Diversité des chemins de raisonnement : augmentation par équivalence symbolique pour l'exploration en RL
En bref
- EquivAug génère des chemins de raisonnement divers via des transformations symboliques vérifiables.
- La diversité des étapes de raisonnement en fine-tuning améliore les performances en RLVR.
- Les expériences sur GSM8K et FOLIO montrent une corrélation positive entre diversité et précision.
Cette étude explore l'impact de la diversité des étapes de raisonnement dans les données de fine-tuning supervisé sur les performances du renforcement par apprentissage avec récompenses vérifiables (RLVR). Les auteurs proposent EquivAug, un cadre d'augmentation de données utilisant des transformations d'équivalence symbolique pour générer des chemins de raisonnement variés et corrects.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Comment nous rédigeons · Signaler une erreur