Do LLMs Need Inherent Reasoning Before Reinforcement Learning? A Study in Korean Self-Correction
ETRI
本研究探讨LLMs在强化学习前是否需要具备内在推理能力,通过韩国自我修正研究发现,对齐模型内部推理与韩语输入关键,提升多语言推理效果。
2026-01-09 cs.AI cs.CL
Retrieval Meets Reasoning: Dynamic In-Context Editing for Long-Text Understanding
Tsinghua University(清华大学);Huawei Technologies Co., Ltd.(华为技术有限公司)
针对大语言模型上下文长度受限难以进行长文本多跳推理的问题,提出动态上下文内编辑方法,将长文本视为可塑外部知识交互式整合信息,提升受限模型推理性能且降低成本。
2024-06-18 cs.AI cs.CL
CoT-Self-Instruct: Building high-quality synthetic prompts for reasoning and non-reasoning tasks
FAIR at Meta(Meta的FAIR)
该研究提出CoT-Self-Instruct合成数据生成方法,通过思维链推理规划加自动指标过滤生成高质量数据,在可验证推理与不可验证指令遵循任务的多个基准上均优于现有方案。
2025-09-03 cs.AI cs.CL
MISR: Measuring Instrumental Self-Reasoning in Frontier Models
Stanford University(斯坦福大学);Google DeepMind(谷歌DeepMind)
本文提出 MISR 任务套件,在自我修改、知识寻求等多类智能体场景中评估 LLM 的工具性自我推理能力,发现该能力仅出现于最强前沿模型且高度依赖上下文。
2024-12-05 cs.AI cs.CL cs.LG
InftyThink: Breaking the Length Limits of Long-Context Reasoning in Large Language Models
Zhejiang University(浙江大学);Meituan Group(美团集团);Peking University(北京大学)
InftyThink通过迭代推理与中间摘要机制,突破大型语言模型长上下文推理的长度限制,提升推理深度与效率。
2026-02-25 cs.AI cs.CL
Reasoning Aware Self-Consistency: Leveraging Reasoning Paths for Efficient LLM Sampling
School of Data Science, University of Virginia(弗吉尼亚大学数据科学学院);Department of Electrical and Computer Engineering, University of Alberta(阿尔伯塔大学电气与计算机工程系)
本文提出推理感知的自洽性框架RASC,通过动态评估推理质量和答案一致性来指导早停与推理依据选择,在保持准确率的同时将采样量减少约70%,有效解决大语言模型推理中的效率与忠实度权衡问题。
2025-02-04 cs.AI cs.CL
Teaching Broad Reasoning Skills for Multi-Step QA by Generating Hard Contexts
Stony Brook University(石溪大学);Allen Institute for AI(艾伦人工智能研究所)
回答问题的数据集需要广泛的推理技能。我们展示了如何使用问题分解来教语言模型这些广泛的推理技能,在一个强大的时尚。具体来说,我们使用广泛可用的QDMR表示,以编程方式创建难以欺骗的合成上下文的真实问题,在六个多步推理数据集。这些上下文经过精心设计,以避免在真实上下文中普遍存在的推理捷径,这些捷径会阻止模型学习正确的技能。这导致了一个名为TeaBReaC的预训练数据集,包含525 K个多步骤问题(以及相关的正式程序),覆盖了大约900个推理模式。我们发现,在TeaBReaC上预训练标准语言模型(LM),然后在目标数据集上对其进行微调,在4个多步QA数据集上将其性能提高了13个F1点,在更复杂的问题上提高了21个点。由此产生的模型也表现出更高的鲁棒性,在两个对比集上有5-8个F1点的改进。此外,TeaBReaC预训练大大提高了模型性能和鲁棒性,即使在使用最近的方法(例如,PReasM,POET)。因此,我们的工作展示了如何有效地使用分解引导的上下文来鲁棒地教授多步推理。
2022-11-03 cs.AI cs.CL
A Closer Look at the Self-Verification Abilities of Large Language Models in Logical Reasoning
Institute for Artificial Intelligence, Tsinghua University(清华大学人工智能研究院);Beijing National Research Center for Information Science and Technology(北京信息科学与技术国家研究中心);Tencent AI Lab(腾讯AI实验室)
本文在逻辑推理背景下深入探讨了LLMs的自我验证能力,通过引入包含232种推理谬误的FALLACIES数据集进行实验,发现现有模型难以准确识别谬误步骤,无法保证自我验证有效性,并据此提出了未来研究建议。
2024-03-23 cs.AI cs.CL
