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。
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。