跳到正文
arXiv · AI· Dhruv Dixit, Khushi Patel, Congcong Xu, Min Song·· 4 天前AI 评分36

ARCHER:小语言模型中从推理依据模仿到可执行推理的框架

ARCHER: From Rationale Imitation to Executable Reasoning in Small Language Models

AI 导读

ARCHER 是一种两阶段框架,旨在训练小语言模型生成可执行且可审计的数学推理轨迹。 该框架将自由链式思维编译为类型化行动追踪,并通过非对称分层强化学习优化策略。在 5 个 10B 以下骨干模型上,其宏平均基准准确率比最强工具增强基线提高 5.51 个百分点。

来源:arXiv · AI · arxiv.org