arXiv · ML· Hamed Mahdavi (Pennsylvania State University), Pouria Mahdavinia (Pennsylvania State University), Majid Farhadi (Google), Vasant Honavar (Pennsylvania State University)·· 2026-10-14AI 评分33
SPLICE 在推理轨迹中拼接提示词:从演示者失败中学习
Splicing Hints into Reasoning Traces: Learning from Demonstrator Failures
AI 导读
SPLICE 工作流将验证与修复移出训练循环,通过离线生成修复后的轨迹数据进行微调。 模型仅基于参考解答,在推理生成时验证进度、截断失败轨迹并拼接增强提示词。 在 AIME 及经人类评分验证的奥赛证明任务上,该模型性能优于蒸馏未编辑轨迹的同源模型。
来源:arXiv · ML · arxiv.org