跳转至

SPEAR：符号推理骨架的顺序过程奖励

复现级别：核心机制 mini-suite。 实现领域 milestone、顺序对齐与无神经 PRM 的稠密奖励。

论文信息

字段 内容
论文链接 arXiv 2608.26550
公司 / 机构 University of Pittsburgh（第一作者第一署名单位）
首次公开日期 2026-08-27（arXiv v1）
原作者代码 是：zhuochunli/SPEAR
本地 adapter / 方法 spear
本地复现代码 src/auto_research/post_training/latest_20260829.py

原始论文总结

背景与主要改动

结果奖励过稀，神经 PRM 又昂贵。SPEAR 把教师推理投影为领域符号 milestone，用 LCS-F1 给学生轨迹提供顺序敏感的稠密奖励。

flowchart LR
  T[教师推理] --> A[符号 milestone]
  S[学生 rollout] --> L[LCS-F1 对齐]
  A --> L
  L --> R[稠密过程奖励]

原论文关键图

SPEAR：符号推理骨架的顺序过程奖励 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ R_{SPEAR}=\frac{2P_{LCS}R_{LCS}}{P_{LCS}+R_{LCS}}. \]

论文离线与线上效果

在数学、科学与常识推理上均改善学生蒸馏效果，并避免外部神经 verifier；无工业线上 A/B。

本地复现

arithmetic-smoke 100 steps：accuracy 0.1953 → 0.2812，神经 PRM 调用数为 0。

指标见 metrics/arithmetic-smoke-seed42.json。批次索引见 ../../experiments/latest-20260829-seed42.json。

复现边界

本地 milestone 使用候选过程/格式轴，不等同论文的自然语言符号抽取器。