**RACES：递归组合可验证环境，提升大模型推理泛化能力**

_Verifiable Environments Are LEGO Bricks: Recursive Composition for Reasoning Generalization_

> 本文提出RACES框架，将可验证环境视为可组合的构建块，通过递归自动组合实现环境扩展。关键洞察是当一个环境的输出类型与另一个环境的输入类型匹配时，可自动融合成新环境。定义了顺序、并行、排序和选择等组合算子，诱导多样化推理模式。实验表明，在组合环境上训练能持续增强推理泛化，DeepSeek-R1-Distill-Qwen-14B平均提升3.1分，Qwen3-14B提升2.3分，且仅用50个基础环境即可达到使用300个单独环境的性能，显著提高环境利用效率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.12373)