小模型先探索再指导大模型
burny_tech · x · 2026-07-15
这篇论文提出 PUST（Proxy Exploration and Reusable Guidance）：传统 post-training 往往要让大模型自己做昂贵的 RL 探索，而 PUST 把探索过程转移给一个更小的 proxy 模型。
核心思路
- 小模型先完成一次探索，学习到有用的更新方向
- 迁移到大模型时，传递的是“更新方向”，而不是 proxy 的最终分布
- 这样可以让小模型先搜索并缓存信号，再复用于更大的模型
结果
- 方法可在数学和代码任务上带来提升
- 文中提到，使用 Qwen3 4B 产生的信号，可以明显增强 Qwen3 8B 的表现
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
- EMNLP 2026 两篇论文：小模型实体追踪超人类、类人短暂记忆研究 — GretaTuckute · 2026-10-27
- 历时十年研究：秘鲁 Tarma 克丘亚语的「反自然」音系限制首获实证 — begusgasper · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- IdeaAnchor:用 1.4 万篇论文的灵感溯源教 LLM 基于文献提想法 — armancohan · 2026-10-26
- MIT Ziming Liu 批评 AutoResearch：不懂原理的训练技巧会引发 forking 过拟合灾难 — ZimingLiu11 · 2026-10-26
- 斯坦福数据中心化 AI 研讨会开放报名，海报截止延期 — jure · 2026-10-26