arXiv · cs.AI· Shangbin Feng, Yulia Tsvetkov, Jan Kautz, David Acuna·· 11 小时前
研究提出 C-RL：评估并训练大语言模型的协作推理能力
Compositional RL: Evaluating and Training LLMs for Collaborative Reasoning
arXiv:2610.17456v1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：Shangbin Feng, Yulia Tsvetkov, Jan Kautz, David Acuna
研究任务与主要进展
作者提出组合式强化学习 C-RL，用于训练大语言模型在多模型协作系统中的策略，并以系统整体结果而非模型单独正确率作为奖励。基于论文摘要，C-RL在三种协作协议、八个推理、编码和科学发现任务的24种设置中，有21种取得最强协作者表现，协作性能平均提升4.0至5.4分，最高提升13.1分；研究同时指出，单模型能力与协作优势在多数设置下并不一致。
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