Progressive RLVR 研究称 TinyLoRA 和蒸馏都不可少
ddkang · x · 2026-07-21
这组回复在讲 Progressive RLVR 的实验与消融结果，核心结论是：每个组件都很关键。
要点如下：
- 如果去掉蒸馏、直接用 TinyLoRA 训练，理论上界会变得更松，大约差 15%。
- 如果把 TinyLoRA 换成标准 LoRA，在 4B 模型上界会变得空洞，在 2B 模型上甚至基本失去意义。
- 在 Qwen3.5-4B 上，作者在 数学、代码、常识、Text-to-SQL 四个领域验证，得到的 bound 很紧，和训练准确率只差 8–13%，同时比基础模型高 17–51%。
配图展示了不同量化等级下的任务准确率曲线，Progressive + TinyLoRA 的表现最好，整体也显著优于随机猜测和基线模型。
所属事件:Bridgewater等机构联合提出RLVR非空泛化界(6 条相关)→
「研究」频道最新
- Latent-Foresight:让世界模型学着预判自己的未来 — abursuc · 2026-10-27
- 英国 AISI 发文：现有手段不足以防生物 AI 工具被滥用 — davidmanheim · 2026-10-27
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27
- arXiv 前主席提示:投稿主分类选错,论文几乎必被搁置 — tdietterich · 2026-10-27
- arXiv 积压超 4000 篇论文被搁置，版主致歉并给出避坑建议 — tdietterich · 2026-10-27
- 72 张实拍图训练 MOSS 锐度滑块 LoRA,权重 1 到 -1 调焦 — aoleg77 · 2026-10-27