本期“TAI快报”探讨了五篇AI前沿论文的关键内容：

1. Learning to chain-of-thought with Jensen's evidence lower bound提出用Jensen证据下界优化思维链，无需外部奖励函数，在数学推理任务上展现竞争力。
2. Optimizing Language Models for Inference Time Objectives using Reinforcement Learning通过强化学习优化推理时目标如pass@k，提升AI实际使用表现。
3. Scaling Evaluation-time Compute with Reasoning Models as Process Evaluators利用推理模型评估过程和结果，提高评估质量和问题解决能力。
4. Evolutionary Policy Optimization融合进化算法和强化学习，提升样本效率和复杂任务性能。
5. Scaling Laws of Synthetic Data for Language Models通过SYNTHLLM框架验证合成数据的扩展规律，为数据短缺提供新解法。

完整推介：https://mp.weixin.qq.com/s/zqyK7ijwX4NkK-I8-V_dtg