AI 與世界的難題 · 物理學 · arXiv · 2026-10-22
為量子場論微調小型推理模型
原標題: Fine-Tuning Small Reasoning Models for Quantum Field Theory
作者首次就 LLMs 在理論物理可驗證解題任務上的表現，對強化學習（RL）與監督式微調（SFT）進行學術比較，並選定量子場論（QFT）作為主要領域。由於可驗證的訓練資料稀缺，他們建立了一套資料生成管線，既能產生超過 2,500 道合成問題，也能改編來自 arXiv 與標準教學資源的現有人工撰寫問題以供訓練。兩種方法在所有資料集上都優於基礎模型，但 SFT 的增益集中在分布內的合成任務，而 RL 的泛化能力更佳，在人工改編資料集與 TPBench 上勝過 SFT；作者並釋出其資料管線、可驗證的 QFT 訓練資料與約 200M tokens 的 QFT 推理軌跡，同時附上一份關於思考鏈錯誤在訓練過程中如何演變的分析。