EquivAug：符号等价变换提升CoT推理多样性
热点事件持续更新
EquivAug：符号等价变换提升CoT推理多样性
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
研究者 Xiaoou Liu 等人提出 EquivAug 数据增强框架：先把 CoT 解答转成形式化符号表示，再重构为自然语言，从而生成推理步骤不同但可证明正确的训练数据。 在 GSM8K 和 FOLIO 上跨模型规模的实验中，EquivAug 在 SFT 后取得最高推理路径多样性，并在 GRPO 后取得最强准确率。作者据此称，SFT 阶段的 CoT 多样性与下游 RLVR 性能正相关。
AI 根据报道生成 · 48 分钟前更新
最新进展10月19日 12:00
EquivAug：用符号等价增强提升 RLVR 的推理路径多样性报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.AIEquivAug：用符号等价增强提升 RLVR 的推理路径多样性
研究者提出 EquivAug 数据增强框架，通过符号等价变换把 CoT 解答转成形式化符号表示再重构为自然语言，生成推理步骤不同但可证明正确的训练数据。在 GSM8K 和 FOLIO 上跨模型规模实验显示，EquivAug 在 SFT 后取得最高推理路径多样性，并在 GRPO 后取得最强准确率，表明 SFT 阶段的 CoT 多样性与下游 RLVR 性能正相关。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。