Studio RLVR Modella Profondità del Ragionamento e Complessità Ambientale

Un recente studio pubblicato su arXiv (2605.26934) mette in discussione la prospettiva limitata sul ragionamento nell'apprendimento per rinforzo con ricompense verificabili (RLVR). I ricercatori introducono un quadro bidimensionale per il ragionamento, che include la difficoltà—comprendente la profondità del ragionamento e la complessità ambientale (dove i modelli gestiscono distrattori e strutture interattive)—e i tipi di ragionamento premiati, come il tracciamento deduttivo dello stato, il recupero abduttivo, l'induzione di regole induttive e il trasferimento analogico. Per esplorare questi elementi, hanno sviluppato un ambiente sintetico di grafo di conoscenza con distribuzioni controllate pre e post-addestramento, con variazioni di profondità, complessità e categorie di compiti. L'obiettivo dello studio è migliorare il post-addestramento RLVR affrontando la diversità del ragionamento incontrato in scenari reali.