SAGE：用结构信号纠偏长推理

2026年10月7日，机器之心报道，弗吉尼亚理工大学、威斯康星大学麦迪逊分校和达特茅斯学院团队在 NeurIPS 2026 论文中提出 SAGE，用符号闭包分析（SCA）解释长推理中的探索偏差与累积偏差，并将这一诊断转化为训练时的结构引导。报道称，在 AC 实例上，Lean 验证通过率接近 8 倍。论文所述“无额外推理开销”指训练完成后推理直接使用学到的策略，不再运行结构引导模块的评分或额外搜索；这些结构模块会增加训练阶段的候选评分与距离计算成本。报道同时指出，AC 这类符号任务能精确定义局部合法性，自然语言任务则需估计残差和目标锚点，理论保证不能原样搬过去；如何在规则不如 AC 明确的任务中构建可靠结构信号，仍需继续检验。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。