标签
本文介绍了一种利用未来反馈预测实现开放式对话技能自我进化的方法，将对话反馈转化为固定的离线目标，从而无需实时流量即可进行可复现的技能优化。该方法在保护隐私的销售助手数据集上实现了超过75%的预测准确率。
Forethought 是一种神经符号推理系统，它将推理视为由符号与神经基元组合成的显式、可验证的程序。该系统可将基础模型准确率相对提升约 30%，使小模型在保持模型无关性与可审计性的同时，达到甚至超越前沿模型。
一个3B模型VibeThinker-3B通过在Qwen2.5-Coder上进行后训练优化，包括课程SFT、多领域RL、离线自我蒸馏以及最终的基于RL的指令阶段，在可验证推理任务上取得了极具竞争力的结果。
本技术报告介绍了VibeThinker-3B，一个3B参数的模型，通过对Qwen2.5-Coder进行训练后优化（包括基于课程的有监督微调、多域强化学习和离线自蒸馏），实现了前沿水平的可验证推理性能，达到或超越了DeepSeek V3.2等更大的模型。
VibeThinker-3B是一款紧凑型3B参数量模型，通过专门的训练流程在可验证推理任务上实现了前沿水平的性能，与DeepSeek V3.2和Gemini 3 Pro等更大模型相当。
VibeThinker-3B 是一个拥有 3B 参数的模型，通过优化 Spectrum-to-Signal Principle (SSP) 后训练流程，在数学、编程和 STEM 基准测试上实现了前沿水平的推理性能，达到了与更大模型相当的性能。
DocScope 是一个新的基准测试，旨在评估多模态大语言模型在长文档上的可靠推理能力和可信度，引入了包含页面定位、区域定位、事实提取和答案验证四个阶段的评估协议。