PulseAugur
实时 10:00:29
实体 Gibbs Initialization with Finite Temperature

Gibbs Initialization with Finite Temperature

PulseAugur coverage of Gibbs Initialization with Finite Temperature — every cluster mentioning Gibbs Initialization with Finite Temperature 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_245192 ·

    新的GIFT方法通过协调SFT和RL来增强大型推理模型训练

    研究人员推出了一种新方法GIFT(Gibbs Initialization with Finite Temperature,有限温度吉布斯初始化),以改进大型推理模型(LRMs)的训练后过程。该技术通过使SFT目标在结构上与后续的RL阶段兼容,解决了监督微调(SFT)和强化学习(RL)之间的优化不匹配问题。通过采用源自KL正则化RL的吉布斯最优值的令牌级变分代理,GIFT通过有限温度保留了结构多样性,与标准SFT中出现的分布坍塌不同。…