arXiv Artificial Intelligence· Xun Lu, Shumeng Yang, Xinrui Wang, Songjun Tu, Linjing Li, Daniel Dajun Zeng·· 2 小时前AI 评分22
SIF：用选择性内部反馈让语言模型学会推理
Learning to Reason with Selective Internal Feedback
AI 导读
SIF 是一种强化学习方法，通过比较多个窗口与同伴的 token 级自置信度排序，仅在两层投票均获足够支持时给予正奖励，并用样本与组级过滤决定哪些回答参与策略优化。
来源：arXiv Artificial Intelligence · arxiv.org