弱到強激發

深度分析

「弱到強激發」：利用錯誤草稿提升 Mathstral-7B 數學推理效能的實驗分析

本研究探討以較小、領域專精但錯誤的草稿模型，透過不匹配的方式注入強化學習上下文，提升Mathstral-7B在MATH-500與AIME2025/2026的通過率，最終達到71.98%的最高成績，顯示此弱到強激發策略能擴展模型推理能力。此結果挑戰了僅能銳化模型模式的既有觀點。