提出Grounded Reasoning via Interactive Reinforcement Learning(GRIL)框架,通过多轮交互式强化学习将推理分解为‘澄清与暂停’和‘有根据的推理’两阶段,使模型能识别前提缺失并主动暂停请求澄清,从而显著提升前提检测率和任务成功率,同时减少幻觉和响应长度。
机构:浙大
来源:arXiv 2604.19656 | AI4Papers 论文推荐平台