牛哥精选 · 半年

📋 全部 🤖 AI·大模型 ⚡ 效率工具 📝 深度技术 🚀 产品观察 💰 商业科技 🔓 开源项目 🎨 设计创意 📖 阅读推荐 🏷 资源合集 🌱 成长效率

📝 深度技术 arXiv NLP 2026-07-07

Spinning Straw into Gold: Relabeling LLM Agent Trajectories in Hindsight for Successful Demonstrations

让失败轨迹逆向重生，用后见之明把废料炼成黄金，有效提升LLM Agent成功率。

arXiv:2607.04235v1 Announce Type: new Abstract: Large language model agents operate in partially observable, long-horizon settings where obtaining sup…

llm agent 轨迹重标注后见之明演示学习 iclr 2026

🤖 AI·大模型 arXiv AI 2026-06-05

Escaping the Verifier: Learning to Reason via Demonstrations

提出逃离验证器限制的新路径，通过示范数据学习推理，或为强化学习与大模型推理带来突破。

arXiv:2511.21667v4 Announce Type: replace-cross Abstract: Training Large Language Models (LLMs) to reason often relies on Reinforcement Learning (RL) …

大模型推理验证器演示学习逻辑推理 llm能力提升

📅 日期

2026-05-20 2026-05-19

🐂 牛哥精选

Spinning Straw into Gold: Relabeling LLM Agent Trajectories in Hindsight for Successful Demonstrations

Escaping the Verifier: Learning to Reason via Demonstrations

📅 日期