Arca

新的 ARCA 方法改进了 LLM 在微调中的信用分配

研究人员推出了一种名为适配器-残差信用分配（ARCA）的新方法，用于在语言模型强化学习中分配 Token 的信用。ARCA 解决了参数高效微调（如 LoRA）中的一种失败模式，在这种模式下，标准的信用信号可能会退化。ARCA 不依赖于输出分布的变化，而是衡量适配器对模型隐藏状态的实际影响。这种方法不需要额外的学习组件，并在 MATH 数据集和 Qwen3-1.7B 的实验中取得了具有竞争力的结果。