组合式自我提升在编码与推理任务中的局限与价值

一项针对组合式自我提升方法的研究，系统评估了利用组合结构生成监督信号以提升模型性能的有效性，并在编码和推理任务中完成验证。 该实验识别出三个主要失败模式：子问题预测不可靠、组合过程引入误差，以及监督信号覆盖范围有限，说明该方法在实际应用中存在明显局限。 尽管存在上述局限，研究指出短程监督微调预热结合组合式自我提升仍能有效引导强化学习，尤其在模型已具备相关技能但直接探索成功率低的任务上表现出价值。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。