研究人员开发了GrowMTP,一种在强化学习(RL)循环内完全训练用于推测性解码的草稿头的新颖方法。这种方法无需单独预训练草稿头,从而降低了训练成本。GrowMTP利用RL训练期间产生的窄回滚分布和连续监督信号来优化草稿头。在Qwen3-4B、MiMo-7B-SFT和Qwen3.5-4B-Base模型上的实验表明,回滚生成和端到端训练时间均显著加快。 AI
影响 通过将草稿头优化直接集成到RL过程中,加速LLM训练,减少计算开销。
排序理由 该集群描述了一篇关于训练AI模型的新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- GrowMTP
- Hugging Face
- large-language models
- MiMo-7B-SFT
- Qwen3-4B
- Qwen3.5-4B-Base
- reinforcement learning
- speculative decoding
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →