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:ISO 框架复用基座谱结构，RLVR 训练提速 2.7 倍(2 条相关)→
「研究」频道最新
- 做了一年的个人 agent，最后输给一天新的版本 — Antony_Richards · 2026-07-23
- Inkling 在 AA-Briefcase 得 836 分，落后顶级开源模型 — ArtificialAnlys · 2026-07-23
- 机器人论文称 VLA 和 world model 还不够 — hbouammar · 2026-07-23
- Google Research：让量子计算机从错误中学习 — donutloop · 2026-07-23
- Derya Unutmaz：AI 正把生物医学研究压缩到几天 — DeryaTR_ · 2026-07-23
- 应用数学主导AI浪潮，为何梯度下降依然有效？ — fkasummer · 2026-07-23