强化学习后训练下语言模型的组合推理

英文标题：Compositional Reasoning in Language Models under Reinforcement Learning Post-Training

该论文研究强化学习（RL）后训练阶段语言模型的组合推理能力。论文指出，现实问题求解依赖组合推理：由于训练数据必然有限，模型需要将已学习的技能以新的方式组合，从而实现泛化。原始摘要还表明，强化学习等后训练方法是论文讨论的核心背景；但所提供的原文摘要在此处截断，未包含完整实验数据和具体结论。

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