研究：辅助轨迹偏好提升小模型自我改进

Minju Gwak 与 Alan Ritter 发表研究，考察在有限监督下，辅助轨迹偏好能否提升小语言模型的自我改进与迁移能力。其做法是用辅助轨迹偏好区分结果同样正确的推理轨迹，让模型从已验证的推理轨迹中学习。 研究称，在线实验中基于熵的 UID-Conj. 指标在 Qwen3-1.7B 上适配于 30 道无参考答案的 AIME 题；这是该指标在该设定下的适配结果，并非已证实的普遍提升效果。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。