提出RACES框架,通过递归组合可验证环境生成复合训练数据,用于强化学习提升大语言模型推理泛化能力,在DeepSeek-R1-Distill-Qwen-14B和Qwen3-14B上分别平均提升3.1分和2.3分。
机构:中科院
来源:arXiv 2606.12373 | AI4Papers 论文推荐平台