ReflectRL: ゴールデン・ネガティブ・トラジェクトリからの反省的推論

arXiv cs.AI ・ 2026-08-04

原題: ReflectRL: Learning from Golden Negative Trajectories via Reflective-to-Direct Reasoning

AI による要約

LLMの推論能力向上に向け、専門モデルの失敗例（ゴールデン・ネガティブ・トラジェクトリ）から反省的な学習を行う「ReflectRL」を提案した。失敗からの振り返りが、難問に対する直接解決よりも効果的なケースがあることを示した。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.AI）をご確認ください。