IXThinker·2025-09-30 18:40陳丹琦團隊提RLMT 拓寬模型推理泛化
普林斯頓大學陳丹琦團隊提出基於模型獎勵思維的強化學習RLMT，將可驗證領域的深度推理能力遷移至通用聊天等開放式任務，回應現有方法的泛化短板。
問題背景
人類處理寫郵件、擬提綱等開放任務時，會先在腦中梳理思路再動手，心理學家Kahneman稱之為「系統2思維」。可驗證獎勵強化學習提升了模型在數學、代碼上的推理力，但在開放任務上泛化仍然有限。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。