代理式命题生成：通过组合技能合成增强大型语言模型推理能力

针对高质量可验证推理数据集稀缺且标注成本高昂的问题，本文提出“代理式命题生成”框架。该方法将问题合成建模为目标驱动的序列决策过程，利用智能体动态选择并组合模块化推理技能。通过内部反思与工具使用的迭代工作流，结合多粒度策略优化（MGPO），生成了涵盖数学、编程和科学领域的高精度训练轨迹。实验表明，基于该合成数据训练的求解器在跨域泛化性上显著优于基线，仅需少量数据即可在 AIME25 上达到 91.6% 的准确率，媲美前沿专有模型。