算法论文9

对错之外，推理轨迹暗藏训练价值

深度学习自然语言处理2026-09-24

AI 摘要

研究者提出EchoRL强化尚不熟练的成功推理片段，ReflectRL利用专家错题的有效结构，二者均可提升大模型推理性能，证明对错标签外仍有可挖掘的训练价值。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

阿里浙大推出AI自主迭代模型Astar

阿里与浙大推出指导 AI 系统自主进化的模型 Astar，通过学习历史提交记录探索改进方向，落地 Lazada 推荐业务使线上 GMV 提升 4.86%。

港科大与微软等开源长程交互 SQL 智能体框架 HarnessSQL，8B 模型在 Spider 2.0 上取得 45.2% 执行准确率，超越多个 32B 专用模型。

弗吉尼亚理工等团队提出 Epi2Diff 框架，将大模型推理轨迹拆解为 8 类认知片段预测人类作答难度，SAT数学分类准确率达到73.0%。

启元具身研究中心发布机器人仿真世界模型 PrimeSim，通过视频生成模型推演机械臂操作并在两大基准登顶，模型权重与代码即将开源。