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

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_156404 · Jul 21 · 17:51

新的 ISO 框架以更少的训练步骤优化语言模型的 RLVR

研究人员推出了一种名为 Isospectral Optimization (ISO) 的新框架，旨在提高语言模型中可验证奖励强化学习 (RLVR) 的效率。ISO 利用了谱继承的概念，其中 RLVR 主要修改模型权重的输入和输出奇异帧，而不是其核心谱结构。这种方法可以实现更有效的适应，并且可以离线（ISO-Merger）应用，用于在没有新数据的情况下组合专业模型，也可以在线（ISO-Optimizer）应用，使用 AdamW 和 Mu…