Sci-CoE：通过几何共识与稀疏监督共进化科学推理大语言模型

大型语言模型（LLMs）在推理能力方面表现出色，但在科学推理任务中仍存在脆弱性，主要由于解决方案评估不可靠且验证策略多样性有限。本文提出Sci-CoE，一种两阶段的科学共进化框架，使模型能够在从稀疏监督过渡到无监督学习的过程中，同时作为求解器和验证器进行自我进化。第一阶段中，模型利用少量标注数据为验证器建立基础正确性判断锚点；第二阶段引入几何奖励机制，综合考虑共识性、可靠性和多样性，推动大规模无标签数据的自迭代。实验表明，Sci-CoE提升了复杂推理能力并具有良好的可扩展性，有助于构建更稳健和多样的评估系统。