大模型推理能力

GDEPO: Group Dual-dynamic and Equal-right Advantage Policy Optimization with Enhanced Training Data Utilization for Sample-Constrained Reinforcement Learning

GDEPO：基于增强训练数据利用的群体双动态和等权优势策略优化

Zhengqing Yan, Xinyang Liu, Yi Zhang, Fan Guo, ChengXun Jia, Junchen Wan, Yao Liu, Qi Liu, Jihao Huang, Kang Song

机构 * State Key Laboratory of Engines, Tianjin University（发动机国家重点实验室，天津大学） ； Artificial Intelligence Center, Cylingo Group（Cylingo集团人工智能中心） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；verifier(abstract)；分类 cs.AI

AI总结 GDEPO通过动态补充采样、等权优势和动态补充迭代机制，提升ATP中强化学习的数据利用效率和优化性能。

PhysProver: Advancing Automatic Theorem Proving for Physics

PhysProver: 推动物理领域自动定理证明的发展

Hanning Zhang, Ruida Wang, Rui Pan, Wenyuan Wang, Bingxu Meng, Tong Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Rutgers University（罗格斯大学） 纠错

专题命中 代码与定理证明 ：reasoning(abstract)；分类 cs.CL、cs.AI

AI总结 PhysProver通过结合可验证语言和强化学习，提升物理领域形式化定理证明的效率和效果。

Comments Preprint