ИССЛЕДОВАНИЕ · RESEARCH · #1330
ArgGYM: процедурный эталон с проверкой движком для структурированного поражаемого вывода (arXiv:2609.38409v1)
ArgGYM — новый процедурный эталон и совместимая с RLVR среда для обучения по задаче структурированного поражаемого вывода; задача разбита на 12 подтaсков, а формальные состояния оцениваются символическим движком аргументации. В комплект входят генераторы, верификаторы и «замороженный» бенчмарк из 1 440 проверенных экземпляров в 15 конфигурациях учебного плана и с несколькими порядками предпочтений; в экспериментах передовые и открытые модели показывают разные профили рассуждений, а качество падает при увеличении зависимостей и взаимодействий структур.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- ArgGYM — новый процедурный эталон и совместимая с RLVR среда для обучения по задаче структурированного поражаемого вывода; задача разбита на 12 подтaсков, а формальные состояния оцениваются символическим движком аргументации.
- В комплект входят генераторы, верификаторы и «замороженный» бенчмарк из 1 440 проверенных экземпляров в 15 конфигурациях учебного плана и с несколькими порядками предпочтений; в экспериментах передовые и открытые модели показывают разные профили рассуждений, а качество падает при увеличении зависимостей и взаимодействий структур.
- Обеспечивает воспроизводимый эталон с верифицируемой наградой и среду для обучения для поражаемого вывода, что позволяет оценивать и оптимизировать модели на нерегулярных, ревизуемых задачах рассуждения.
ПОЧЕМУ ЭТО ВАЖНО
Обеспечивает воспроизводимый эталон с верифицируемой наградой и среду для обучения для поражаемого вывода, что позволяет оценивать и оптимизировать модели на нерегулярных, ревизуемых задачах рассуждения.