跳到正文
arXiv · ML· Jingyao Wang, Xingyu Zhang, Peizheng Guo, Jiahuan Zhou, Zhenghao Zhang, Changwen Zheng, Chuxiong Sun, Wenwen Qiang·· 12 小时前AI 评分25

面向可泛化推理:基于组因果反事实策略优化的 LLM 推理方法

Towards Generalizable Reasoning: Group Causal Counterfactual Policy Optimization for LLM Reasoning

AI 导读

针对现有奖励机制过度关注答案正确性而忽视推理过程的问题,论文提出了组因果反事实策略优化方法,以提升 LLM 推理的泛化能力。 该方法通过构建因果反事实奖励,同时评估推理策略在扰动下的鲁棒性与跨问题迁移的有效性。实验证明其在多种基准测试中展现了优势。 ```

来源:arXiv · ML · arxiv.org