arXiv · cs.AI· Xun Lu, Shumeng Yang, Xinrui Wang, Songjun Tu, Linjing Li, Daniel Dajun Zeng·· 6 小时前
SIF强化学习方法结合比较奖励与选择性策略更新提升数学与科学推理准确率
Learning to Reason with Selective Internal Feedback
arXiv:2610.21392v1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：Xun Lu, Shumeng Yang, Xinrui Wang, Songjun Tu, Linjing Li, Daniel Dajun Zeng
研究任务与主要进展
Xun Lu等人提出SIF强化学习方法，通过比较多窗口与多同伴的词元级自确定性构造奖励，并结合样本和组级过滤更新策略，以改善模型置信度与推理正确性偏离的问题。
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