SFT 与 RL 如何重组推理轨迹
tw_killian · x · 2026-07-10
这项研究从机制上分析了标准后训练中 SFT 和 RL 的作用：SFT 提供丰富的组合式推理轨迹，RL 则把这些轨迹分解成原子技能和路由策略。
控制实验显示，这种方法尤其能提升模型在未见过的组合与不同推理深度上的表现，说明模型可以复用熟悉的推理片段去解决陌生任务。
所属事件:探秘后训练：SFT与RL如何提升模型推理组合泛化(5 条相关)→
「研究」频道最新
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11