跳到正文
arXiv · AI· Omar Farouk Zouak, Houssam Eddine Boukhalfa, Soumaya Lakehal, Shiv Katiyar, Samia Nefti-Meziani·· 2026-10-05AI 评分32

SymCE:Qwen3-4B 利用符号验证器进行反例生成,RLVR 修复 SFT 导致的识别崩溃

Counterexample Generation via Per-Theorem Symbolic Verifiers: When Imitation Hurts and Reinforcement Repairs

AI 导读

针对 Qwen3-4B 的符号验证器框架 SymCE 揭示,反例微调导致真定理识别率从 0.27 崩至 0.00,而强化学习可将其修复至 0.66。该 4B 模型在 GSM8K、MATH-500 等基准测试中表现优于 7B 开源数学模型。

来源:arXiv · AI · arxiv.org