SPLICE离线生成训练数据提升推理模型表现

宾夕法尼亚州立大学等机构的研究者提出 SPLICE，把推理模型训练轨迹的验证与修复从训练循环移到离线数据生成阶段：由第二个模型仅依据参考解答，实时校验推理模型生成的轨迹，在最后一个已验证正确的步骤截断失败轨迹，再自适应拼接增强提示，直到推理恢复。 研究者称，用 SPLICE 生成轨迹微调的模型在 AIME 上优于用未编辑轨迹蒸馏的同款模型，并在经人工评分验证的评分协议下于奥赛证明题上同样更优；其轨迹在难点处呈现拼接提示式的分支行为，预测熵上升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。