arXiv · cs.AI· Gaetan Narozniak, G\'erard Biau, R\'emi Munos, Ahmad Rammal, Pierre Marion·· 1 天前
Feedback Distillation：通过大模型反馈蒸馏提升 Lean4 定理证明后训练
Distilling LLM Feedback for Lean Theorem Proving
arXiv:2605.30861v2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：Gaetan Narozniak, G\'erard Biau, R\'emi Munos, Ahmad Rammal, Pierre Marion
研究任务与主要进展
基于论文摘要，作者提出 Feedback Distillation，让模型在 token 级匹配由语言模型生成的特权反馈条件下的自身分布，以缓解 GRPO 的稀疏奖励、探索有限和模式坍缩问题。
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