待验证50% 置信基准精确时间
论文在三种学生设定（非思考生成、思考生成、基座模型初始化）下评估OC-OPD，在数学推理任务上取得明显增益，并能迁移到分布外的科学问答和代码生成任务。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至：2027/2/1
来源
涉及实体
相关事实
待验证o1/o3 等以推理为核心训练目标的模型在医学诊断、法律分析等非数学领域也呈现明显的能力跃升71% 相似待验证物品空间 OPD 的核心设计是：将学生模型输出的文档分数排序成 ranked sequence，然后将该列表作为输入喂给生成式教师模型，教师基于该列表提供条件反馈来直接监督学生模型的分数。69% 相似已验证推理范式本质上是将强化学习应用于语言模型的后训练阶段，让模型自主探索推理路径并根据答案正确性获得奖励反馈，最早在o1系列模型中公开展示69% 相似待验证论文在两个 Qwen3 学生模型、六个数学推理基准上验证了 CriticOPD 的效果，结果显示其在 OPD 基础上带来稳定提升68% 相似待验证实验显示LoopOPD显著提升了模型的数学推理能力，D-LoopOPD通过动态教师更新带来进一步增益67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129552API
curl https://kongchang.com/api/v1/knowledge/claims/1129552MCP
get_claim(id=1129552)