跳到正文
arXiv · ML· He Tu, Siye Li, Hongyi Wen·· 21 天前AI 评分22

H$^2$R:基于分层提示的数学推理强化学习奖励机制

H$^2$R: Hierarchical Hint-Based Reward for Mathematical Reasoning via Reinforcement Learning

AI 导读

研究者提出 H$^2$R 框架,利用数学问题的子问题结构作为分层提示,以改善强化学习中可验证奖励对多步推理的中间监督。该框架配套发布了层次化数学问题基准 HiMath。

来源:arXiv · ML · arxiv.org