Generative Adversarial Reasoner

Generative Adversarial Reasoner：敵対的強化学習でLLMの推論精度を高める新手法

> [!NOTE] > 本稿は査読前のプレプリント（arXiv:2512.16917）に基づいています。 LLMの数学的推論能力を向上させたい開発者や研究者向けに、敵対的強化学習を活用した新しいフレームワーク「Generative Adversarial Reasoner」が提案されました。このフレームワークでは、推論を行うLLMと、その推論の正しさを判定するLLMベースの判別器を敵対的に共同訓練します。推論チェーンを論理的に完結した「