跳到正文
arXiv · AI· Zijun Gao, Zhikun Xu, Xiao Ye, Ben Zhou·· 2 天前AI 评分28

CORE:通过概念导向强化学习缩小数学推理中定义与应用间的差距

CORE: Concept-Oriented Reinforcement for Bridging the Definition-Application Gap in Mathematical Reasoning

AI 导读

提出 CORE 强化学习框架,通过引入概念监督信号解决大语言模型在数学推理中“解题对但概念错”的问题。 在 RLVR 基础上,CORE 合成概念对齐测验并注入概念片段,结合轨迹替换或 GRPO 进行训练。 在多个模型上,CORE 于领域内概念测验及领域外数学基准上均优于 vanilla 和 SFT 基线,论文已被 ICLR 2026 接收。

来源:arXiv · AI · arxiv.org