LeAct：从专家行动中学习推理
英文标题：LeAct: Learning to Reason from Expert Actions
论文提出 LeAct，探索从专家系统的行动中学习推理。作者指出，现代推理模型的数据主要来自人工标注或更强大 LLM 的蒸馏，而游戏引擎、经典规划器和定理证明器等专家系统提供了尚未充分利用的监督信号。该方向有望为开发者构建推理模型提供更丰富、可验证且可规模化的数据来源。由于原文仅提供了截断摘要，具体方法、实验数据与结论尚未披露。
打开原文相关 2.4 · 机会 0
2.1 KB
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
BibTeX 格式引用
English / 原文
BibTeX formatted citation
×