RL 训练让 LLM 自主从教科书学习并提升解题准确率
热点事件持续更新
RL 训练让 LLM 自主从教科书学习并提升解题准确率
1 篇报道1 个报道来源21 小时前更新
先了解这件事
AI 综述
Lingkai Kong 等研究者在 arXiv 论文（arXiv:2610.39671）中提出用带细粒度奖励的强化学习激励大语言模型自学习能力，即自主检索、学习并应用长篇参考材料中的知识，并配套 BookNavigator 界面支持这一过程。该方法在基于教科书的数学解题任务上，将 Intern-S2-Preview-35B 的整体证明准确率从 51.5% 提升至 79.5%，超过 RL 训练的无教材和固定检索基线。
AI 根据报道生成 · 45 分钟前更新
最新进展10月29日 17:21
通过强化学习激励大语言模型的自学习能力报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.CL通过强化学习激励大语言模型的自学习能力
一项 arXiv 研究提出用强化学习激励 LLM 的自学习能力——自主检索、学习并应用长篇参考材料中的知识，并引入 BookNavigator 界面支持这一过程。该方法将 Intern-S2-Preview-35B 的整体证明准确率从 51.5% 提升至 79.5%，超过 RL 训练的无教材和固定检索基线；在 BrowseComp-Plus 和 CL-bench 上分别比基础模型提升 1.7 和 2.3 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。