研究称RL后训练学到的技能难以组合成复杂推理

论文《Compositional Reasoning in Language Models under Reinforcement Learning Post-Training》入选 NeurIPS 2026。研究探讨了强化学习后训练能否让大语言模型学会组合推理技能,发现 RL 学到的单一技能往往难以组合成复杂推理,引发社区关注与讨论。

2026-11-15 ~ 2026-11-17 · 2 条相关