单层训练也能打平全参RL
jiqizhixin · x · 2026-07-15
一篇来自明尼苏达大学、北京大学和 Amazon 研究者的预印本提出：**只训练单个 Transformer 层**，就可能匹配甚至超过全参数强化学习微调。 方法是先找出承担大部分 RL 增益的少数关键中间层，只更新这些层。实验结果显示，它在 **数学、代码和 agentic tasks** 上都优于全参数 RL。论文认为，**层专门化** 可能是性能提升的关键。
jiqizhixin · x · 2026-07-15
一篇来自明尼苏达大学、北京大学和 Amazon 研究者的预印本提出：**只训练单个 Transformer 层**，就可能匹配甚至超过全参数强化学习微调。 方法是先找出承担大部分 RL 增益的少数关键中间层，只更新这些层。实验结果显示，它在 **数学、代码和 agentic tasks** 上都优于全参数 RL。论文认为，**层专门化** 可能是性能提升的关键。