研究团队提出GeoFaith框架学习LLM忠实推理过程

GeoFaith 研究团队在 arXiv 上提出时空潜在动力学框架 GeoFaith，用于学习大语言模型的忠实推理过程，无需过程奖励模型和步骤级过程标注。 该框架将终态潜在不确定性与预测熵动力学作为过程正则化融入 GRPO，惩罚过早坍缩、振荡和长期不确定性等异常模式，从而联合优化答案正确性与推理质量。论文中的实验显示，GeoFaith 持续提升推理准确率，生成更高效的推理轨迹，优于仅结果奖励的强化学习和过程监督基线。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。