论文 ·2026年7月28日 · 约 1 分钟读完 ·arxiv.org LeAct从专家动作反推推理链提升泛化能力 普林斯顿提出,用专家动作作为监督源训练推理模型 A 原文来源 arxiv.org https://arxiv.org/abs/2607.21856 打开原文