热点事件持续更新

研究团队提出自引导推理器SSR打破模型推理瓶颈

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

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 根据报道生成 · 5 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

13:00
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。

本事件热度走势

当前热度 8·可比范围峰值 9（11月3日 18:00）·近 24 小时可比范围变化–

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。