Lifted State Policy Optimization：通过转移几何内化自我修正

基于摘要分析。该研究面向语言模型推理中的自我修正：偏好优化主要排序最终答案，轨迹强化学习主要优化累计回报，而 LSPO 将从有缺陷推理状态到更好状态的、经成本调整的有限转移作为学习基本单位，目标是把修正能力内化到单次生成策略中。 机制上，每个文本答案附加一个学习得到的连续坐标，形成由能量函数评价和排序的提升状态（lifted state）。塑形奖励推动能量下降，同时计入编辑与步骤成本；内化损失则将选出的低能量答案吸收到直接生成器中。摘要未给出连续坐标的参数化、能量函数与损失的具体形式，以及候选修正的采样和筛选流程。 作者报告，在 Qwen3.5-27B 上，单次生成策略在数学、科学、代码和逻辑基准上的汇总 Accuracy 为 71.8%，测试时反思对照为 71.9%，同时延迟降低 28%、token 用量减少 25.8%。这些结果仅对应摘要所述汇总评估，具体基准、聚合权重、数据划分及延迟测量条件尚未验证。作者还报告，该模式在稠密与混合专家骨干上成立，匹配对照支持转移归因、提升坐标和答案内化各自具有贡献，但具体效应量、消融协议及统计信息尚未验证。 作者提供了代码仓库地址；代码内容、训练数据与复现资源需求尚未核验。研究的主要对象是语言模型文本推理，并非 EEG 解码或 BCI；摘要未提供与神经信号任务直接对应的机制和证据，因此不据此推断 BCI 有效性。已有 EEG 相关工作尚未检索确认。