arXiv · NLP· Weijiang Lv, Wentong Zhao, Jiayu Wang, Yuhao Wu, Jiaheng Wei, Xiaobo Xia·· 4 小时前AI 评分33
GeoFaith 利用时空潜在动力学提升大语言模型忠实推理
Learning Faithful Reasoning Processes with Spatio-Temporal Latent Dynamics for Large Language Models
AI 导读
GeoFaith 是一种无需过程奖励模型的时空潜在动力学框架，用于学习忠实推理过程。 该方法结合最终状态潜在不确定性与预测熵动力学作为 GRPO 的过程正则化信号，在无需步骤级标注的情况下联合优化答案正确性与推理质量。 实验表明，GeoFaith 一致提升了推理准确性，生成了更高效的推理轨迹，并优于仅结果强化学习和过程监督基线方法。
来源：arXiv · NLP · arxiv.org