arXiv · cs.CL· Zhihao Yang·· 16 小时前AI 评分40
PIVOT：通过在线教师纠正实现渐进式干预
PIVOT: Progressive Intervention via Online Teacher Correction
来源与原文
arXiv · cs.CL
作者：Zhihao Yang
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/2610.40576v1
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
PIVOT 方法在 RLVR 中引入教师纠正：将教师生成的纠正片段插入学生 rollout，并对这些片段施加 token 级 KL 监督，与 RLVR 目标结合。该方法区分轨迹级干预与 token 级监督两种机制并系统分析干预位置与监督方式。在逻辑游戏和数学推理基准上，PIVOT 将逻辑游戏 mean avg@8 从最佳基线的 19.5% 提升至 35.6%，接近翻倍。
来源：arXiv · cs.CL · arxiv.org