#ARCHER

共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「ARCHER」标签的资讯、产品与论文,按刊登时间排,新的在上。
11月16日
ARCHER:用动作轨迹强化学习让小型模型学会可执行推理

做小模型数学推理的值得看这篇:ARCHER 把思维链编译成带计算器调用的动作轨迹,再用分层 RL 打磨策略。在 MATH-500、AIME-2024/2025 上比工具增强基线高出 5-9 个点,7B 推理模型也能再涨,本地部署团队可以直接照着复现。

arXiv cs.AI@Dhruv Dixit 等 4 人原文