论文称只训练一层 Transformer 也能匹配全参数 RL
RisingSayak · x · 2026-07-21
一篇新论文提出，Transformer 的强化学习收益可能主要集中在少数几层上。
- 作者检验了：只训练一层 Transformer，能否接近全参数 RL 训练的效果。
- 他们在 7 个模型上发现了稳定模式：大约位于网络深度 40%–60% 的层贡献最高。
- 配图中的结果显示，只训练这些高贡献层，在数学基准上可以 匹配甚至超过全参数 RL，而且所需可训练参数更少。
「研究」频道最新
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- 研究者吐槽:论文里 PSNR 低于 15dB 基本是用错了指标 — kwangmoo_yi · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27
- Scaling 拟合之争:Uncheatable 计入输出头 FLOPs,Paloma 剔除,最小档差距高达 65% — dlwh · 2026-10-27
- Marin 作者详解 scaling law 公式：难点在小模型阶段估渐近线 — dlwh · 2026-10-27