arXiv · cs.AI· Jiwon Jeon, Myungsik Cho, Jeonghye Kim, Youngchul Sung·· 5 小时前
UPTURN通过学习干预位置改进大语言模型推理自纠错
Inject a Turn, Not a Token: Learning Where to Redirect LLM Reasoning for Self-Correction
arXiv:2610.13672v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jiwon Jeon, Myungsik Cho, Jeonghye Kim, Youngchul Sung
研究任务与主要进展
UPTURN通过学习在推理失败后插入用户轮次的位置，在不微调大语言模型的情况下改进自纠错。该方法用130K参数的MLP头和冻结编码器，仅依据最终答案正确性选择干预位置，保留前缀并将指令作为新用户轮次注入后重新生成后缀；基于论文摘要，在四类推理器和六个数学基准上均优于32-rollout基线，并可无需重训迁移至GPQA-Diamond。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org