论文
When Does External Guidance Help LLM Reasoning?
提出GA-GRPO统一框架的学术论文，系统性地分析外部引导对大语言模型推理训练的影响，从理论层面给出收敛速率、偏差界限和最优引导权重的闭式解
时间轴 (近 90 天)
10月7日
论文《When Does External Guidance Help LLM Reasoning?》提出了统一框架Guidance-Augmented GRPO（GA-GRPO），为外部引导类方法提供收敛速率、偏差界限和最优加权规则
待验证50%