PulseAugur
中
实时 07:34:06
English(EN) Entropy-Preserving Supervised Fine-Tuning via Adaptive Self-Distillation for Large Reasoning Models

新CurioSFT方法增强大型推理模型探索能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了CurioSFT，一种新颖的大型推理模型监督微调方法，旨在保持其探索能力。与可能导致过度自信和多样性降低的标准SFT不同，CurioSFT使用自探索蒸馏和自适应温度选择来鼓励探索而不遗忘知识。实验表明，CurioSFT在SFT阶段的分布内和分布外任务上均提高了性能，并且这些保留的探索能力转化为后续强化学习阶段的显著收益。 AI

影响 该方法通过提高大型推理模型在训练过程中的探索能力，有望使其更加强大和通用。

排序理由 该集群包含一篇详细介绍大型语言模型微调新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新CurioSFT方法增强大型推理模型探索能力

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Hao Wang, Hao Gu, Hongming Piao, Kaixiong Gong, Yuxiao Ye, Xiangyu Yue, Sirui Han, Yike Guo, Dapeng Wu ·

    面向大型推理模型的熵保持自适应自蒸馏监督微调

    arXiv:2602.02244v3 Announce Type: replace-cross Abstract: The standard post-training recipe for large reasoning models, supervised fine-tuning followed by reinforcement learning (SFT-then-RL), may limit the benefits of the RL stage: while SFT imitates expert demonstrations, it of…

相关实体

相关话题