提出VHG(验证器增强的三方自博弈难题生成框架),用于数学推理等任务的难题生成,通过引入独立验证器解决传统自博弈的奖励黑客问题,实验表明该方法能生成有效且具挑战性的题目,显著提升模型在多项数学基准上的求解性能。
机构:香港城市大学
来源:arXiv 2605.06660 | AI4Papers 论文推荐平台