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
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11
- 「Waymo 效应」：AI 正在悄悄让科研协作变少 — JohnHammersley · 2026-09-11