SWE-AGILE: A Software Agent Framework for Efficiently Managing Dynamic Reasoning Context
Microsoft(微软)
SWE-AGILE通过动态推理上下文策略平衡推理深度与效率,实现高效多轮软件工程任务处理,实验证明其在SWE-Bench-Verified上优于7B-8B模型。
2026-04-13 cs.AI cs.CL
Verbalized Confidence Triggers Self-Verification: Emergent Behavior Without Explicit Reasoning Supervision
本文发现仅用标量置信度标签微调即可让大语言模型涌现自我验证行为,并提出基于校准不确定性的测试时扩展方法,在多个推理基准上同时提升校准性、准确性和可解释性。
2025-06-04 cs.AI cs.CL
Just Ask One More Time! Self-Agreement Improves Reasoning of Language Models in (Almost) All Scenarios
Kuaishou Technology(快手科技);School of Computer Science and Engineering, Northeastern University(东北大学计算机科学与工程学院)
针对思维链贪心解码的局限,提出Self-Agreement方法,通过采样多样化推理路径并再次提示模型选择最一致答案,在六个基准上显著提升推理性能并具备强泛化能力。
2024-05-24 cs.AI cs.CL
Reinforcing Step-level Reasoning for Effective Self-Correction in LLMs
Nanyang Technological University(南洋理工大学);National University of Singapore(新加坡国立大学);VinUniversity;Institute for Infocomm Research (IR), A*STAR(新加坡科技研究局信息通信研究院)
针对大语言模型自校正的核心挑战,提出SFS-DPO及教师辅助变体SFS-DPO-R框架,经多模型多域评估,其性能优于现有步骤级训练基线,可提升自校正频率与有效性。
2026-09-01 cs.AI cs.CL
TextGames: Learning to Self-Play Text-Based Puzzle Games via Language Model Reasoning
Capital One(第一资本金融公司);Brown University(布朗大学)
本文提出TextGames基准,通过文本谜题评估大语言模型的推理能力,发现模型在困难任务上表现不佳,而推理优化模型优于指令遵循模型。
2025-02-25 cs.AI cs.CL
Rethinking Chain-of-Thought from the Perspective of Self-Training
Zongqian Wu(吴宗谦);Baoduo Xu(徐宝多);Mengmeng Zhan(战梦梦);Xiaofeng Zhu(朱小峰);Lei Feng(冯磊)
本文从自训练视角重新审视思维链,提出一种整合任务特定提示模块与自适应推理迭代模块的新框架,以降低预测不确定性并解决过度推理问题,在性能和效率上均获显著提升。
2025-05-25 cs.AI cs.CL
Evidence-Augmented Policy Optimization with Reward Co-Evolution for Long-Context Reasoning
Tongyi Lab(通义实验室);Alibaba Group(阿里巴巴集团)
本文提出EAPO方法,通过引入组相对证据奖励和适应性奖励-策略共演机制,提升长上下文推理中的证据提取质量,从而增强推理性能。
2026-04-20 cs.AI cs.CL
Self-Route: Automatic Mode Switching via Capability Estimation for Efficient Reasoning
Research Center for Social Computing and Interactive Robotics(社会计算与交互机器人研究中心);Harbin Institute of Technology(哈尔滨工业大学)
针对推理增强模型在简单问题上过度思考导致令牌浪费的问题,提出Self-Route框架,通过轻量级预推理阶段进行能力估计,自动切换推理模式,在保持准确率的同时减少30-55%的令牌消耗。
2025-05-27 cs.AI cs.CL
Self-Consistency Boosts Calibration for Math Reasoning
School of Informatics, Xiamen University(厦门大学信息学院);Tencent AI Lab(腾讯AI实验室)
针对数学推理任务,提出基于自一致性的三种即插即用校准方法,在GSM8K和MathQA上优于现有p(True)或logit方法,更好桥接置信度与准确性。
2024-03-14 cs.AI cs.CL
Long-Context Reasoning Through Proxy-Based Chain-of-Thought Tuning
School of Informatics, University of Edinburgh(爱丁堡大学信息学院)
提出ProxyCoT训练框架,通过将短代理上下文中的推理能力迁移到完整长上下文中,以提升大语言模型在长上下文复杂推理任务上的表现。
