数学推理

SuperCorrect 论文阅读：两阶段微调，借助大模型的层次化思维模板与跨模型协作 DPO，提升小模型的数学推理与自我纠错能力。

ReasonFlux 论文阅读：构建思维模板库，并通过分层强化学习规划模板轨迹，提升 LLM 的复杂数学推理能力。