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

• Fern 架构支持 1000 万 token 上下文，预测精度持续提升 — AccBalanced · 2026-10-27
• Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
• Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
• ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
• Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27
• Cohere 论文：零种子数据生成数据集，质量与多样性双提升 — idanbeck · 2026-10-27

更多「模型」频道 AI 资讯 →