Ricompense di Processo Verificabili Migliorano il Ragionamento Agenziale degli LLM

Un recente preprint su arXiv, numero 2605.10325, introduce un metodo noto come Reinforcement Learning from Verifiable Rewards (RLVR), che migliora le capacità di ragionamento dei Large Language Models (LLM). Lo studio evidenzia le sfide di assegnazione del credito causate da feedback sparsi a livello di risultato, proponendo l'uso di Verifiable Process Rewards (VPR) per fornire una supervisione densa a livello di turno. Esplora tre impostazioni di verifica: basata su ricerca, basata su vincoli e basata su posteriori, con enfasi sul ragionamento agenziale a lungo orizzonte utilizzando oracoli simbolici o algoritmici. I risultati sono ora disponibili su arXiv.