论文精选73°10:17几何发散：追踪隐藏状态轨迹实现自适应多轮推理这篇论文用几何方法追踪LLM推理轨迹，能提前发现错误路径，提升任务成功率还降低token成本。#LLM#多轮推理#隐藏状态#τ-BenchaarXiv cs.AI@Jie Liang 等 4 人原文稍后读已读值得跟进有用关注 LLM
论文11:46TCPO：回合级信用分配策略优化TCPO把验证器分数拆成每一步的信用，让模型知道哪个回合真正有用，在数学、代码和Agent任务上都有效果。#TCPO#强化学习#多轮推理#AppWorldaarXiv: DeepSeek@Sicong Liao 等 3 人原文稍后读已读值得跟进有用关注 TCPO