Sci-CoE 用稀疏监督加几何共识奖励，让科学推理模型自进化。
资讯摘要
论文提出 Sci-CoE 两阶段协同进化框架，面向缺乏可验证反馈的科学推理领域，让模型同时作为求解者与验证者自我进化。第一阶段用少量标注数据为验证器建立正确性判断锚点；第二阶段引入同时考虑共识、可靠性与多样性的几何奖励机制，在无标注数据上大规模自迭代。作者报告在多个通用科学基准上提升了复杂推理能力并具可扩展性，代码已开源。
要点速读
- 论文提出两阶段协同进化框架 Sci-CoE，使模型在求解者与验证者两种角色间自我进化。
- 第一阶段用少量标注数据建立验证器的正确性判断锚点，第二阶段用几何奖励机制在无标注数据上自迭代。
- 作者报告在多个通用科学基准上增强复杂推理能力并表现出可扩展性，代码发布于 GitHub。
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 2026/10/24 08:00:37（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。