跳到正文
arXiv · NLP· Muhammad Asif Ali, Wenqing Wang, Huan Wang, Mohammad Raza·· 10 天前AI 评分30

SPRING:基于求解器引导的过程奖励提升逻辑推理

Rewarding Novel Deductions: Solver-guided Process Supervision for Logical Reasoning

AI 导读

SPRING提出利用SMT求解器对中间推理步骤进行验证,通过过程级监督提升大语言模型的逻辑推理能力。 该方法鼓励新颖的推理进展,惩罚矛盾和非信息性步骤,在ZebraLogic、AR-LSAT和Knights and Knaves三个基准上超越基线模型。 该工作已被NeurIPS 2026接收,展示了过程奖励在提升逻辑推理性能上的有效性。

来源:arXiv · NLP · arxiv.org