PUST：用代理模型传递更新信号
KnowledgeXLab · hf · 2026-07-14
这篇论文提出一种新的后训练范式 Proxy-guided Update Signal Transfer (PUST)，目标是把“探索”与“分布对齐”解耦。
核心思路
- 不再让主模型直接承担昂贵探索，而是用一个轻量 proxy model 先搜索高奖励行为。
- 提取 proxy 优化前后的相对改进信号，再把这个方向性信号转移给主模型做 policy alignment。
主要收益
- 降低探索成本，支持异步生成、缓存和复用优化信号。
- 传递的是“相对改进”而不是绝对分布，因此天然支持 weak-to-strong improvement 和跨模型迁移。
实验结论
- 在 Qwen3-family 模型的数学与代码任务上做了系统评估。
- 结果显示：来自明显更弱 proxy 的更新信号，也能稳定地提升更强的主模型，而且可调节地改善性能。
作者把后训练从“单体在线优化”重构成了一个更模块化、可复用、成本更低的流程。
所属事件:新范式 PUST：小模型探索指导大模型训练(2 条相关)→
「研究」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27