ThinkRetrieve框架：动态检索示例注入推理链，AIME成绩提升60%
_reachsumit · x · 2026-08-12
为解决大模型长链推理中容易出现的错误累积和偏离问题，论文提出了 ThinkRetrieve 框架。该方法在模型推理的每一步动态检索已解决的示例并将其直接注入思考链，引导模型纠正推理方向。实验显示，在 AIME 2025 基准上相对增益最高可达 60%。
「研究」频道最新
- Plinz 论控制论与 Minsky AI 之争：深度学习生于自动机宇宙 — burny_tech · 2026-09-21
- 全球首例：RNA 反义疗法让罕见渐冻症患者症状改善 — burny_tech · 2026-09-21
- 人脑类器官移植小鼠占据皮层九成,打造活体神经疾病模型 — burny_tech · 2026-09-21
- 斯坦福今秋开讲高效LLM课程:MoE、量化、投机解码全覆盖 — aminkarbasi · 2026-09-21
- 马里兰大学与摩根大通给出 DP 合成数据训练线性模型的超额风险界 — chaumian · 2026-09-21
- StarCraft 重回 AI 基准视野：Elo 分数将是通用智能的长期可读指标 — teortaxesTex · 2026-09-21