提出QED-Nano(4B参数)三阶段后训练方法(SFT蒸馏、基于评分标准的RL、推理缓存增强的测试时迭代推理),使小型开源模型在奥数级定理证明任务上超越同规模及更大开源模型(如Nomos-1、GPT-OSS-120B),并接近Gemini 3 Pro性能,同时大幅降低推理成本。
机构:Hugging Face
来源:arXiv 2604.04898 | AI4Papers 论文推荐平台