BODHI：LLM 会拓展并发现异质推理吗？

英文标题：BODHI: Do LLMs Branch Out and Discover Heterogeneous Inferences?

论文 BODHI 探讨大语言模型（LLM）是否能够拓展推理能力边界，并发现异质化的推理方式。研究背景是，采用可验证奖励的强化学习（RLVR）已在多类推理任务中提升 LLM 性能。作者指出，RLVR 是否真正扩展了模型的推理能力边界，仍存在显著争议。该议题对评估强化学习训练能否带来超越既有模式的推理能力，以及设计更可靠的 Agent 和推理系统具有意义。

2.6 KB 2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB