arXiv · cs.CL· Jinyuan Li·· 24 天前AI 评分46
R-Quest：如何让推理模型的自进化持续不崩
Questioning the Questions: Sustaining Self-Evolution in Reasoning Models
来源与原文
arXiv · cs.CL
作者：Jinyuan Li
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.04299v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
R-Quest 通过问题有效性与新颖性反馈维持推理模型的自进化：先训练求解器识别并拒答无效问题，再用其判断引导提问者奖励并过滤训练数据，同时用冻结的基础模型对比问题对提供新颖性反馈。该方法在两个模型家族的 12 个数学推理、通用推理与代码生成基准上取得最高平均性能，十轮自进化中保持稳定提升，最终比 R-Zero 高 17.32 分。
来源：arXiv · cs.CL · arxiv.org