关于 ERR+ 的报道

ERR+提出两阶段RLVR框架，基于正确推理轨迹在思考阶段有更频繁、更大的token熵下降的观察，用熵信号优化推理过程本身。相比此前仅依赖正确性奖励的RLVR，该方法首次将token级熵下降作为过程奖励信号，为推理质量优化提供新方向，但有效性仍需实验验证。