携带证明的认知：用现实裁决的奖励弥合验证鸿沟

英文标题：Proof-Carrying Cognition: Closing the Verification Gap with Reality-Settled Reward

论文指出，语言模型推理能力的前沿提升主要来自对推理轨迹进行强化学习，并且这些提升集中在拥有低成本、可靠验证器的领域。作者认为，当前领域的关键约束是“验证鸿沟”：许多任务缺少可扩展且不易被操纵的验证机制。论文提出“现实裁决的奖励”与“携带证明的认知”方向，旨在缩小这一鸿沟。对开发者和行业而言，这意味着强化学习驱动的推理进展将越来越依赖于可验证性基础设施，而非仅依赖更长的推理链或更多训练数据。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB