1 published article
数学推理
M3的数学推理方法结合了三个专家模型：Proof（证明）、Verifier（验证器）和Fixed（修正），并搭配一个进化搜索框架。该报告提供了关于奖励黑客攻击、验证器对齐以及使生成式验证器在高风险推理任务中可靠所需的工程细节的罕见详述。
2026-07-11