这是本周的仪式研究摘要，一份涵盖LLM世界和加密与AI交集最新动态的通讯。 每周有数百篇论文发表，跟上最新动态几乎是不可能的。我们为您阅读，所以您无需这样做。

RLVE：为语言模型扩展强化学习，采用自适应可验证环境 作者介绍了RLVE用于后期训练，其中使用了"自适应可验证环境"，根据模型的技能水平生成问题。

RLVE 方法通过使用 RLVE-Gym 训练 OpenThinker3-1.5B 进行了测试，RLVE-Gym 是一个包含 400 种不同学习环境的集合。使用 RLVE 进行训练使推理能力提高了 3.37%，同时计算资源使用减少了 3 倍。

太好以至于不好：关于大型语言模型在扮演反派角色时的失败 这项工作发现，经过训练以提供帮助和安全的AI模型，讽刺地说，"太好"以至于无法扮演反派角色。大型语言模型的表现下降，难以处理像欺骗/操控这样的特质。

安全对齐使得AI模型拒绝有害请求，但也阻止了它们真实地模拟道德复杂的角色，这些角色在创意写作、游戏和社会科学等任务中是必需的。 他们还引入了一个"道德角色扮演"基准来测试大型语言模型（LLMs）。

SSR：用于大型语言模型推理的苏格拉底自我精炼 这项工作介绍了SSR，它帮助AI模型通过将答案分解为更小的部分，识别哪些具体步骤不稳固，并加以修正，从而评估推理。

SSR 将模型响应分解为更小的 "苏格拉底步骤"，这些步骤类似于子问题/子答案对。这使得可以修正推理链中的特定错误。 在 5 个基准和 3 个 LLM 中，这种有针对性的方法优于盲目自我纠正的方法。

SWE-效率：语言模型能否在真实工作负载上优化真实世界的代码库？ 这项工作引入了一个基准，以测试语言模型在真实软件项目中优化代码的能力。它包括来自流行机器学习库的498个任务。

给定的仓库模型必须找到性能瓶颈并修复它们。 他们发现，今天最好的 AI 模型的加速效果不到专家的 15%。这些模型在定位需要优化的正确代码、推理函数如何协同工作以及保持编辑无错误方面都面临困难。

关注我们 @ritualdigest，获取更多关于加密货币与 AI 研究的内容， 以及 @ritualnet，了解 Ritual 正在构建的内容。