ERR+: sequentiële entropie-resolutie voor efficiënt en besluitvaardig redeneren van LLM's

arXiv:2608.28771v1 Aankondigingstype: nieuw Samenvatting: Grote redeneermodellen behalen sterke prestaties op complexe taken door uitgebreide chain-of-thought (CoT)-sporen te genereren via reinforcement learning met verifieerbare beloningen (RLVR). Hoewel huidige RLVR-methoden sterke resultaten hebben behaald met op correctheid gebaseerde beloningssignalen, bieden ze beperkte sturing op de kwaliteit van het redeneerproces zelf, waardoor de interne redeneerstructuur grotendeels ongeoptimaliseerd blijft. Door empirische analyse over meerdere