negative-trajectories

#negative-trajectories

ReflectRL：通过反思到直接推理从黄金负轨迹中学习

Hugging Face Daily Papers ↗ · 2026-08-04 缓存

ReflectRL是一种通过反思“黄金负轨迹”（专家模型失败的推理尝试）来学习的框架，随后将这种反思性推理迁移回直接推理，从而在多个基准上提升大语言模型的性能。

0 人收藏 0 人点赞