09:40
官方账号arXiv cs.AI@Yuzhou Liu, Xiyang Hu
推荐理由：这篇论文教模型用自己脑内的几何结构来挑正确答案，不用额外奖励模型，在GSM8K和MATH上比原版ScPO高出4个多点。
MATH-Numeric
共 1 条相关 AI 资讯
8月4日
09:40
Cloud-ScPO 提出从大模型内部表征的几何结构中挖掘偏好信号，无需外部奖励模型。它利用少量标注样本构建正确与错误的参考云，将每条推理轨迹映射为平均池化隐藏状态，并用组件级软k近邻打分。在GSM8K和MATH-Numeric数据集上，Cloud-ScPO相较ScPO最高提升4.49%和4.19%。对配对轨迹的分析显示，该方法在保持正确率的同时，能更有效筛选出高质量的正确轨迹。