论文提出后见层级自改进训练推理模型方法

Lars Simon、Holger Eble 和 Manuel Radons 发表论文，提出一种基于后见的推理模型自我改进训练循环。其思路是：即使问题难度超出模型当前求解能力，额外提供的解答仍可能让模型事后提取有用的解题思路。 方法要求模型被联合训练具备三项能力：仅从问题预测解题思路、从问题与已知解答逆向工程思路、以及利用给定思路解题；循环在逆向工程与联合训练间交替。作者给出了方法的形式化规范，并在 Lean 定理证明器中实例化用于交互式定理证明。 论文称实证评估留待未来工作，因此该方法的效果尚未得到验证。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。