Implicit Actor Critic Coupling via a Supervised Learning Framework for RLVR
7 months ago
- #Mathematical Olympiad
- #Large Language Models
- #Artificial Intelligence
- 论文提出了一种基于大语言模型的验证-精调流程，用于解决IMO级别数学问题
- 该流程显著提升了性能，在2025年IMO试题上达到85.7%准确率，显著优于基线模型：Gemini 2.5 Pro（31.6%）、Grok-4（21.4%）和GPT-5（38.1%）
- 该方法具有模型无关性，在三大领先模型（Gemini 2.5 Pro、Grok-4和GPT-5）上均验证了有效性
- 研究强调：对于复杂推理任务，开发方法论以释放基础模型潜力比单纯提升模型能力更为重要