提出RA-RFT框架,通过检索增强的强化微调使语言模型学习类比推理,在AIME 2025等数学推理基准上相比标准RLVR方法(如GRPO)显著提升准确率(例如Qwen3-1.7B上平均提升7.1个百分点)。
机构:Meta
来源:arXiv 2606.13680 | AI4Papers 论文推荐平台