在人工智能领域，数学推理能力的提升一直是研究者们的热点话题。最近，来自上海AI实验室、上海交通大学和香港中文大学的研究团队联合发布了一项令人瞩目的研究，标题为"BoostStep: Boosting Mathematical Capability of Large Language Models via Improved Single-step ...

这项由上海AI实验室、上海交通大学和香港中文大学联合完成的研究发表于2025年2月17日的arXiv预印本服务器，论文题为"BoostStep: Boosting Mathematical Capability of Large Language ...

涉及这一方法的有两篇发布于今年5月的论文。第一篇是SEALab的《无验证器强化通用推理》。它的逻辑也很简单，就是与其相信外部验证器，不如直接 用模型自身对答案的“自信度”来设定奖励。

2005年，我在国内备战高考，而刘健则随家人前往美国重新开始高中生活。凭借一份定向培养的奖学金，他踏入了教育领域。从一线教师到纽约州教育专员，再到教师培训者，刘健逐步适应并深入了解了美国教育体系的复杂性与多样性。 作为北京人，刘健受90年代电视剧《北京人在纽约》的影响，去纽约求学和工作成为了一种时代潮流。如今，刘健已在纽约生活二十年，担任过高中数学教师、纽约市教育局与州教育厅职员，也曾在纽约大学担 ...

在过去相当长的一段时间内，强化学习是否能带来推理能力引发了诸多讨论。在多篇论文的累积下，学界逐渐形成了一种共识，即RL更多的只是在做一个搜索剪枝的功能，让采样更有效率，其输出的正确答案，并未超越预训练模型本身的能力。