强化学习可让模型从长文档中自主学习并提升解题准确率。
资讯摘要
论文研究大模型的“自主学习”能力，即从长篇参考资料中即时检索、学习并应用知识。作者构建基于教科书的数学解题任务，要求模型阅读讲解、学习原理并为习题构造证明，且不提供参考答案，同时提出 BookNavigator 接口，用细粒度奖励的强化学习激励该过程。作者报告 Intern-S2-Preview-35B 的整体证明准确率从 51.5% 升至 79.5%，并在 BrowseComp-Plus 与 CL-bench 上分别较基座模型提升 1.7 和 2.3 个百分点。
要点速读
- 论文提出基于教科书的数学解题任务，要求模型自主阅读讲解并构造证明，参考答案不提供。
- 作者设计 BookNavigator 接口，以细粒度奖励的强化学习激励自主学习过程。
- 作者报告 Intern-S2-Preview-35B 证明准确率由 51.5% 升至 79.5%，并在 BrowseComp-Plus、CL-bench 上分别提升 1.7 和 2.3 个百分点。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。