新范式 PUST：小模型探索指导大模型训练

近期一项研究提出新的后训练范式 PUST（Proxy-guided Update Signal Transfer）。该范式将“探索”与“分布对齐”解耦，让小型代理模型负责低成本的探索并传递更新信号，从而指导大模型训练。此举旨在解决传统后训练中让大模型直接进行强化学习成本过于昂贵的问题，有效提升了训练效率。

2026-07-14 ~ 2026-07-15 · 2 条相关