2026-05-22 cs.AI cs.CL cs.LG
SSR: Socratic Self-Refine for Large Language Model Reasoning
Salesforce AI Research(Salesforce人工智能研究);Rutgers University(罗格斯大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对现有大语言模型测试时推理框架粗粒度自验证、自修正效果有限的问题,提出SSR框架,通过拆解推理步骤、定位不可靠环节迭代优化,在多基准多模型上优于现有基线,同时提供可解释的黑盒推理评估方案。
2025-11-13 cs.AI cs.CL cs.LG
Self-Evolved Preference Optimization for Enhancing Mathematical Reasoning in Small Language Models
Microsoft Research, India(微软研究院(印度));IIT Delhi, India(印度德里理工学院)
本文提出自进化数据生成流水线SPHERE,通过自我生成、自我纠正和多样性诱导三个阶段迭代优化推理链,显著提升小型语言模型的数学推理能力,并在多个数学基准上达到或超越GPT-4o。
2025-03-04 cs.AI cs.CL cs.LG
Self-Contradictory Reasoning Evaluation and Detection
University of Southern California(南加州大学);Amazon AGI(亚马逊AGI)
本文定义并评估了大语言模型的自相矛盾推理现象,发现模型常因走捷径或忽视上下文而产生不一致推理,并证明GPT-4检测此类推理的F1仅为52.2%,远低于人类,呼吁建立更全面的推理评估标准。
2024-10-21 cs.CL
Contextual Drag: How Errors in the Context Affect LLM Reasoning
Princeton University(普林斯顿大学)
研究发现上下文中的错误会偏向下文生成的推理错误,导致性能下降,并指出缓解策略无法完全消除该问题。
2026-03-02 cs.AI cs.CL cs.LG
Self-Enhanced Reasoning Training: Activating Latent Reasoning in Small Models for Enhanced Reasoning Distillation
Ping An Technology (Shenzhen) Co., Ltd.(平安科技(深圳)有限公司)
针对小模型(如GPT-2)推理能力弱于大型语言模型的问题,提出自我增强推理训练(SERT),激活小模型采样时的潜在高质量推理路径并用于自训练,实验证明该方法能提升小模型推理蒸馏效果。
2025-02-18 cs.CL
SVSR: A Self-Verification and Self-Rectification Paradigm for Multimodal Reasoning
South China Agricultural University(华南农业大学);University of Glasgow(格拉斯哥大学);University of Electronic Science and Technology of China(电子科技大学);Monash University(莫纳什大学);University of Science and Technology of China(中国科学技术大学);National University of Defense Technology(国防科技大学);Renmin University of China(中国人民大学);South China Normal University(华南师范大学)
提出SVSR框架,通过三阶段训练(统一偏好数据集构建、冷启动监督微调、半在线直接偏好优化)将自我验证与自我修正显式集成到多模态推理流程中,提升复杂视觉理解和多模态推理的鲁棒性与可靠性。
2026-05-28 cs.AI
ReGenesis: LLMs can Grow into Reasoning Generalists via Self-Improvement
Salesforce AI Research(Salesforce AI研究院)
针对现有自我合成推理路径方法泛化性差的问题,提出ReGenesis方法,通过从抽象到具体的自我合成路径提升LLM推理能力,在域内和域外任务上性能更优,六个域外任务性能提升约6.1%。
2025-04-16 cs.CL
Controllable Mathematical Reasoning via Self-Optimizing Thought Vectors
Kepler(开普勒)
本文提出利用自优化思维向量与熵最小化实现可控数学推理,在GSM8K上以Gemma-2-9B达到90.1%准确率,无需外部奖励标注,验证了框架的有效性。
2025-10-25 cs.AI
Disentangling Logic: The Role of Context in Large Language Model Reasoning Capabilities
Rutgers University(罗格斯大学);Microsoft(微软公司);University of Michigan(密歇根大学);The University of Liverpool(利物浦大学)
本研究通过对比抽象与上下文化逻辑问题,系统解耦纯逻辑推理与文本理解,探究LLMs在保持逻辑结构不变时的真正推理能力及微调泛化潜力,并构建了包含4个难度级别、12个领域的命题推理数据集。
