论文页面 - Stratagem：通过轨迹调制博弈自博弈学习可迁移推理

来源：https://huggingface.co/papers/2604.17696
作者：,,,,,,,,,,

摘要

STRATAGEM 通过引入“推理可迁移性系数”和“演化奖励”，鼓励抽象、跨领域的通用模式，而非博弈专用启发式，从而解决语言模型推理迁移受限的问题。

游戏为培养语言模型的通用推理能力提供了理想范式，天然要求战略规划、概率推理与自适应决策。然而，现有自博弈方法仅依赖最终胜负信号，无法区分可迁移的推理模式与博弈专用启发式。我们提出 STRATAGEM，针对推理迁移的两大根本障碍：领域特异性（所学模式受限于博弈语义）与情境静态（静态博弈情境无法促进渐进推理）。STRATAGEM 通过推理可迁移性系数选择性强化展现抽象、跨领域推理的轨迹，并利用推理演化奖励激励自适应推理能力的发展。在数学推理、通用推理与代码生成基准上的实验表明，STRATAGEM 显著提升性能，尤其在需要多步推理的竞赛级数学任务上增益最强。消融实验与人工评估均证实，两大组件共同促进了可迁移推理。

查看 arXiv 页面 (https://arxiv.org/abs/2604.17696)
查看 PDF (https://arxiv.org/pdf/2604.17696)
GitHub0 (https://github.com/ydyyyy/Stratagem)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2604.17696)

在智能体中获取该论文：

hf papers read 2604.17696

尚未安装最新 CLI？
curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型 0

暂无模型关联该论文

在模型 README.md 中引用 arxiv.org/abs/2604.17696 即可在此页面显示链接。

引用该论文的数据集 0

暂无数据集关联该论文

在数据集 README.md 中引用 arxiv.org/abs/2604.17696 即可在此页面显示链接。

引用该论文的 Spaces 0

暂无 Space 关联该论文

在 Space README.md 中引用 arxiv.org/abs/2604.17696 即可在此页面显示链接。

收录该论文的合集 0

暂无合集收录该论文

将该论文添加到合集即可在此页面显示链接。