PLVR：将教师轨迹编译为程序供小模型执行
热点事件持续更新
PLVR：将教师轨迹编译为程序供小模型执行
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Vishvesh Bhat 等作者在 arXiv 发布论文（arXiv:2610.19148），提出 PLVR 方法：将 Kimi-K3 教师推理轨迹中的重复操作聚类，由前沿模型为每类操作编写带类型原语，再经 A* 搜索在挖掘的规则库上组装成可验证程序，供冻结的小模型执行、检查、修复或重试动作，不改权重。 在 Telecom 基准上，Granite-4.2-8B 学生从 43.0% 提升至 91.2%，各 Nemotron 学生达 93.3%—94.4%，而基于相同轨迹微调、提示优化或两个 token 匹配基线最多为 58.2%；套件平均后各基座模型间差距从约 7 分缩小到约 2 分。作者称程序化领域用 8B 模型已足够，但在工具搜索任务（LiveMCPBench）上，8B 学生仍落后其他 Nemotron 模型 3—13 个百分点。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
PLVR将专家程序轨迹编译为可验证程序，8B模型在部分工具任务中逼近大模型报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · cs.AIPLVR将专家程序轨迹编译为可验证程序，8B模型在部分工具任务中逼近大模型
研究提出PLVR，将Kimi-K3教师轨迹中的重复操作编译为显式程序，供包括8B模型在内的冻结小模型执行、检查、修复或重试动作。在Telecom上，Granite-4.2-8B在程序辅助下由43.0%提升至91.2%，其他Nemotron学生达到93.3%—94.4%；但在LiveMCPBench上，8B学生仍落后其他Nemotron模型3—13个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。