verifier-grounded

FlowBalance 介绍了一种基于验证器的自改进技术，该技术在 Qwen3-8B 模型上相比 GRPO 平均提升了数学推理性能 2.12 分，提供了更快的训练速度、更强的稳定性和更高的解决方案多样性。

FlowBalance是一种基于验证器的自我改进方法，通过校准在策略推理经验来增强AI模型在数学推理任务中的性能和稳定性。

介绍了SBCO，一种面向规划智能体的自监督、基于验证器的框架优化器，它通过近似块坐标上升法改进智能体输出，以远少于自修改基线的计算量达到或超越其性能。