2024-06-04 cs.AI cs.CL cs.LG
$π^2$: Structure-Originated Reasoning Data Improves Long-Context Reasoning Ability of Large Language Models
Virginia Tech(弗吉尼亚理工大学)
本文提出$π^2$方法,通过结构化数据生成高质量推理数据,提升大语言模型的长上下文推理能力,在四个基准测试中取得显著改进。
2026-10-06 cs.AI cs.CL cs.LG
Self-Training Meets Consistency: Improving LLMs' Reasoning with Consistency-Driven Rationale Evaluation
Sungkyunkwan University(成均馆大学);Tohoku University(东北大学)
本文提出CREST自训练框架,通过后续问题一致性评估理由质量,结合过滤与偏好学习,提升大语言模型推理的稳健性与正确性。
2025-02-06 cs.AI cs.CL cs.LG
Self-Evaluation Guided Beam Search for Reasoning
National University of Singapore(新加坡国立大学);The Hong Kong University of Science and Technology(香港科技大学)
本文提出一种自评估引导的随机束搜索解码方法,通过逐步自评估校准LLM多步推理过程,在多个推理基准上显著超越基线并提升一致性与鲁棒性。
2023-10-26 cs.AI cs.CL cs.LG
Towards Zero-shot Commonsense Reasoning with Self-supervised Refinement of Language Models
SAP AI Research(SAP人工智能研究院)
我们能否获得现有的语言模型,并将其细化为zero-shot常识推理?本文提出了一个初步的研究,探索zero-shot常识推理的可行性Winograd模式挑战制定的任务作为自我监督细化的预训练语言模型。与以往依赖于微调注释数据集的研究相比,我们寻求通过损失景观细化来提高概念化。为此,我们提出了一种新的自监督学习方法,利用一组相似概念关系的语言扰动来改进语言模型。我们的概念上简单的框架实证分析表明,多个基准上的可行性zero-shot常识推理。
2021-09-10 cs.CL
Context-CoT: Enhancing Context Learning via High-Quality Reasoning Synthesis
Peking University(北京大学);Xiamen University(厦门大学);Tsinghua University(清华大学)
针对大语言模型在动态提取和应用新知识方面的上下文学习能力不足,提出Context-CoT方法,通过合成高质量推理链来增强上下文学习,在CL-Bench上显著提升性能。
2026-05-25 cs.AI
A Decomposition Perspective to Long-context Reasoning for LLMs
Large Language Model Department, Tencent(腾讯大语言模型部门);Xi'an Jiaotong University(西安交通大学);Tencent(腾讯);Fudan University(复旦大学);City University of Hong Kong(香港城市大学)
本文从分解视角出发,将长上下文推理分解为基本原子技能,并通过伪数据集训练提升模型能力,实验证明该方法在多个基准测试中提升了7.7%的性能。
2026-04-09 cs.AI cs.CL cs.LG
Bridging Internal Probability and Self-Consistency for Effective and Efficient LLM Reasoning
National Key Laboratory for Novel Software Technology, Nanjing University(南京大学计算机软件新技术国家重点实验室);School of Artificial Intelligence, Nanjing University(南京大学人工智能学院);School of Intelligence Science and Technology, Nanjing University(南京大学智能科学与技术学院)
本文通过理论误差分解分析揭示困惑度与自一致性方法的局限,提出推理剪枝困惑度一致性(RPC)方法,在七个基准数据集上显著提升LLM推理性能、样本效率和置信度可靠性。
2025-02-13 cs.AI cs.CL cs.LG
Think Before You Prune: Selective Self-Generated Calibration for Pruning Large Reasoning Models
Soochow University(苏州大学)
本文提出了一种选择性自生成推理数据策略,通过自生成的校准数据提升大型推理模型剪枝后的推理能力,实验结果显示性能提升10%-13%。
2025-11-24 cs.CL
iReasoner: Trajectory-Aware Intrinsic Reasoning Supervision for Self-Evolving Large Multimodal Models
