MORE,通过两阶段范式自适应选择推理形式与计算量。 Stage 1 建立直接回答、短/长链式推理及代码推理的先验分布,Stage 2 使用 MATE-PPO 在可验证任务流上自我进化。 在 3B 到 14B 模型规模的 coding、math 和通用推理基准上取得性能提升,推理阶段实现更高准确率与更低延迟。
来源:arXiv · AI · arxiv.org