亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Logic-RL: Unleashing LLM Reasoning with Rule-Based Reinforcement Learning

强化学习 人工智能 计算机科学
作者
Tian Xie,Zitian Gao,Qing Ren,Huiqian Luo,Yiyu Hong,Bin Dai,Joey Tianyi Zhou,Kai Qiu,Zhirong Wu,Chong Luo
出处
期刊:Cornell University - arXiv [Cornell University]
被引量:1
标识
DOI:10.48550/arxiv.2502.14768
摘要

Inspired by the success of DeepSeek-R1, we explore the potential of rule-based reinforcement learning (RL) in large reasoning models. To analyze reasoning dynamics, we use synthetic logic puzzles as training data due to their controllable complexity and straightforward answer verification. We make some key technical contributions that lead to effective and stable RL training: a system prompt that emphasizes the thinking and answering process, a stringent format reward function that penalizes outputs for taking shortcuts, and a straightforward training recipe that achieves stable convergence. Our 7B model develops advanced reasoning skills-such as reflection, verification, and summarization-that are absent from the logic corpus. Remarkably, after training on just 5K logic problems, it demonstrates generalization abilities to the challenging math benchmarks AIME and AMC.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
萧雨墨发布了新的文献求助200
3秒前
3秒前
llllu完成签到 ,获得积分10
5秒前
深蓝盾狗_凝神定气做好准备完成签到,获得积分10
7秒前
芬芬完成签到 ,获得积分10
8秒前
15秒前
17秒前
19秒前
喻白完成签到,获得积分10
20秒前
萧雨墨发布了新的文献求助20
22秒前
喻白发布了新的文献求助10
22秒前
30秒前
Jun的应助被喻白采纳,获得10
32秒前
NexusExplorer的应助被LLL采纳,获得10
33秒前
37秒前
39秒前
43秒前
LLL完成签到,获得积分10
44秒前
fantasy的应助被科研通管家采纳,获得10
49秒前
49秒前
科研通AI65的应助被科研通管家采纳,获得10
49秒前
LLL发布了新的文献求助10
50秒前
榨菜完成签到 ,获得积分10
51秒前
CAOHOU的应助被萧雨墨采纳,获得10
1分钟前
1分钟前
yao发布了新的文献求助10
1分钟前
七友完成签到 ,获得积分10
1分钟前
渢薃完成签到,获得积分10
1分钟前
踏实的初晴完成签到 ,获得积分10
1分钟前
1分钟前
充电宝的应助被白华苍松采纳,获得10
1分钟前
科研通AI6.3的应助被萧雨墨采纳,获得10
1分钟前
1分钟前
张宝完成签到,获得积分10
1分钟前
1分钟前
1分钟前
科研通AI65的应助被萧雨墨采纳,获得10
1分钟前
淡淡砖家完成签到,获得积分20
1分钟前
1分钟前
淡淡砖家发布了新的文献求助10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Sex, Aging, and Death in a Medieval Medical Compendium: Trinity College Cambridge MS R.14.52, Its Texts, Language, and Scribe 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8190075
求助须知:如何正确求助?哪些是违规求助? 9577196
关于积分的说明 21851952
捐赠科研通 7788182
什么是DOI,文献DOI怎么找? 3436234
关于科研通互助平台的介绍 2559936
邀请新用户注册赠送积分活动 2482810