Qwen3 多域 RL 整合：MOPD 最均衡

burny_tech · x · 2026-07-18

这条在讨论 Qwen3-30B-A3B 的多领域能力整合，核心方法是 MOPD，并和多种基线做了对比。

结果概览

• MOPD 在六种整合方法里拿到最高的归一化总分 0.9373。
• 次高的是 Mix-RL，归一化总分 0.8818。
• MOPD 在各域上的表现更均衡，三个领域的归一化分数落在 0.91–0.95，跨度最小。

对比结论

• Cascade RL：存在跨域干扰，前一阶段学到的能力会在后续阶段被削弱。
• Off-Policy Finetune：在 IF（instruction following）上甚至超过 teacher，但 SWE 只闭合到约 65%。
• Mix-RL：是更均衡的基线，但整体仍落后于 MOPD。

作者想表达的重点

MOPD 的优势不只是总分更高，而是各任务上的提升更均匀，说明它更适合做多域能力整合，而不是只在单项上冲高分。

原文链接 →

「模型」频道最新

• 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
• 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
• 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
• 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
• Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
• 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11

更多「模型」频道 AI 资讯 →