RLAD 论文:双玩家 RL 让模型自主发现推理抽象
arXiv 论文《RLAD: Training LLMs to Discover Abstractions for Solving Reasoning Problems》(arXiv:2510.02263,作者 Yuxi/burnytech)提出双玩家强化学习框架,由抽象生成器与解答生成器协同训练,让大模型自主发现可用于求解推理任务的抽象,并通过这些抽象提升跨任务的泛化能力,为推理训练范式提供了新思路。
2026-11-17 ~ 2026-11-17 · 2 条相关
- RLAD 论文:双玩家 RL 训练模型自主发现推理抽象提升泛化 — burny_tech · 2026-11-17
- RLAD 论文:抽象生成器+解答生成器双玩家 RL 改写推理训练 — burny_tech · 2026-11-17