模仿游戏：LLM 如何通过以代码为中心的推理数据合成学会像程序一样推理

英文标题：The Imitation Game: When LLMs Learn to Reason Like Programs via Code-Centric Reasoning Data Synthesis

该论文关注大型语言模型（LLM）在自然语言中进行确定性、细粒度推理时的不足。尽管 LLM 在编程任务上表现出色，但论文指出，它们往往依赖语义近似，而非稳健的符号执行。作者提出通过以代码为中心的推理数据合成来弥合这一差距，目标是让模型获得更接近程序执行过程的推理能力。该方向可能有助于提升开发者在需要精确逻辑、可验证步骤和确定性结果的 Agent 与推理应用中的可靠性。

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