弱监督下大语言模型何时能学会推理？
深度2026年4月20日33 分钟阅读
最有趣的发现是：推理忠实度（中间步骤对最终答案的逻辑支持程度）能准确预测模型在弱监督下的泛化表现，而输出多样性单独无法提供有效信息。本文适合研究大语言模型推理能力、强化学习弱监督方法以及模型泛化机制的研究人员和工程师阅读。
本文编译自 When Can LLMs Learn to Reason with Weak Supervision?，版权归原作者所有。
觉得有用？分享给更多人
相关文章
AWS FinOps Agent 进入公开预览，可通过自然语言查询成本、自动调查异常并创建 Jira 工单或 Slack 通知。权限以只读为主，构建于 Bedrock 之上，目前仅在美国东部区域可用。
深度The New Stack·6月16日·4 分钟
Anthropic 暂停了 Claude Agent SDK 的计费变更，该变更原定于 6 月 15 日生效，旨在将 Agent SDK 使用量从通用订阅额度中分离出来并单独计费。此举是在美国政府要求 Anthropic 撤下 Fable 5 和 Mythos 5 模型之后做出的，意在安抚开发者群体。
深度The New Stack·6月16日·3 分钟