這是本週的儀式研究摘要，一份涵蓋LLM世界和加密與AI交集最新動態的通訊。 每週有數百篇論文發表，跟上最新動態幾乎是不可能的。我們為您閱讀，所以您無需這樣做。

RLVE：為語言模型擴展強化學習的自適應可驗證環境 作者介紹了 RLVE 用於後訓練，使用 "自適應可驗證環境" 根據模型的技能水平生成問題。

RLVE 方法通過使用 RLVE-Gym 訓練 OpenThinker3-1.5B 進行測試，該方法包含 400 種不同的學習環境。使用 RLVE 進行訓練使推理能力提高了 3.37%，同時計算資源使用量減少了 3 倍。

太好以至於不好：關於大型語言模型在角色扮演反派方面的失敗 這項研究發現，訓練成為有幫助和安全的 AI 模型，諷刺地說，"太好"以至於無法扮演反派。大型語言模型的表現下降，難以處理像是欺騙/操控等特徵。

安全對齊使得 AI 模型拒絕有害請求，但也阻止了它們真實地模擬道德複雜的角色，這些角色在創意寫作、遊戲和社會科學等任務中是必需的。 他們還引入了一個 "道德角色扮演" 基準來測試 LLMs。

SSR：蘇格拉底自我精煉，用於大型語言模型推理 這項工作介紹了SSR，幫助AI模型通過將答案分解為更小的部分來評估推理，識別哪些具體步驟不穩定，並修正它們。

SSR 將模型的回應分解為更小的 "蘇格拉底步驟"，這些步驟類似於子問題/子答案對。這使得能夠修正推理鏈中的特定錯誤。 在 5 個基準和 3 個 LLM 中，這種有針對性的方法的表現超過了盲目自我修正的方法。

SWE-fficiency：語言模型能否在實際工作負載上優化現實世界的代碼庫？ 本研究介紹了一個基準，以測試語言模型在現實世界軟體專案中優化代碼的能力。它包含來自流行機器學習庫的498個任務。

給定的回購模型必須找到性能瓶頸並修復它們。 他們發現，當今最好的 AI 模型的速度提升不到 15%。這些模型在定位需要優化的正確代碼、推理函數如何協同工作以及保持編輯無錯誤方面都面臨挑戰。

關注我們 @ritualdigest 獲取有關加密貨幣與 AI 研究的更多資訊，並且 @ritualnet 了解 Ritual 正在構建的內容。