arXiv · cs.AI· Yutong Chen, Zhichao Xu, Rui Liu, Kunpeng Liu·· 1 天前
LEAF通过动态记忆与自蒸馏提升LLM推理中的RLVR探索效率
Explore with Memory, Learn without It: In-Context Exploration and Self-Distillation for LLM Reasoning
arXiv:2610.17734v1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：Yutong Chen, Zhichao Xu, Rui Liu, Kunpeng Liu
研究任务与主要进展
研究者提出LEAF，在每次rollout前注入包含最近回答、奖励和环境反馈的动态问题记忆，并通过自蒸馏更新策略。基于论文摘要，在四个基准和两个开放模型上，LEAF相较随机采样使探索速度约提升4倍，在未见测试集上准确率相对最强基线提高1.59和1.83个百分点，同时计算量低于所比较的RL基线；代码地址为https://github.com/on1262/LEAF。
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