跳到正文
我的
热点事件观察中

ReSI-Math 提出可恢复能力边界的 RLVR 框架

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Yao Cui 等发布论文提出 ReSI-Math 框架，通过探索模型自身轨迹中的可恢复能力边界，把失败但可恢复的推理转化为数据高效的 RLVR 监督。框架使用 Self-Judge 引导的进化搜索，在固定策略下识别可恢复的失败，并随策略演进自适应选择前沿问题做 sequential RLVR。 在 Qwen3-VL-8B 上，621 次尝试中获得 272 条验证器确认的正确轨迹（43.8%）。经三轮 sequential one-shot RLVR，MATH500 与 WE-MATH 平均分从 78.71 升至 80.16；论文称 frontier 引导的问题选择（54.16）优于随机选择（53.31）。

AI 根据报道生成 · 11 小时前更新

最新进展11月3日 20:25
ReSI-Math：探索可恢复能力边界以实现高效推理提升

报道时间线

沿着报道，了解事件的不同侧面。

11月3日
  1. arXiv · cs.CL
    ReSI-Math：探索可恢复能力边界以实现高效推理提升

    研究提出 ReSI-Math 框架，通过探索模型自身轨迹中的可恢复能力边界，将失败但可恢复的推理转化为数据高效的 RLVR 监督。该框架采用 Self-Judge 引导的进化搜索，在 Qwen3-VL-8B 上从 621 次尝试中获得 272 个验证器确认的正确轨迹（43.8%）。经三轮 sequential one-shot RLVR 后，MATH500 与 WE-MATH 平均分从 78.71 提升至 80.16，且 frontier 引导的 Q1 选择（54.16）优于随机选择（53.31）。

本事件热度走势

可比范围当前
3
可比范围峰值
411月5日 03:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。