ISO 说 RLVR 可复用基座谱结构,训练步数少 2.7 倍
xiuyu_l · x · 2026-07-23
ISO：给 RLVR 设计一套“同谱优化”框架
这篇论文认为，RLVR 不必把底层能力全部重学一遍，而是可以复用基座模型的谱结构，通过奇异向量/奇异帧来获得新行为。作者把这个思路称为 isospectral optimization。
提出的两个组件
- ISO-Merger：离线把多个 RL 专家合并成一个模型，不需要数据、rollout 或 OPD。
- ISO-Optimizer：可直接套在 AdamW 或 Muon 上的训练包装器。
结果
- 在 Qwen3-8B-Base 上，ISO-Optimizer 能以约 2.7 倍更少的训练步数 达到与 AdamW 相当的准确率。
- 图中还展示了在 coding、tool use、memory、math 等维度上的专长恢复情况。
整体上，这篇工作把 RLVR 的优化问题重新表述成“谱结构复用”，而不是传统意义上的微调。
所属事件:新框架 ISO 优化 RLVR 训练可将步数缩减 2.7 倍(3 条相关)→
「研究」频道最新
- 实验猴荒：中国 3-5 万美元一只，繁育周期 4 年成药物临床前瓶颈 — zebird0 · 2026-10-27
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27
- EMNLP 论文 GENIE:细粒度度量 LLM 故事的「新意」究竟在哪 — gregd_nlp · 2026-10-27
- hash n-gram 值嵌入助力 12×1024 GPT 刷新 30M 纪录至 3.2115 — RobertTLange · 2026-10-27