GeoFaith框架让大模型学习忠实推理

Weijiang Lv等作者提出GeoFaith时空潜在动力学框架，目标是在不使用过程奖励模型的情况下让大语言模型学习忠实的推理过程。 该方法将最终状态的潜在不确定性与预测熵动力学作为过程正则项融入GRPO，联合优化答案正确性与推理质量，无需步骤级过程标注。作者称实验显示其推理准确率持续提升、推理轨迹更高效，优于仅用结果奖励的强化学习和过程监督基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。