[논문리뷰] Self-Improvement with Auxiliary Rewards: Learning from Verified Traces and Evaluating Transfer본 논문은 정답(Answer-level)만을 보상으로 활용하는 기존의 RLVR 방식이 동일한 정답을 도출한 서로 다른 추론 과정(Reasoning traces)을 구분하지 못한다는 한계점을 해결하고자 합니다.#Review#Self-Improvement#Auxiliary Rewards#Small Language Models#Reasoning Traces#Test-time Reinforcement Learning#DPO#SFT2026년 11월 2일댓글 수 로딩 중