# 组合式自我改进

模型对更难、分布外样本难以给出可靠自生成监督，组合式自改进改为先预测较简单的子问题，再按组合规则拼成整题标签并反复训练。在三个可控算法任务上，这种组合标签把可靠预测推到初始范围之外，而直接自改进在加法与网格导航上几乎没有扩展；程序生成与多跳推理也显示组合标签比直接自标签更准确，但子问题不可靠、组合规则失效和监督覆盖不足会限制收益。

模型对更难、分布外样本难以给出可靠自生成监督，组合式自改进改为先预测较简单的子问题，再按组合规则拼成整题标签并反复训练。在三个可控算法任务上，这种组合标签把可靠预测推到初始范围之外，而直接自改进在加法与网格导航上几乎没有扩展；程序生成与多跳推理也显示组合标签比直接自标签更准确，但子问题不可靠、组合规则失效和监督覆盖不足会限制收益。