RL 后训练能否让 LLM 学会组合推理技能？论文入选 NeurIPS 2026
yifeiwang77 · x · 2026-11-15
论文《Compositional Reasoning in Language Models under Reinforcement Learning Post-Training》被 NeurIPS 2026 接收。研究问题：LLM 能否通过 RL 后训练学会单独的推理技能，并将它们组合起来解决更复杂的问题。作者 yuhe441 发布了 8 条长推解读线程，尚未在转发正文中展开细节结论。
「研究」频道最新
- Google 新团队 AIS 发布 DuoDiscover：内核平均提速 4.09 倍 — VioletNPeng · 2026-11-15
- EmbeddingGemma 2 训练揭秘：分阶段蒸馏 Gemini，嵌入尺寸最低压到 128 — gabriberton · 2026-11-15
- EmbeddingGemma 2 登 HuggingFace 热榜第一，非 LLM 模型罕见霸榜一周 — gabriberton · 2026-11-15
- 上海交大提出 Value as Memory,给机器人策略装上任务进度记忆 — jiqizhixin · 2026-11-15
- Genesis 团队发布 Eden：机器人学习框架，任务构建快 1.6-4 倍 — zhou_xian_ · 2026-11-15
- 波恩大学团队将人体细胞年龄指标逆转最多 60 岁 — Dr_Singularity · 2026-11-15