https://uestcyz.top/tags/%E6%95%B0%E5%AD%A6%E6%8E%A8%E7%90%86/Recent content in 数学推理 on Plutohttps://uestcyz.top/social.pnghttps://uestcyz.top/social.pngHugozh-CNSat, 31 May 2025 21:23:55 +0000https://uestcyz.top/posts/research-supercorrect/Sat, 31 May 2025 21:23:55 +0000https://uestcyz.top/posts/research-supercorrect/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。https://uestcyz.top/posts/research-reasonflux/Sun, 11 May 2025 04:35:40 +0000https://uestcyz.top/posts/research-reasonflux/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。