实体 ISO-Optimizer

ISO-Optimizer

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

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

TOOL · CL_156404 · Jul 22 · 04:00

新的等谱优化框架增强了语言模型的 RLVR

研究人员推出了一种新颖的等谱优化（ISO）框架，旨在增强可验证奖励强化学习（RLVR）的优化过程。ISO 利用谱继承的概念，其中 RLVR 在重用基础模型的权重谱的同时，通过改变奇异帧来调整其行为。该方法提供了离线和在线的实例化：ISO-Merger 组合了专家模型，无需合并后数据或梯度更新；ISO-Optimizer 将 AdamW 等标准优化器应用于帧变量，同时保持谱固定。实验表明，ISO-Optimizer 显著减少了训练步数，…