Rishanth Rajendhran

POLARIS 训练小型模型以更好地撰写长篇故事

研究人员开发了 POLARIS，一种旨在提高小型开放权重语言模型长篇创意写作能力的新训练方法。该方法利用一个前沿 LLM 作为裁判，并附带结构化的质量评分标准，在训练过程中纳入人类编写的故事参考作为高回报锚点。将其应用于 Qwen3.5-9B 后，由此产生的 POLARIS-9B 模型在与大型模型的竞争性表现中，即使对于超出其训练长度的故事，也显示出对长度指令的更好遵循。