热点事件持续更新

SRaR通过逐步量规奖励提升大模型推理质量

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Weichu Xie 等研究者提出逐步量规奖励方法 SRaR，将评分标准分配给大语言模型推理过程中的各个步骤，由语言模型评审逐步评分，再结合步骤奖励与最终结果奖励训练模型，以区分推理过程的质量差异。研究还构建了包含 1.6 万道问题的量规数据集。在六项数学基准测试中，SRaR 相比 RaR，使 Qwen3-8B-Non-Thinking 和 Qwen3-32B-Non-Thinking 的平均准确率分别提高 3.57 和 2.75 个百分点。在 AIME 2025 测试中，忠实推理率从 34.5% 提高到 46.7%，自我纠错循环比例从 48.1% 降至 26.5%；在四项代码生成基准测试中的三项取得最佳结果。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月2日

13:00
arXiv · Machine Learning
Step-wise Rubrics as Rewards（SRaR）：通过逐步评分优化 LLM 推理
SRaR 提出逐步评分奖励机制，将评分标准分配到推理步骤，并结合步骤奖励与结果奖励，改善 LLM 的推理质量。在六项数学 benchmark 中，Qwen3-8B-Non-Thinking 和 Qwen3-32B-Non-Thinking 的平均准确率较 RaR 分别提高 3.57 和 2.75 个百分点。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。