ArgGYM：结构化可废止推理的过程化基准

ArgGYM 是一个面向结构化可废止推理的过程化基准与 RLVR 兼容训练环境，将推理分解为 12 个任务，并以符号论证引擎计算形式状态进行评分。基准包含 1,440 条已验证实例，覆盖 15 种课程配置、两种论证偏好排序与两种集合排序，同时支持生成新实例用于可验证奖励训练与评估。前沿模型与开源权重模型在冻结基准上呈现差异明显的推理表现，在依赖更长、结构更复杂的课程配置中性能下降。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。