כתבה
arXiv cs.AI ·
העברה מתמטית ב-LLM
Mathematical Transfer in LLMs Follows Reasoning Approach More Than Topic
חוקרים בדקו את היעילות של העברה מתמטית במודלים LLM. התוצאות הראו שגישת היגיון מניבה תוצאות טובות יותר מאשר נושאים מתמטיים. המחקר בחן שני עיצובים של 2x2 עם 2000 ו-800 בעיות.
תקציר מקורי באנגליתarXiv:2610.00331v1 Announce Type: new Abstract: When selecting mathematical training data for LLMs, a natural organizing principle is topic: probability examples for probability targets. An alternative is reasoning approach: worked solutions that share a solution method with the target, even when the mathematical domain differs. We ask which relation produces greater transfer after fine-tuning. We evaluate two counterbalanced $2\times2$ designs: probability and combinatorics crossed with invariant reasoning and double counting (2,000 problems), and number theory and geometry crossed with complement and pigeonhole reasoning (800 problems). In each design, every cell serves as the held-out target in turn: same-approach (SA) sources share the target's method but change the topic, while same-t
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית