כתבה
arXiv cs.AI ·
למידה לתכנן על ידי ראייה לאחור: היררכיות של הסברה למטרת הכשרת מודלי תכנון
Learning to Plan by Looking Back: Hindsight Hierarchies for Training Reasoning Models
מאמר זה עוסק בפיתוח שלוחה עצמית למודלי תכנון, המאפשרת להם לחקור רעיונות פתרון מסולמות ופתרונות. השלוחה נבנית על ידי כשירות של המודל לספק רעיונות פתרון מסולמות, לחקור רעיונות פתרון מסולמות ופתרונות, ולפתור סולמות בעזרת רעיונות פתרון. השלוחה נבנית על ידי כשירות של המודל לספק רעיונות פתרון מסולמות, לחקור רעיונות פתרון מסולמות ופתרונות, ולפתור סולמות בעזרת רעיונות פתרון.
תקציר מקורי באנגליתarXiv:2610.12168v1 Announce Type: new Abstract: We introduce a self-improvement loop for reasoning models based on the following observation: Even when the difficulty of a problem exceeds the model's current solving abilities, an additionally supplied solution might enable the model to extract useful solution ideas in hindsight. We operationalize this by jointly training the same model to exhibit the following three capabilities: predicting solution ideas from problems alone, reverse-engineering ideas from problems and known solutions, and solving problems using provided ideas. The loop alternates between reverse engineering such ideas from problems with supplied solutions and using these ideas as additional supervision for joint training of all three capabilities. We give a formal specifi
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית