研究团队提出自引导推理器SSR打破模型推理瓶颈
Start here
2026年11月3日，研究团队在 arXiv 发布成果，提出自引导推理器（SSR），旨在通过可达性对齐自蒸馏解决模型在难题上的采样受限问题。该方法将特权教师分布投影至学生模型的局部可达空间。实验表明，在大量强化学习（RL）后 pass@64 仍为 0 的难题上，SSR 无需更新参数即可为 74.6% 的问题找回正确且可学习的轨迹；在相关轨迹上微调并继续进行 RL 训练后，模型在 AIME25/26 和 HMMT26 上的综合准确率提升了 4.9 个百分点。
AI-generated from reports · Updated 9 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理引导而非告知：通过可达性对齐自蒸馏打破推理瓶颈
研究人员提出自引导推理器 SSR，通过将特权教师分布投影至学生模型局部可达空间，利用可达性对齐自蒸馏解决难题采样受限问题。在大量 RL 后 pass@64 为 0 的难题上，SSR 无需更新参数即可为 74.6% 的问题找回正确且可学习的轨迹。在相关轨迹上微调并继续 RL 后，模型在 AIME25/26 和 HMMT26 上的综合准确率提升了 4.9 个百分点。
Story heat trend
Current heat 7·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.