AI与世界难题 · 物理学 · arXiv · 2026-10-22
面向量子场论微调小型推理模型
原标题: Fine-Tuning Small Reasoning Models for Quantum Field Theory
作者首次对大语言模型的强化学习（RL）与监督微调（SFT）在理论物理可验证问题求解任务上进行了学术比较，并选择量子场论（QFT）作为主要领域。由于可验证训练数据稀缺，他们构建了一条数据生成流水线，既能生成超过 2,500 道合成题目，又能将来自 arXiv 和标准教学资源的现有人工撰写题目改编后用于训练。两种方法在每个数据集上都优于基础模型，但 SFT 的提升集中在分布内合成任务上，而 RL 泛化能力更强，在人工改编数据集和 TPBench 上胜过 SFT；作者还发布了其数据流水线、可验证的 QFT 训练数据以及约 200M 个 token 的 QFT 推理轨迹，并附带分析了思维链错误在训练过程中如何演变。