PulseAugur
中
实时 08:24:27
实体 CurioSFT

CurioSFT

PulseAugur coverage of CurioSFT — every cluster mentioning CurioSFT across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_143806 ·

    新CurioSFT方法增强大型推理模型探索能力

    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。