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
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11