Vellore Institute of Technology(韦洛雷理工学院);School of Information and Data Sciences(信息与数据科学学院);Nagasaki University(长崎大学);Loughborough University(洛桑大学)
本文提出iReasoner,一种自演化框架,通过显式引导推理链和奖励内部一致性来提升大模型的隐式推理能力,在无监督设置下实现了多模态推理基准的性能提升。
2026-05-20 cs.CL
Reflective Confidence: Correcting Reasoning Flaws via Online Self-Correction
Sun Yat-sen University(中山大学)
本文提出反思性信心框架,通过在线自我纠正修正推理缺陷,提升数学推理任务的准确性。
2025-12-21 cs.AI
DetectiveQA: Evaluating Long-Context Reasoning on Detective Novels
School of Computer Science, Fudan University(复旦大学计算机科学学院);Huawei Noah’s Ark Lab(华为诺亚方舟实验室);Shanghai AI Laboratory(上海人工智能实验室)
本文提出 DetectiveQA 数据集与逐步推理指标,利用超10万 token 的侦探小说和1200道中英双语标注题评估主流 LLM,揭示其长上下文推理与证据检索仍面临挑战。
2025-03-14 cs.CL
TinyThinker: Distilling Reasoning through Coarse-to-Fine Knowledge Internalization with Self-Reflection
Yonsei University(延世大学)
TinyThinker 提出由粗到细的三阶段知识内化和基于自生成数据的自我反思两阶段训练框架,以解决小模型蒸馏推理时表面模仿的问题,并在常识推理基准上取得优于基线的性能。
2025-02-04 cs.CL
Teaching Algorithmic Reasoning via In-context Learning
Mila(米拉研究所);Université de Montreal(蒙特利尔大学);Google Research(谷歌研究院)
大语言模型(LLM)通过扩展模型和数据大小,显示出越来越多的上下文学习能力。尽管取得了这些进展,LLM仍然无法解决算法推理问题。虽然为最终答案提供了一个基本原理,导致了多步推理问题的进一步改进,但Anil et al. 2022表明,即使是简单的算法推理任务,如奇偶校验,也远未解决。在这项工作中,我们确定并研究了成功教授算法推理的四个关键阶段:(1)将算法制定为技能,(2)同时教授多种技能(技能积累),(3)教授如何组合技能(技能组合)和(4)教授如何使用技能作为工具。我们表明,它是可以教算法推理LLMs通过上下文学习,我们称之为算法提示。我们评估我们的方法在各种算术和定量推理任务,并表现出显着的提升性能比现有的提示技术。特别是,对于长奇偶校验、加法、乘法和减法,与最佳可用基线相比,我们分别实现了约10倍、9倍、5倍和2倍的误差减少。
2022-11-15 cs.AI cs.CL cs.LG
Semantic Self-Consistency: Enhancing Language Model Reasoning via Semantic Weighting
Algoverse AI Research(Algoverse人工智能研究院)
本文提出语义自一致性方法,通过在多数投票前结合推理路径的语义信息与最终决策,增强语言模型的推理可靠性与复杂任务表现。
2026-11-04 cs.CL
History-Guided Iterative Visual Reasoning with Self-Correction
Nanjing University of Aeronautics and Astronautics(南京航空航天大学)
H-GIVR框架通过迭代视觉推理与自我校正,显著提升多模态推理准确性并保持低计算成本。
2026-02-04 cs.AI cs.CL cs.MM
Learning to Reason Over Time: Timeline Self-Reflection for Improved Temporal Reasoning in Language Models
University of Cambridge(剑桥大学);Amazon AGI(亚马逊人工智能研究院)
本文提出TISER框架,通过结合时间线构建与迭代自我反思的多阶段过程,利用测试时扩展延长推理轨迹,有效增强大型语言模型的时间推理能力,使较小开源模型在时间推理任务上超越较大闭权重模型。
2025-05-30 cs.AI cs.CL cs.LG
Incorporating Self-Rewriting into Large Language Model Reasoning Reinforcement
ByteDance China(字节跳动中国)
本研究提出自我修正框架,通过重写推理文本提升大语言模型的内部推理质量,实验表明其在准确性与推理长度权衡上优于现有方法。
2025-11-20 cs.CL
Self-Training Large Language Models with Confident Reasoning
POSTECH(POSTECH大学);KAIST(韩国科学技术院)
针对自我训练中仅关注最终答案质量而忽略推理路径的问题,提出基于推理层面置信度的CORE-PO方法,通过策略优化偏好高置信度推理路径,在多个基准上提升准确性。
2025-05-23 cs.CL cs.LG
RP-OPSD: Reasoning-Pivot-Guided On-Policy Self-Distillation for Multilingual Reasoning Transfer
