arXiv cs.AI· Dianxing Shi, Dingjie Fu, Tianyu Lei, Wangjie Qiu·· 4 小时前AI 评分34
MORE：面向自进化智能体的模式优化推理与自适应计算投入
More: Mode-Optimized Reasoning with Self-Adaptive Effort for Self-Evolving Agents
AI 导读
研究者提出 MORE 自进化训练框架，用两阶段训练为每个任务自适应选择推理形式与计算投入。Stage 2 以 MATE-PPO 在生成的可验证任务流上自进化，无需精选数据。在编码、数学和通用推理基准上，MORE 在 3B 到 14B 的 Base 与 Coder 骨干上稳定提升，推理响应更短、准确率更高且耗时更少。
来源：arXiv cs.AI · arxiv.org