ISO 框架复用基座谱结构，RLVR 训练提速 2.7 倍

针对强化学习与可验证奖励（RLVR）的优化层，研究者提出了“同谱优化”框架（ISO）。该研究指出，RLVR 无需让模型从头重学底层能力，而是可以直接复用基座模型的谱结构，利用奇异向量或奇异帧来获取新行为。通过保持权重谱的固定，ISO 框架有效避免了底层能力的重复学习，成功将训练步数减少了 2.7 倍，实现了显著的提速效果。

2026-07-22 ~ 2026-07-23 · 2 条相关