AlgoPilot：跨范式推理的策略选择与引导框架

AlgoPilot 先选策略再求解，同模型准确率升至 72.9%。

资讯摘要

论文提出 AlgoPilot 跨范式推理框架，先自适应选择解题策略并生成结构化表述，再执行求解。框架含 SteerLM（SFT+RL 训练，选择范式与模式）、GuideLM（SFT 训练，生成结构化引导）和 ExecutionLM 三部分，基于 Qwen3-8B 构建。作者报告在 5 类问题、13 个基准、66 个领域上，同模型平均准确率由 38.4% 升至 72.9%，比 GLM-5 提示基线高 11.7%。

要点速读

1. 框架由 SteerLM、GuideLM、ExecutionLM 三组件构成，分别负责策略选择、结构化引导与执行求解。
2. 作者报告在 5 类问题、13 个基准、66 个领域上，同模型平均准确率从 38.4% 提升至 72.9%。
3. 消融实验验证各组件有效性；作者称学到的引导与表述模块可跨执行模型迁移。

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 2026/11/5 08:00:38（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。