Baidu（百度）

SCOPE-RL: Optimizing Reasoning Paths Before and After Success

SCOPE-RL：成功前后优化推理路径

Xiaojian Liu, Han Xu, Jianqiang Xia, Zhixuan Li, Ke Xu, Yiwei Dai, Xinran Chen, Changwo Wu, Yuchen Li

机构 * Baidu Inc.（百度公司） ； Shandong University（山东大学） 纠错

AI总结 研究针对可验证奖励强化学习中推理路径反馈不足问题，提出SCOPE-RL框架，分两阶段优化，成功前添加奖励，成功后细化轨迹，并经评估协议验证，相比仅结果的GRPO提升准确率、减少推理令牌，且与其他方法互补。

Comments 21 pages, 4 figures