Nanjing University(南京大学)
该研究针对多语言推理迁移中现有在线策略自蒸馏未优先考虑关键推理信号的问题,提出 RP-OPSD 方法,利用教师视图分布偏移引导特权蒸馏,在 17 种语言的数学推理基准上优于基线,提升了多语言推理能力。
2026-08-07 cs.CL
LaSR: Context-Aware Speech Recognition via Latent Reasoning
Shanghai Jiao Tong University(上海交通大学);Ant Group(蚂蚁集团)
提出LaSR训练范式,利用潜在推理轨迹增强语音大语言模型的上下文感知能力,在学术术语识别上显著提升性能且不增加延迟。
2026-09-18 cs.CL
Probing How Scalable Table Data Enhances General Long-Context Reasoning
Large Language Model Department, Tencent(腾讯大语言模型部门);Xi'an Jiaotong University, Xi'an, China(西安交通大学);Fudan University, Shanghai, China(复旦大学)
本文研究表格数据对长上下文推理的增强作用,通过分析表格依赖结构揭示周期性非消失依赖,并提出TableLong框架提升推理能力,实验显示在多个基准上提升8.24%。
2026-03-23 cs.CL
Learning to Reason and Memorize with Self-Notes
Meta AI;NVIDIA(英伟达)
大语言模型已经被证明与多步推理斗争,并且不保留先前的推理步骤以供将来使用。我们提出了一个简单的方法来解决这两个问题,允许模型采取自我笔记。与最近的思想链或便笺式方法不同,该模型可以在任何时候偏离输入上下文,以明确地思考并写下其想法。这允许模型在读取上下文时进行动态推理,甚至整合先前的推理步骤,从而增强其有用信息的记忆并实现多步推理。在各种各样的任务的实验表明,我们的方法可以优于链的思想和便笺的方法,通过采取自我笔记,交错输入文本。
2023-10-31 cs.AI cs.CL cs.LG
Enhancing Mathematical Reasoning in Large Language Models with Self-Consistency-Based Hallucination Detection
The Hong Kong University of Science and Technology(香港理工大学);Fudan University(复旦大学)
提出结构化自一致性框架,在中间步骤和最终输出上强制一致性,以减少大型语言模型在定理证明、符号变换和数值计算中的幻觉,显著提升推理准确性与稳定性。
2025-06-19 cs.AI
Reasoning Error from Known Fact: Step-Level Self-Consistency Group Relative Policy Optimization for LLMs
Zhejiang University(浙江大学)
针对大语言模型推理中因上下文干扰产生事实错误的问题,提出步骤级自一致性组相对策略优化(SSC - GRPO),通过计算自一致性分数分配步骤级奖励,在数学推理基准和幻觉排行榜上取得领先,为检测和减轻幻觉提供新视角。
2026-10-16 cs.CL
Self-Reasoning Language Models: Unfold Hidden Reasoning Chains with Few Reasoning Catalyst
The Chinese University of Hong Kong(香港中文大学);ByteDance(字节跳动);The University of Edinburgh(爱丁堡大学);Beihang University(北航);MoE Key Laboratory of High Confidence Software Technologies(高可信软件技术MoE实验室)
本研究提出自推理语言模型SRLM,以少量演示样本为推理催化剂,让模型自行合成长思维链数据并通过自训练迭代提升性能,在多项推理任务上实现显著效果提升。
2025-05-20 cs.CL
Small Language Models Need Strong Verifiers to Self-Correct Reasoning
University of Michigan(密歇根大学);LG AI Research(LG人工智能研究院);University of Illinois at Chicago(芝加哥伊利诺伊大学)
本文研究小型语言模型的自校正推理能力,提出利用正确解答引导错误批评并筛选后微调的新流程,在多个推理数据集上提升性能,并强调强验证器对自校正效果至关重要。
2024-06-06 cs.CL
Align to the Pivot: Dual Alignment with Self-Feedback for Multilingual Math Reasoning
JIUTIAN Research, China Mobile, Beijing, China(JIUTIAN研究, 中国移动, 北京);National Key Laboratory for Novel Software Technology, Nanjing University(新型软件技术国家重点实验室, 南京大学)
PASMR通过基准语言自反馈机制提升多语言数学推理能力,解决LLMs在多语言环境下的性能下降问题。
2026-01-25 cs.CL