2603.18886
2026-03-20
cs.AI
cs.CL
Reasoning over mathematical objects: on-policy reward modeling and test time aggregation
数学对象推理：在线奖励建模与测试时间聚合
Pranjal Aggarwal, Marjan Ghazvininejad, Seungone Kim, Ilia Kulikov, Jack Lanchantin, Xian Li, Tianjian Li, Bo Liu, Graham Neubig, Anaelia Ovalle, Swarnadeep Saha, Sainbayar Sukhbaatar, Sean Welleck, Jason Weston, Chenxi Whitehouse, Adina Williams, Jing Xu, Ping Yu, Weizhe Yuan, Jingyu Zhang, Wenting Zhao
机构
*
FAIR at Meta（Meta旗下的FAIR）
AI总结
本文提出改进数学对象推理的三个贡献：构建数学对象推导的训练数据和基准Principia套件，提供强LLM判官和验证器的训练方案，展示在线训练可提升测试时计算能力。
