// 论文详情

PyINE：一个通过代码执行实现可扩展引导与监督的框架

推理模型在能够解决任务的同时，仍然可能默认采用更便宜但具有误导性的捷径。这产生了一个核心的监督问题：当模型给出一个看似合理但推理不完整的答案时，监督者能否判断该输出是否值得信任？为了研究