泛化能力

研究者提出一种基于严格启动验证的自蒸馏方法，通过执行成功率筛选训练样本，使14B参数模型在陌生游戏家族的生成成功率从8.8%提升至42.2%，验证了‘验证器即课程’的核心观点。

研究者提出策略引导策略优化方法，通过提炼可复用的推理策略而非单纯模仿解题步骤，显著提升语言模型的泛化推理能力。

研究人员提出一种分层多智能体强化学习框架，通过约束流形控制实现理论安全保证与高效协调的统一，在保持近乎完美安全率的同时获得优异性能表现。