ホットトピック継続更新中
研究人员提出ReSI-Math推理增强框架
1 件の報道1 件の報道元10 時間前 更新
まずこの件を把握する
AI 概要
2026年11月4日，相关研究提出了ReSI-Math框架。该框架旨在通过探索模型自身轨迹的可恢复能力边界，将原本失败的样本转化为高效的强化学习可验证奖励（RLVR）监督信号。实验结果显示，在Qwen3-VL-8B模型上，正误轨迹交叉在621次尝试中生成了272个经验证器确认的正确解，占比达到43.8%。经过三阶段单样本RLVR训练后，该模型在MATH500与WE-MATH评测中的平均分从78.71提升至80.16。
AI が報道をもとに生成 · 9 時間前 更新
最新の進展11月4日 13:00
研究人员提出ReSI-Math框架，通过探索失败轨迹恢复边界提升模型数学推理能力。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月4日
- arXiv 自然语言处理ReSI-Math：探索可恢复能力边界以高效提升推理能力
研究人员提出 ReSI-Math 框架，通过探索模型自身轨迹的可恢复能力边界，将失败样本转化为高效的 RLVR 监督信号。在 Qwen3-VL-8B 上，正误轨迹交叉在 621 次尝试中生成了 272 个经验证器确认的正确解（占比 43.8%）。经三阶段单样本 RLVR 后，模型在 MATH500 与 WE-MATH 的平均分从 78.71 提升至 80.16。
このストーリーのホット度の推移
現在のホット度 8·比較可能範囲のピーク 10（11月4日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。